論文の概要: Emulation as an Accurate Alternative to Interpolation in Sampling
Radiative Transfer Codes
- arxiv url: http://arxiv.org/abs/2012.10392v1
- Date: Mon, 7 Dec 2020 10:04:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 20:40:50.312174
- Title: Emulation as an Accurate Alternative to Interpolation in Sampling
Radiative Transfer Codes
- Title（参考訳）: 放射移動符号サンプリングにおける補間の正確な代替としてのエミュレーション
- Authors: Jorge Vicent, Jochem Verrelst, Juan Pablo Rivera-Caicedo, Neus
Sabater, Jordi Mu\~noz-Mar\'i, Gustau Camps-Valls, Jos\'e Moreno
- Abstract要約: この研究はエミュレーション、すなわち統計解析を用いてRTM出力を近似することを提案する。
エミュレーションは、RTMスペクトルデータを再構築する一般的な方法に代わる高速かつ正確な代替手段として機能することができると結論付けられている。
- 参考スコア（独自算出の注目度）: 7.79832534221102
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Computationally expensive Radiative Transfer Models (RTMs) are widely used}
to realistically reproduce the light interaction with the Earth surface and
atmosphere. Because these models take long processing time, the common practice
is to first generate a sparse look-up table (LUT) and then make use of
interpolation methods to sample the multi-dimensional LUT input variable space.
However, the question arise whether common interpolation methods perform most
accurate. As an alternative to interpolation, this work proposes to use
emulation, i.e., approximating the RTM output by means of statistical learning.
Two experiments were conducted to assess the accuracy in delivering spectral
outputs using interpolation and emulation: (1) at canopy level, using PROSAIL;
and (2) at top-of-atmosphere level, using MODTRAN. Various interpolation
(nearest-neighbour, inverse distance weighting, piece-wice linear) and
emulation (Gaussian process regression (GPR), kernel ridge regression, neural
networks) methods were evaluated against a dense reference LUT. In all
experiments, the emulation methods clearly produced more accurate output
spectra than classical interpolation methods. GPR emulation performed up to ten
times more accurately than the best performing interpolation method, and this
with a speed that is competitive with the faster interpolation methods. It is
concluded that emulation can function as a fast and more accurate alternative
to commonly used interpolation methods for reconstructing RTM spectral data.
- Abstract（参考訳）: 計算に高価な放射移動モデル(RTM)は、地球表面と大気との光相互作用を現実的に再現するために広く用いられている。
これらのモデルは長い処理時間を要するため、まずスパースルックアップテーブル(LUT)を生成し、多次元LUT入力変数空間をサンプリングするために補間法を利用するのが一般的である。
しかし、一般的な補間法が最も正確かどうかが問題となる。
補間に代わるものとして、この研究はエミュレーション、すなわち統計的学習を用いてRTM出力を近似することを提案する。
補間とエミュレーションを用いたスペクトル出力の精度を評価するために,(1)プロセイルを用いたキャノピーレベル,(2)modtranを用いた大気圏上層での2つの実験を行った。
様々な補間法(neighbour,inverse distance weighting, piece-wice linear)とエミュレーション法(gaussian process regression (gpr), kernel ridge regression, neural networks)を,密集した基準lutに対して評価した。
あらゆる実験において、エミュレーション法は古典補間法よりも正確な出力スペクトルを明らかに生成した。
