論文の概要: Deep Learning-Based Autoencoder for Data-Driven Modeling of an RF Photoinjector

• arxiv url: http://arxiv.org/abs/2101.10437v2
• Date: Thu, 18 Feb 2021 00:21:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-14 21:01:19.504092
• Title: Deep Learning-Based Autoencoder for Data-Driven Modeling of an RF Photoinjector
• Title（参考訳）: RF光インジェクタのデータ駆動モデリングのためのディープラーニングに基づくオートエンコーダ
• Authors: Jun Zhu, Ye Chen, Frank Brinker, Winfried Decking, Sergey Tomin, Holger Schlarb
• Abstract要約: 深層畳み込みニューラルネットワーク(decoder)は、別のニューラルネットワーク(encoder)によって学習される小さな特徴空間から2d分布を構築するために使用される。 実験データに基づいて訓練されたオートエンコーダは,縦方向位相空間計測のためのメガピクセル画像の非常に高品質な予測を行うことができる。
• 参考スコア（独自算出の注目度）: 23.537223384787772
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We adopt a data-driven approach to model the longitudinal phase-space diagnostic beamline at the European XFEL photoinjector. A deep convolutional neural network (decoder) is used to build a 2D distribution from a small feature space learned by another neural network (encoder). We demonstrate that the autoencoder trained on experimental data can make very high-quality predictions of megapixel images for the longitudinal phase-space measurement. The prediction significantly outperforms existing methods. We also show the explicability of the autoencoder by sharing the same decoder with more than one encoder used for different setups of the photoinjector. This opens the door to a new way of accurately modeling a photoinjector using neural networks. The approach can possibly be extended to the whole accelerator and even the photon beamlines.
• Abstract（参考訳）: 欧州xfelフォトインジェクタにおける縦型位相空間診断ビームラインのモデル化には,データ駆動方式を採用する。 深層畳み込みニューラルネットワーク(decoder)は、別のニューラルネットワーク(encoder)によって学習される小さな特徴空間から2d分布を構築するために使用される。 実験データに基づいて訓練されたオートエンコーダは,縦方向位相空間計測のためのメガピクセル画像の非常に高品質な予測を行うことができる。 この予測は既存の方法を大幅に上回る。 また、光インジェクタの異なる設定に使用する複数のエンコーダと同一のデコーダを共有することで、オートエンコーダの明示性を示す。 これにより、ニューラルネットワークを使用してフォトインジェクタを正確にモデリングする新しい方法への扉が開きます。 このアプローチは、加速器全体や光子ビームラインにまで拡張することができる。

関連論文リスト

• Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
  生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。 本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
  論文  参考訳（メタデータ） (2023-07-17T07:12:29Z)
• Variable Bitrate Neural Fields [75.24672452527795]
  本稿では,特徴格子を圧縮し,メモリ消費を最大100倍に削減する辞書手法を提案する。 辞書の最適化をベクトル量子化オートデコーダ問題として定式化し、直接監督できない空間において、エンドツーエンドの離散神経表現を学習する。
  論文  参考訳（メタデータ） (2022-06-15T17:58:34Z)
• Toward a Geometrical Understanding of Self-supervised Contrastive Learning [55.83778629498769]
  自己教師付き学習(SSL)は、人間のアノテーションがなければ、伝達学習に有効なデータ表現を作成するための最重要技術の一つである。 メインストリームSSL技術は、エンコーダとプロジェクタという2つのカスケードニューラルネットワークを備えた、特定のディープニューラルネットワークアーキテクチャに依存している。 本稿では,データ拡張ポリシーの強みがデータ埋め込みに与える影響について検討する。
  論文  参考訳（メタデータ） (2022-05-13T23:24:48Z)
• Neural Data-Dependent Transform for Learned Image Compression [72.86505042102155]
  ニューラルデータに依存した変換を構築し,各画像の符号化効率を最適化する連続オンラインモード決定機構を導入する。 実験の結果,提案したニューラルシンタクス設計と連続オンラインモード決定機構の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-09T14:56:48Z)
• Small Lesion Segmentation in Brain MRIs with Subpixel Embedding [105.1223735549524]
  ヒト脳のMRIスキャンを虚血性脳梗塞と正常組織に分割する方法を提案する。 本稿では,空間展開埋め込みネットワークによって予測を導出する標準エンコーダデコーダの形式でニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-09-18T00:21:17Z)
• Dual-view Snapshot Compressive Imaging via Optical Flow Aided Recurrent Neural Network [14.796204921975733]
  デュアルビュースナップショット圧縮イメージング(SCI)は、2つの視野(FoV)からのビデオを1つのスナップショットでキャプチャすることを目的としている。 既存のモデルベースの復号アルゴリズムでは個々のシーンを再構築することは困難である。 本稿では,2重ビデオSCIシステムのための光フロー支援型リカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-09-11T14:24:44Z)
• Dynamic Neural Representational Decoders for High-Resolution Semantic Segmentation [98.05643473345474]
  動的ニューラル表現デコーダ(NRD)と呼ばれる新しいデコーダを提案する。 エンコーダの出力上の各位置がセマンティックラベルの局所的なパッチに対応するので、この研究では、これらの局所的なパッチをコンパクトなニューラルネットワークで表現する。 このニューラル表現により、意味ラベル空間に先行する滑らかさを活用することができ、デコーダをより効率的にすることができる。
  論文  参考訳（メタデータ） (2021-07-30T04:50:56Z)
• Fractal Pyramid Networks [3.7384509727711923]
  画素ワイズ予測タスクのための新しいネットワークアーキテクチャであるフラクタルピラミッドネットワーク(PFN)を提案する。 PFNは複数の情報処理経路を保持し、情報を複数の小さなチャネルにエンコードする。 我々のモデルは、パラメータをはるかに少なくして、KITTIデータセットの最先端のメソッドを競合または上回ることができます。
  論文  参考訳（メタデータ） (2021-06-28T13:15:30Z)
• Learning to Learn to Compress [25.23586503813838]
  画像圧縮のためのエンドツーエンドのメタ学習システムを提案する。 メタラーニングに基づく学習画像圧縮のための新しい訓練パラダイムを提案する。
  論文  参考訳（メタデータ） (2020-07-31T13:13:53Z)

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。