論文の概要: Automatic Detection of Occulted Hard X-ray Flares Using Deep-Learning Methods

• arxiv url: http://arxiv.org/abs/2101.11550v1
• Date: Wed, 27 Jan 2021 17:11:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-01 19:42:40.718529
• Title: Automatic Detection of Occulted Hard X-ray Flares Using Deep-Learning Methods
• Title（参考訳）: 深層学習法を用いた被曝硬X線フララの自動検出
• Authors: Shin-nosuke Ishikawa, Hideaki Matsumura, Yasunobu Uchiyama and Lindsay Glesener
• Abstract要約: 我々は、RHESSI(Reuven Ramaty High Energy Solar Spectroscopic Imager)で観測された太陽フレアからの硬X線放射の機械学習分類に関する概念を提案する。 このモデルは、画像再構成や専門家による視覚検査を必要とせずに、オカルトフレアを検出することができる。 本モデルでは, 分類精度が90%以上向上し, 検体検診や検体検体検体検体検診, 検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検診および検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体検体
• 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: We present a concept for a machine-learning classification of hard X-ray (HXR) emissions from solar flares observed by the Reuven Ramaty High Energy Solar Spectroscopic Imager (RHESSI), identifying flares that are either occulted by the solar limb or located on the solar disk. Although HXR observations of occulted flares are important for particle-acceleration studies, HXR data analyses for past observations were time consuming and required specialized expertise. Machine-learning techniques are promising for this situation, and we constructed a sample model to demonstrate the concept using a deep-learning technique. Input data to the model are HXR spectrograms that are easily produced from RHESSI data. The model can detect occulted flares without the need for image reconstruction nor for visual inspection by experts. A technique of convolutional neural networks was used in this model by regarding the input data as images. Our model achieved a classification accuracy better than 90 %, and the ability for the application of the method to either event screening or for an event alert for occulted flares was successfully demonstrated.
• Abstract（参考訳）: 本研究では、Reuven Ramaty High Energy Solar Spectroscopic Imager (RHESSI) によって観測された太陽フレアからの硬いX線(HXR)放出のマシンラーニング分類の概念を提示する。 粒子加速研究ではオカルトフレアのHXR観測は重要ですが、過去の観測のためのHXRデータ分析には時間がかかり、専門的な専門知識が必要でした。 機械学習技術はこの状況に有望であり、ディープラーニング技術を用いて概念を実証するサンプルモデルを構築した。 モデルへの入力データは、RHESSIデータから容易に生成できるHXRスペクトログラムである。 モデルは、画像再構成や専門家による視覚的検査を必要とせずに、オカルトフレアを検出することができる。 本モデルでは畳み込みニューラルネットワークの手法を用いて入力データを画像として扱う。 本モデルでは,90%以上の精度で分類が可能であり,オカルトフレアに対してイベントスクリーニングやイベント警告を適用できることが実証された。

関連論文リスト

• Detecting and Classifying Flares in High-Resolution Solar Spectra with Supervised Machine Learning [0.0]
  本稿では,太陽フレアを教師あり機械学習の助けを借りて分類する標準化手法を提案する。 RHESSIミッションのフレアデータと、HARPS-N機器の太陽光スペクトルを用いて、いくつかの教師付き機械学習モデルを訓練した。 最も訓練されたモデルでは、平均集計精度スコアが0.65であり、非フレアクラスと弱フレアクラスではカテゴリ精度スコアが0.70以上である。
  論文  参考訳（メタデータ） (2024-06-21T18:52:03Z)
• Solar synthetic imaging: Introducing denoising diffusion probabilistic models on SDO/AIA data [0.0]
  本研究では、生成的深層学習モデル、特にDenoising Diffusion Probabilistic Model (DDPM)を用いて、太陽現象の合成画像を作成することを提案する。 SDO宇宙船に搭載されたAIA機器のデータセットを利用することで、データ不足問題に対処することを目指している。 DDPMのパフォーマンスは、クラスタメトリクス、Frechet Inception Distance (FID)、F1スコアを用いて評価され、現実的な太陽画像を生成する上で有望な結果を示している。
  論文  参考訳（メタデータ） (2024-04-03T08:18:45Z)
• Radiative Gaussian Splatting for Efficient X-ray Novel View Synthesis [88.86777314004044]
  我々は,X線ノベルビュー可視化のための3次元ガウシアンスプラッティングに基づくフレームワーク,すなわちX-ガウシアンを提案する。 実験の結果,X-Gaussianは6.5dBの最先端手法より優れており,トレーニング時間は15%未満であり,推論速度は73倍であることがわかった。
  論文  参考訳（メタデータ） (2024-03-07T00:12:08Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Supervised classification methods applied to airborne hyperspectral images: Comparative study using mutual information [0.0]
  本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。 実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
  論文  参考訳（メタデータ） (2022-10-27T13:39:08Z)
• Monitoring MBE substrate deoxidation via RHEED image-sequence analysis by deep learning [62.997667081978825]
  本稿では,深層学習に基づくRHEED画像系列分類を用いたMBEにおけるGaAs基板脱酸化の自動監視手法を提案する。 提案手法は,機能抽出のための非教師付きオートエンコーダ(AE)と,教師付き畳み込みネットワークを組み合わせたものである。
  論文  参考訳（メタデータ） (2022-10-07T10:01:06Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• Visibility Interpolation in Solar Hard X-ray Imaging: Application to RHESSI and STIX [0.7646713951724012]
  本研究の目的は,フーリエ領域の可視性を高めた画像再構成手法を設計することである。 この方法は、STIX(Spectrometer/Telescope for Imaging X-rays)ミッションのフレームワーク内に実装されたシミュレーションソフトウェアを用いて生成された合成振動度に適用される。 また、Reuven Ramaty High Energy Solar Spectroscopic Imager(RHESSI)による実験的な可視性についても検討した。
  論文  参考訳（メタデータ） (2020-12-27T20:39:44Z)
• Evaluation of Contemporary Convolutional Neural Network Architectures for Detecting COVID-19 from Chest Radiographs [0.0]
  胸部X線写真解析のための3つのモデルアーキテクチャを,様々な条件下で訓練し,評価した。 本稿では,現代の研究によって提案された印象的なモデル性能を低下させる問題を見いだす。
  論文  参考訳（メタデータ） (2020-06-30T15:22:39Z)

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。