gprエミュレーションは、最良の補間法よりも最大10倍精度で実行され、これはより高速な補間法と競合する速度である。
その結果、エミュレーションはrtmスペクトルデータの再構成によく用いられる補間法に代わる、高速で正確な代替として機能することがわかった。
関連論文リスト
- Generalization error of min-norm interpolators in transfer learning [2.7309692684728617]
最小ノルム補間器は、現代の機械学習アルゴリズムの暗黙の正規化限界として自然に現れる。
多くのアプリケーションでは、トレーニング中に限られた量のテストデータが利用できるが、この設定におけるmin-normの特性は十分に理解されていない。
我々はこれらの特徴を達成するために、新しい異方性局所法を確立した。
論文 参考訳（メタデータ） (2024-06-20T02:23:28Z) - Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。
提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文 参考訳（メタデータ） (2023-11-30T13:50:21Z) - Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。
この研究は、単一変換による周波数領域学習のための青写真を導入している。
論文 参考訳（メタデータ） (2022-11-26T01:56:05Z) - Fast Sampling of Diffusion Models via Operator Learning [74.37531458470086]
我々は,拡散モデルのサンプリング過程を高速化するために,確率フロー微分方程式の効率的な解法であるニューラル演算子を用いる。
シーケンシャルな性質を持つ他の高速サンプリング手法と比較して、並列復号法を最初に提案する。
本稿では,CIFAR-10では3.78、ImageNet-64では7.83の最先端FIDを1モデル評価環境で達成することを示す。
論文 参考訳（メタデータ） (2022-11-24T07:30:27Z) - Sparse high-dimensional linear regression with a partitioned empirical
Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。
パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。
提案手法はRパッケージプローブに実装されている。
論文 参考訳（メタデータ） (2022-09-16T19:15:50Z) - Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。
MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。
本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
論文 参考訳（メタデータ） (2022-06-29T22:19:03Z) - Spatio-Temporal Variational Gaussian Processes [26.60276485130467]
時空間フィルタリングと自然変動推論を組み合わせたガウス過程推論にスケーラブルなアプローチを導入する。
還元された誘導点集合上で状態空間モデルを構成するスパース近似を導出する。
分離可能なマルコフカーネルの場合、完全スパースケースは標準変分GPを正確に回復する。
論文 参考訳（メタデータ） (2021-11-02T16:53:31Z) - Fast Variational AutoEncoder with Inverted Multi-Index for Collaborative
Filtering [59.349057602266]
変分オートエンコーダ (VAE) は, 協調フィルタリングの非線形手法として拡張されている。
内積に基づくソフトマックス確率を逆多重インデックスに基づいて分解する。
FastVAEはサンプリング品質と効率の両面で最先端のベースラインを上回っます。
論文 参考訳（メタデータ） (2021-09-13T08:31:59Z) - Five Degree-of-Freedom Property Interpolation of Arbitrary Grain
Boundaries via Voronoi Fundamental Zone Octonion Framework [0.0]
本稿では,粒界(gb)構造プロパティサーロゲートのためのボロノイ基本ゾーンオクタニオンフレームワークについて紹介する。
VFZOフレームワークは、多様体内の点集合として構築されるため、他の5つの自由度ベースのプロパティメソッドよりも利点があります。
論文 参考訳（メタデータ） (2021-04-14T01:33:20Z) - Deep Importance Sampling based on Regression for Model Inversion and
Emulation [0.0]
適応的重要度サンプリング(AIS)フレームワークを回帰型適応的深度サンプリング(RADIS)と呼ぶ。
RADISは、構築されたエミュレータからサンプルを引き出すために、2つ(またはそれ以上)のネストされたISスキームの深いアーキテクチャに基づいている。
リモートセンシングモデルインバージョンとエミュレーションにおける実世界の応用は、アプローチの有効性を確認する。
論文 参考訳（メタデータ） (2020-10-20T15:12:30Z) - Iterative Correction of Sensor Degradation and a Bayesian Multi-Sensor
Data Fusion Method [0.0]
本稿では,劣化信号から地中構造信号を推定する新しい手法を提案する。
アルゴリズムは、2つの信号の繰り返し補正を行うことで乗算分解効果を学習する。
我々は理論的解析を含意し、ノイズレス測定モデルのための地上構造信号への収束性を証明する。
論文 参考訳（メタデータ） (2020-09-07T13:24:47Z)
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。