Fugu-MT 論文翻訳(概要): Super-Resolution Reconstruction of Interval Energy Data

論文の概要: Super-Resolution Reconstruction of Interval Energy Data

arxiv url: http://arxiv.org/abs/2010.12678v1
Date: Fri, 23 Oct 2020 21:34:22 GMT
ステータス: 処理完了
システム内更新日: 2022-10-03 23:45:20.916085
Title: Super-Resolution Reconstruction of Interval Energy Data
Title（参考訳）: 区間エネルギーデータの超解像再構成
Authors: Jieyi Lu and Baihong Jin
Abstract要約: 深層学習を用いて低分解能間隔データを高分解能(15分)データにアップサンプリングするための超解像再構成(SRR)手法を提案する。予備的な結果から,提案手法はベースラインモデルに比べて性能が大幅に向上することが示された。
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: High-resolution data are desired in many data-driven applications; however, in many cases only data whose resolution is lower than expected are available due to various reasons. It is then a challenge how to obtain as much useful information as possible from the low-resolution data. In this paper, we target interval energy data collected by Advanced Metering Infrastructure (AMI), and propose a Super-Resolution Reconstruction (SRR) approach to upsample low-resolution (hourly) interval data into higher-resolution (15-minute) data using deep learning. Our preliminary results show that the proposed SRR approaches can achieve much improved performance compared to the baseline model.
Abstract（参考訳）: 多くのデータ駆動型アプリケーションでは高解像度のデータが望まれるが、多くの場合、様々な理由で解像度が期待より低いデータしか利用できない。そして、低解像度のデータからできるだけ多くの有用な情報を得る方法が課題となる。本稿では,AMI(Advanced Metering Infrastructure)が収集した区間エネルギーデータを対象に,低分解能(時間)間隔データをディープラーニングを用いて高分解能(15分)データにアップサンプリングする超解像再構成(SRR)手法を提案する。予備実験の結果,提案手法はベースラインモデルに比べて性能が大幅に向上することが示された。

関連論文リスト

Reward-Augmented Data Enhances Direct Preference Alignment of LLMs [56.24431208419858]
報奨条件付き大言語モデル(LLM)を導入し、データセット内の応答品質のスペクトル全体から学習する。そこで本稿では,品質スコアに優先ペアを条件付け,報酬を加算したデータセットを構築する,効果的なデータレバーベリング手法を提案する。
論文参考訳（メタデータ） (2024-10-10T16:01:51Z)
Degradation-Guided One-Step Image Super-Resolution with Diffusion Priors [75.24313405671433]
拡散に基づく画像超解像法 (SR) は、事前訓練された大規模なテキスト・画像拡散モデルを先行として活用することにより、顕著な成功を収めた。本稿では,拡散型SR手法の効率問題に対処する新しい一段階SRモデルを提案する。既存の微調整戦略とは異なり、SR専用の劣化誘導低ランク適応 (LoRA) モジュールを設計した。
論文参考訳（メタデータ） (2024-09-25T16:15:21Z)
Dynamic Data Pruning for Automatic Speech Recognition [58.95758272440217]
ASR(DDP-ASR)のダイナミック・データ・プルーニング(Dynamic Data Pruning for ASR)を導入し,音声関連データセットに特化して微細なプルーニングの粒度を提供する。実験の結果,DDP-ASRは最大1.6倍のトレーニング時間を節約できることがわかった。
論文参考訳（メタデータ） (2024-06-26T14:17:36Z)
DeepLight: Reconstructing High-Resolution Observations of Nighttime Light With Multi-Modal Remote Sensing Data [4.89861083551325]
夜間光(NTL)リモートセンシング観測は、一連の持続可能な開発目標を達成するための進捗を定量的に評価するためのユニークなプロキシとして機能する。本研究では,マルチモーダルリモートセンシングデータを用いた高解像度NTL画像の再構成手法を提案する。
論文参考訳（メタデータ） (2024-02-24T00:25:22Z)
PSRFlow: Probabilistic Super Resolution with Flow-Based Models for Scientific Data [11.15523311079383]
PSRFlowは、科学データ超解像のための新しい正規化フローベース生成モデルである。以上の結果から,既存の手法と比較して,優れた性能とロバストな不確実性定量化が得られた。
論文参考訳（メタデータ） (2023-08-08T22:10:29Z)
Analysis and Optimization of Wireless Federated Learning with Data Heterogeneity [72.85248553787538]
本稿では、データの不均一性を考慮した無線FLの性能解析と最適化と、無線リソース割り当てについて述べる。ロス関数の最小化問題を、長期エネルギー消費と遅延の制約の下で定式化し、クライアントスケジューリング、リソース割り当て、ローカルトレーニングエポック数(CRE)を共同で最適化する。実世界のデータセットの実験により、提案アルゴリズムは学習精度とエネルギー消費の点で他のベンチマークよりも優れていることが示された。
論文参考訳（メタデータ） (2023-08-04T04:18:01Z)
STEERING: Stein Information Directed Exploration for Model-Based Reinforcement Learning [111.75423966239092]
遷移モデルの現在の推定値と未知の最適値との間の積分確率距離(IPM)の観点から探索インセンティブを提案する。 KSDに基づく新しいアルゴリズムを開発した。 textbfSTEin information dirtextbfEcted Explor for model-based textbfReinforcement Learntextbfing。
論文参考訳（メタデータ） (2023-01-28T00:49:28Z)
S3RP: Self-Supervised Super-Resolution and Prediction for Advection-Diffusion Process [1.8839378985061936]
限られた情報を持つ対流拡散過程の超解像モデルを提案する。本研究では,物理に基づく正規化を訓練したリカレント畳み込みネットワークが,HRの地下構造データを持たずにHR情報を再構築可能であることを示す。
論文参考訳（メタデータ） (2021-11-08T17:07:44Z)
A comparative study of various Deep Learning techniques for spatio-temporal Super-Resolution reconstruction of Forced Isotropic Turbulent flows [0.45935798913942893]
本研究では,様々な最先端機械学習技術を用いて,空間的・時間的に乱流場の超解像解析を行う。この研究で使用されるデータセットは、ジョンズ・ホプキンス乱流データベースの一部である「等方性1024粗い」データセットから抽出される。
論文参考訳（メタデータ） (2021-07-07T17:16:55Z)
Best-Buddy GANs for Highly Detailed Image Super-Resolution [71.13466303340192]
我々は,低分解能(LR)入力に基づいて高分解能(HR)画像を生成する単一画像超解像(SISR)問題を考える。このラインに沿ったほとんどのメソッドは、SISRタスクに十分な柔軟性がない、事前定義されたシングルLRシングルHRマッピングに依存しています。リッチディテールSISRのためのベストバディGAN(Beby-GAN)を提案する。イミュータブルな1対1の制約を緩和することで、推定されたパッチを動的に最高の監視を求めることができる。
論文参考訳（メタデータ） (2021-03-29T02:58:27Z)
D-SRGAN: DEM Super-Resolution with Generative Adversarial Networks [0.0]
LIDARデータはDEM(Digital Elevation Models)の主要な情報源として利用されている。 DEMは道路抽出、水文モデリング、洪水マッピング、表面分析など様々な用途で使用されている。ディープラーニング技術は、高解像度データセットからの学習機能のパフォーマンスが研究者にとって魅力的なものになっている。
論文参考訳（メタデータ） (2020-04-09T19:57:49Z)

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。