論文の概要: Applying Machine Learning to Crowd-sourced Data from Earthquake Detective

• arxiv url: http://arxiv.org/abs/2011.04740v2
• Date: Wed, 15 Jun 2022 23:35:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 13:01:19.949331
• Title: Applying Machine Learning to Crowd-sourced Data from Earthquake Detective
• Title（参考訳）: 地震検出によるクラウドソーシングデータへの機械学習の適用
• Authors: Omkar Ranadive, Suzan van der Lee, Vivian Tang, Kevin Chao
• Abstract要約: Earthquake Detectiveはクラウドソースのプロジェクトであり、地震図の弱い信号を潜在的なトリガ(PDT)イベントから検出し、分類する。 機械学習を用いてこれらのPDT地震事象を分類し、このような弱い信号を分離・分類する際の課題を探る。 画像とウェーブレットに基づくアルゴリズムにより、機械学習は小さな地震からの信号を検出できることを確認した。
• 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: Dynamically triggered earthquakes and tremor generate two classes of weak seismic signals whose detection, identification, and authentication traditionally call for laborious analyses. Machine learning (ML) has grown in recent years to be a powerful efficiency-boosting tool in geophysical analyses, including the detection of specific signals in time series. However, detecting weak signals that are buried in noise challenges ML algorithms, in part because ubiquitous training data is not always available. Under these circumstances, ML can be as ineffective as human experts are inefficient. At this intersection of effectiveness and efficiency, we leverage a third tool that has grown in popularity over the past decade: Citizen science. Citizen science project Earthquake Detective leverages the eyes and ears of volunteers to detect and classify weak signals in seismograms from potentially dynamically triggered (PDT) events. Here, we present the Earthquake Detective data set - A crowd-sourced set of labels on PDT earthquakes and tremor. We apply Machine Learning to classify these PDT seismic events and explore the challenges faced in segregating and classifying such weak signals. We confirm that with an image- and wavelet-based algorithm, machine learning can detect signals from small earthquakes. In addition, we report that our ML algorithm can also detect signals from PDT tremor, which has not been previously demonstrated. The citizen science data set of classifications and ML code are available online.
• Abstract（参考訳）: 動的に引き起こされた地震と震動は、2種類の弱い地震信号を生成し、その検出、識別、認証は伝統的に厳しい分析を要求する。 近年、機械学習(ML)は、時系列内の特定の信号の検出を含む物理解析において、強力な効率向上ツールとして成長している。 しかし、ユビキタストレーニングデータが常に利用できるとは限らないため、ノイズに埋もれた弱い信号を検出することは、MLアルゴリズムに挑戦する。 このような状況下では、MLは人間の専門家が非効率であるのと同じくらい非効率である。 この効率性と効率の交差点では、過去10年間に人気が高まってきた第3のツール、市民科学を活用しています。 市民科学プロジェクト「地震検出」はボランティアの目と耳を利用して、潜在的に動的に引き起こされる(PDT)事象から地震図の弱い信号を検出し、分類する。 本稿では,pdt地震と震動のラベルをクラウドソースした地震探偵データセットを提案する。 我々は,これらのpdt地震イベントの分類に機械学習を適用し,これらの弱信号の分離・分類に直面する課題を探究する。 画像とウェーブレットに基づくアルゴリズムにより,微小地震からの信号を機械学習が検出できることを確認した。 また,本アルゴリズムは従来実証されていないpdtトレモールからの信号も検出可能であることを報告する。 市民科学データセットの分類とMLコードはオンラインで入手できる。

関連論文リスト

• RECOVAR: Representation Covariances on Deep Latent Spaces for Seismic Event Detection [0.0]
  生波形から地震を検出することを学習する地震検出の教師なし手法を開発した。 パフォーマンスは、いくつかの最先端の教師付きメソッドと同等であり、場合によっては同等である。 このアプローチは、他のドメインからの時系列データセットに有用である可能性がある。
  論文  参考訳（メタデータ） (2024-07-25T21:33:54Z)
• AN An ica-ensemble learning approach for prediction of uwb nlos signals data classification [0.0]
  本研究は、無線通信による情報調和と、超広帯域レーダ信号を用いたNLOSシナリオにおける個人識別に焦点を当てた。 実験では、静的データに対して88.37%、動的データに対して87.20%の分類精度を示し、提案手法の有効性を強調した。
  論文  参考訳（メタデータ） (2024-02-27T11:42:26Z)
• Convolutional neural network for earthquake detection [0.0]
  地震活動の増加は、地震データ記録の指数的な成長を生み出した。 現在の地震検出法では、地震騒音に隠れている低マグニチュードの地震の多くを見逃している。 著者らは、地震記録から地震を検知し、発見するための畳み込みニューラルネットワーク(ConvNetQuake)を提案した。
  論文  参考訳（メタデータ） (2023-04-17T14:47:17Z)
• Detecting train driveshaft damages using accelerometer signals and Differential Convolutional Neural Networks [67.60224656603823]
  本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。 その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
  論文  参考訳（メタデータ） (2022-11-15T15:04:06Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Improving the quality control of seismic data through active learning [0.0]
  画像復号化問題では、利用可能な画像の密度の増大は、徹底的な視覚検査を不可能にする。 本稿では,最も関連性の高いデータを逐次選択するための新しいアクティブラーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-01-17T20:15:37Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• Uncovering the structure of clinical EEG signals with self-supervised learning [64.4754948595556]
  教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。 この現象は脳波(EEG)などの臨床関連データに特に問題となる。 ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
  論文  参考訳（メタデータ） (2020-07-31T14:34:47Z)
• Winning with Simple Learning Models: Detecting Earthquakes in Groningen, the Netherlands [0.0]
  近年、地震学者は低等級地震の検出における深層学習アルゴリズムの有効性を実証している。 ここでは, 特徴抽出を伴うロジスティック回帰モデルを用いて, 地震イベント検出の問題点を再検討する。 訓練可能なパラメータを5つしか持たない単純な学習モデルを用いて,グローニンゲンガス田からの低マグニチュード誘導地震を検出する。
  論文  参考訳（メタデータ） (2020-07-08T07:06:09Z)

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。