論文の概要: Deep Spectral CNN for Laser Induced Breakdown Spectroscopy

• arxiv url: http://arxiv.org/abs/2012.01653v1
• Date: Thu, 3 Dec 2020 02:23:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-23 14:50:30.138938
• Title: Deep Spectral CNN for Laser Induced Breakdown Spectroscopy
• Title（参考訳）: レーザー誘起破壊分光のためのディープスペクトルCNN
• Authors: Juan Castorena, Diane Oyen, Ann Ollila, Carey Legget and Nina Lanza
• Abstract要約: 本研究では,レーザー誘起分解分光法(LIBS)信号を用いたスペクトル畳み込みニューラルネットワーク(CNN)を提案する。 提案手法は,火星探査機「キュリオシティ」からのリモートセンシング観測のための前処理と校正のために,火星科学研究所が行った既存手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 11.978306421559587
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This work proposes a spectral convolutional neural network (CNN) operating on laser induced breakdown spectroscopy (LIBS) signals to learn to (1) disentangle spectral signals from the sources of sensor uncertainty (i.e., pre-process) and (2) get qualitative and quantitative measures of chemical content of a sample given a spectral signal (i.e., calibrate). Once the spectral CNN is trained, it can accomplish either task through a single feed-forward pass, with real-time benefits and without any additional side information requirements including dark current, system response, temperature and detector-to-target range. Our experiments demonstrate that the proposed method outperforms the existing approaches used by the Mars Science Lab for pre-processing and calibration for remote sensing observations from the Mars rover, 'Curiosity'.
• Abstract（参考訳）: 本研究は,レーザー誘起分解スペクトル(libs)信号に作用するスペクトル畳み込みニューラルネットワーク(cnn)を提案し,(1)センサの不確かさの源(すなわち,前処理)からスペクトル信号を不連続化すること,(2)スペクトル信号(すなわちカリブレート)が与えられた試料の化学成分の質的・定量的測定を行うことを学習する。 スペクトルcnnがトレーニングされると、単一のフィードフォワードパスを通じて、リアルタイムのメリットとダーク電流、システム応答、温度、ターゲット範囲などの追加のサイド情報要求なしで、どちらのタスクも達成できる。 提案手法は,火星探査機「キュリオシティ(curiosity)」によるリモートセンシング観測の前処理とキャリブレーションに使用される既存の手法を上回っている。

関連論文リスト

• Point-Calibrated Spectral Neural Operators [54.13671100638092]
  点レベル適応スペクトルベースで関数を近似することで演算子マッピングを学習する。 点平衡スペクトル演算子は点レベル適応スペクトルベースで関数を近似することで演算子マッピングを学習する。
  論文  参考訳（メタデータ） (2024-10-15T08:19:39Z)
• Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
  近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。 本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
  論文  参考訳（メタデータ） (2024-07-12T18:00:02Z)
• Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
  本稿では,革新的な深層学習に基づく量子センシング手法を提案する。 これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。 我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
  論文  参考訳（メタデータ） (2023-11-13T09:46:05Z)
• Femtosecond pulse parameter estimation from photoelectron momenta using machine learning [0.0]
  畳み込みニューラルネットワーク(CNN)は、特徴抽出やパラメータ推定といったタスクに対する驚くほどの明度を実証している。 ここでは、強電界電離光電子スペクトルを用いてCNNを試験し、実験データを逆転させる理論データセットのトレーニングを行う。
  論文  参考訳（メタデータ） (2023-03-24T11:58:06Z)
• Electron energy loss spectroscopy database synthesis and automation of core-loss edge recognition by deep-learning neural networks [0.0]
  原スペクトルからコアロスエッジの検出と要素同定を自動化するために,畳み込み型双方向長短期記憶ニューラルネットワーク(CNN-BiLSTM)を提案する。 94.9%の精度で、提案したCNN-BiLSTMネットワークは、生スペクトルの複雑な前処理がなければ、高い精度でEELSスペクトルのコアロスエッジ認識を自動化できることを証明している。
  論文  参考訳（メタデータ） (2022-09-26T20:57:34Z)
• Library transfer between distinct Laser-Induced Breakdown Spectroscopy systems with shared standards [0.0]
  新しいLIBSシステムの設定に伴うコストは、その広範なキャリブレーションを必要とするため、増大する。 本研究は,LIBS系が使用済み分光計と集光器でのみ異なるが,装置の他の全ての部分を共有するという課題の簡易化について検討する。 トランスファーは、可変オートエンコーダ(VAE)と完全に接続された人工ニューラルネットワーク(ANN)で構成されるパイプラインによって実現される。
  論文  参考訳（メタデータ） (2022-08-31T16:15:55Z)
• Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
  本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。 これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
  論文  参考訳（メタデータ） (2022-08-01T19:18:26Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• Neural density estimation and uncertainty quantification for laser induced breakdown spectroscopy spectra [4.698576003197588]
  構造付きスペクトル潜在空間上の正規化フローを用いて確率密度を推定する。 観測されていない状態ベクトルを予測する際に不確実性定量化法を評価する。 火星探査機キュリオシティが収集したレーザー誘起分解分光データに本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-08-17T01:10:29Z)
• Mid-infrared homodyne balanced detector for quantum light characterization [52.77024349608834]
  中赤外域で作動する新しい平衡ホモダイン検出器の特性について述べる。 実験結果を,自由空間量子通信などの量子技術への応用の可能性の観点から考察する。
  論文  参考訳（メタデータ） (2021-03-16T11:08:50Z)
• Neural network-based on-chip spectroscopy using a scalable plasmonic encoder [0.4397520291340694]
  従来の分光計は、サイズ、コスト、信号対雑音比(SNR)、スペクトル分解能によって設定されるトレードオフによって制限される。 本稿では,小型で低コストなオンチップセンシング方式を用いて,深層学習に基づくスペクトル再構成フレームワークを実証する。
  論文  参考訳（メタデータ） (2020-12-01T22:50:06Z)

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。