論文の概要: Low-rank Convex/Sparse Thermal Matrix Approximation for Infrared-based Diagnostic System

• arxiv url: http://arxiv.org/abs/2010.06784v1
• Date: Wed, 14 Oct 2020 02:53:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 14:13:43.519465
• Title: Low-rank Convex/Sparse Thermal Matrix Approximation for Infrared-based Diagnostic System
• Title（参考訳）: 赤外線診断システムのための低ランク凸・スパース熱行列近似
• Authors: Bardia Yousefi, Clemente Ibarra Castanedo, Xavier P.V. Maldague
• Abstract要約: 本研究では, サーモグラフィにおける低ランク行列近似法について, 半, 凸, スパース非負行列分解法(NMF)を用いて比較検討を行った。 その結果、これらの手法は主成分サーモグラフィ(PCT)とスパースPCTの利点を継承する一方で、スパースPCTの負の基底に非負の制約で取り組み、処理データにクラスタリング特性を示すことがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active and passive thermography are two efficient techniques extensively used to measure heterogeneous thermal patterns leading to subsurface defects for diagnostic evaluations. This study conducts a comparative analysis on low-rank matrix approximation methods in thermography with applications of semi-, convex-, and sparse- non-negative matrix factorization (NMF) methods for detecting subsurface thermal patterns. These methods inherit the advantages of principal component thermography (PCT) and sparse PCT, whereas tackle negative bases in sparse PCT with non-negative constraints, and exhibit clustering property in processing data. The practicality and efficiency of these methods are demonstrated by the experimental results for subsurface defect detection in three specimens (for different depth and size defects) and preserving thermal heterogeneity for distinguishing breast abnormality in breast cancer screening dataset (accuracy of 74.1%, 75.8%, and 77.8%).
• Abstract（参考訳）: アクティブサーモグラフィとパッシブサーモグラフィは、診断のための地下欠陥につながる異種熱パターンを測定するために広く使用される2つの効率的な技術である。 本研究は, サーモグラフィにおける低ランク行列近似法の比較解析を行い, 準, 凸, スパース非負行列分解 (nmf) 法を用いて地下熱パターンの検出を行った。 これらの手法は主成分サーモグラフィ(PCT)とスパースPCTの利点を継承するが、スパースPCTでは非負の制約で負の基底に取り組み、処理データにクラスタリング特性を示す。 乳がんスクリーニングデータセット(74.1%, 75.8%, 77.8%)の乳房異常を識別するための熱的不均一性を保持する3つの試料(深さと大きさの異なる欠陥)における表面欠陥検出の実験結果により, これらの方法の実用性と効率が示された。

関連論文リスト

• Total Uncertainty Quantification in Inverse PDE Solutions Obtained with Reduced-Order Deep Learning Surrogate Models [50.90868087591973]
  機械学習サロゲートモデルを用いて得られた逆PDE解の総不確かさを近似したベイズ近似法を提案する。 非線型拡散方程式に対する反復的アンサンブルスムーズおよび深層アンサンブル法との比較により,提案手法を検証した。
  論文  参考訳（メタデータ） (2024-08-20T19:06:02Z)
• Machine Learning-based Layer-wise Detection of Overheating Anomaly in LPBF using Photodiode Data [0.0]
  本研究は,光ダイオードセンサデータを用いた過熱異常の検出に焦点を当てた。 光ダイオードセンサーは、プロセスのダイナミクスと熱履歴を反映して、溶融プールから高周波データを収集することができる。 提案手法は,フォトダイオードセンサデータを用いて過熱異常を階層的に検出する機械学習フレームワークを提供する。
  論文  参考訳（メタデータ） (2024-03-20T01:12:44Z)
• Distribution-based Low-rank Embedding [0.0]
  固有ベクトル(JSE)とワイブル埋め込み(Weibull Embedding)に対するJames-Steinを提案する。 主な目的は、熱データストリームの低次元(LD)表現を作ることである。 提案手法は,主基底ベクトルの投影精度が81.7%に向上したことを示す。
  論文  参考訳（メタデータ） (2023-12-29T12:29:45Z)
• A Novel Maximum-Entropy-Driven Technique for Low-Rank Orthogonal Nonnegative Matrix Factorization with $\ell_0$-Norm sparsity Constraint [0.0]
  データ駆動制御と機械学習では、大きな行列を小さく、低ランクな要素に分解する、という一般的な要件がある。 本稿では,直交非負行列分解(ONMF)問題に対する革新的な解を提案する。 提案手法は,文献と同等あるいは改善された復元誤差を実現する。
  論文  参考訳（メタデータ） (2022-10-06T04:30:59Z)
• Off-policy estimation of linear functionals: Non-asymptotic theory for semi-parametric efficiency [59.48096489854697]
  観測データに基づいて線形汎関数を推定する問題は、因果推論と包帯文献の両方において標準的である。 このような手順の平均二乗誤差に対して非漸近上界を証明した。 非漸近的局所ミニマックス下限をマッチングすることにより、有限標本のインスタンス依存最適性を確立する。
  論文  参考訳（メタデータ） (2022-09-26T23:50:55Z)
• Unsupervised Learning Discriminative MIG Detectors in Nonhomogeneous Clutter [0.8984888893275712]
  主成分分析(PCA)は、高次元データをデータ分散を最大化する低次元空間にマッピングする。 PCAの原理にインスパイアされた新しいタイプの学習識別行列情報幾何(MIG)検出器を開発した。 3つの差別的なMIG検出器が、異なる幾何学的測度に関して説明されている。
  論文  参考訳（メタデータ） (2022-04-24T13:50:05Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
  DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。 DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
  論文  参考訳（メタデータ） (2021-06-14T17:19:44Z)
• Embedded Deep Regularized Block HSIC Thermomics for Early Diagnosis of Breast Cancer [0.0]
  マトリックス因子化(MF)技術は、がん患者の血管拡張に対応する熱パターンを検出することができる。 このような技術の最大の課題の1つは、熱基底の最良の表現を選択することである。 熱画像検査のためのDeep-semi-non negative matrix factorization (Deep-SemiNMF)を導入し, 乳癌検診208例を対象に検討した。
  論文  参考訳（メタデータ） (2021-06-03T19:54:31Z)
• Entropy Minimizing Matrix Factorization [102.26446204624885]
  NMF(Nonnegative Matrix Factorization)は、広く使用されているデータ分析技術であり、多くの実際のタスクで印象的な結果をもたらしました。 本研究では,上述の問題に対処するために,EMMF (Entropy Minimizing Matrix Factorization framework) を開発した。 通常、外れ値が通常のサンプルよりもはるかに小さいことを考えると、行列分解のために新しいエントロピー損失関数が確立される。
  論文  参考訳（メタデータ） (2021-03-24T21:08:43Z)
• Robust Low-rank Matrix Completion via an Alternating Manifold Proximal Gradient Continuation Method [47.80060761046752]
  ロバスト低ランク行列補完(RMC)は、コンピュータビジョン、信号処理、機械学習アプリケーションのために広く研究されている。 この問題は、部分的に観察された行列を低ランク行列とスパース行列の重ね合わせに分解することを目的とした。 RMCに取り組むために広く用いられるアプローチは、低ランク行列の核ノルム(低ランク性を促進するために)とスパース行列のl1ノルム(空間性を促進するために)を最小化する凸定式化を考えることである。 本稿では、近年のローワークの動機付けについて述べる。
  論文  参考訳（メタデータ） (2020-08-18T04:46:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。