論文の概要: Machine learning initialization to accelerate Stokes profile inversions
- arxiv url: http://arxiv.org/abs/2103.09651v1
- Date: Tue, 16 Mar 2021 00:53:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-19 00:59:13.198016
- Title: Machine learning initialization to accelerate Stokes profile inversions
- Title（参考訳）: stokes profile inversionsを高速化する機械学習初期化
- Authors: R. Gafeira, D. Orozco Su\'arez, I. Milic, C. Quintero Noda, B. Ruiz
Cobo, H. Uitenbroek
- Abstract要約: 本稿では,畳み込みニューラルネットワーク(cnns)を,ストークスプロファイルインバージョンを有利に初期化するツールとして利用する。
ヒノード探査機で観測された分光偏光度計をテストベンチマークとして使用した。
並列インバージョンを簡単にセットアップできるSIRおよびDeSIReコード用のpythonラッパーについて説明します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we discuss the application of convolutional neural networks
(CNNs) as a tool to advantageously initialize Stokes profile inversions. To
demonstrate the usefulness of CNNs, we concentrate in this paper on the
inversion of LTE Stokes profiles. We use observations taken with the
spectropolarimeter onboard the Hinode spacecraft as a test benchmark. First, we
carefully analyze the data with the SIR inversion code using a given initial
atmospheric model. The code provides a set of atmospheric models that reproduce
the observations. These models are then used to train a CNN. Afterwards, the
same data are again inverted with SIR but using the trained CNN to provide the
initial guess atmospheric models for SIR. The CNNs allow us to significantly
reduce the number of inversion cycles when used to compute initial guess model
atmospheres, decreasing the computational time for LTE inversions by a factor
of two to four. CNN's alone are much faster than assisted inversions, but the
latter are more robust and accurate. The advantages and limitations of machine
learning techniques for estimating optimum initial atmospheric models for
spectral line inversions are discussed. Finally, we describe a python wrapper
for the SIR and DeSIRe codes that allows for the easy setup of parallel
inversions. The assisted inversions can speed up the inversion process, but the
efficiency and accuracy of the inversion results depend strongly on the solar
scene and the data used for the CNN training. This method (assisted inversions)
will not obviate the need for analyzing individual events with the utmost care
but will provide solar scientists with a much better opportunity to sample
large amounts of inverted data, which will undoubtedly broaden the physical
discovery space.
- Abstract（参考訳）: 本研究では、Stokesプロファイルの逆変換を有利に初期化するツールとして、畳み込みニューラルネットワーク(CNN)の適用について論じる。
CNNの有用性を示すために,本稿ではLTE Stokesプロファイルの逆転に着目した。
ヒノード探査機で観測された分光偏光度計をテストベンチマークとして使用した。
まず、所定の初期大気モデルを用いて、SIRインバージョンコードを用いてデータを慎重に解析する。
コードは、観測を再現する大気モデルセットを提供する。
これらのモデルはCNNのトレーニングに使用される。
その後、同じデータは再びSIRで逆転されるが、訓練されたCNNを使用して、SIRの大気モデルの初期推定を提供する。
CNNでは,初期推定モデル大気の計算に使用するインバージョンサイクルの数を著しく削減し,LTEインバージョンにおける計算時間を2～4倍に削減できる。
CNN単独では、補助インバージョンよりもはるかに高速だが、後者はより堅牢で正確である。
スペクトル線反転の最適初期大気モデル推定のための機械学習手法の利点と限界について考察した。
最後に、並列インバージョンを簡単に設定できるSIRおよびDeSIRe符号用のピソンラッパーについて述べる。
補助インバージョンはインバージョン処理を高速化するが、インバージョン結果の効率と正確性は、太陽シーンとCNNトレーニングに使用されるデータに強く依存する。
この方法(補助反転)は、個々の事象を最善の注意で分析する必要性をなくすものではなく、太陽科学者に大量の反転データをサンプリングするより優れた機会を与える。
関連論文リスト
- Physics-guided Full Waveform Inversion using Encoder-Solver Convolutional Neural Networks [7.56372030029358]
フルウェーブフォーム・インバージョン(Full Waveform Inversion, FWI)は、与えられた領域における波動速度分布を推定する逆問題である。
我々は畳み込みニューラルネットワークに基づくエンコーダ-ソルバ事前条件の学習プロセスを開発する。
高周波データを用いた2次元物理モデルを用いてFWI問題の解法を実証する。
論文 参考訳（メタデータ） (2024-05-27T23:03:21Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳（メタデータ） (2022-09-29T04:06:00Z) - Lost Vibration Test Data Recovery Using Convolutional Neural Network: A
Case Study [0.0]
本稿では,アラモサキャニオン橋のCNNアルゴリズムを実構造として提案する。
3つの異なるCNNモデルは、1つと2つの故障したセンサーを予測するものとされた。
畳み込み層を追加することによりモデルの精度が向上した。
論文 参考訳（メタデータ） (2022-04-11T23:24:03Z) - Rubik's Cube Operator: A Plug And Play Permutation Module for Better
Arranging High Dimensional Industrial Data in Deep Convolutional Processes [6.467208324670583]
畳み込みニューラルネットワーク(CNN)は産業データに基づく入力を処理するために広く利用されている。
画像とは異なり、産業データベースシステムの情報は必ずしも空間的に順序づけられるとは限らない。
産業データのデータ構造を適応的に変更するルービックキューブ演算子(RCO)を提案する。
論文 参考訳（メタデータ） (2022-03-24T08:13:56Z) - Learning A 3D-CNN and Transformer Prior for Hyperspectral Image
Super-Resolution [80.93870349019332]
本稿では,CNN の代わりに Transformer を用いて HSI の事前学習を行う新しい HSISR 手法を提案する。
具体的には、まず勾配アルゴリズムを用いてHSISRモデルを解き、次に展開ネットワークを用いて反復解過程をシミュレートする。
論文 参考訳（メタデータ） (2021-11-27T15:38:57Z) - Accelerating non-LTE synthesis and inversions with graph networks [0.0]
非LTE問題を解くことなく、原子レベルの人口を素早く予測するグラフネットワークを構築し、訓練する。
我々の近似法は,時間進化を伴う視野の大きな色圏から物理情報を抽出する可能性を開放する。
論文 参考訳（メタデータ） (2021-11-20T09:46:16Z) - Adaptive Machine Learning for Time-Varying Systems: Low Dimensional
Latent Space Tuning [91.3755431537592]
本稿では,時間変化システムを対象とした適応機械学習手法を提案する。
我々は,エンコーダデコーダCNNのエンコーダ部出力において,非常に高次元(N>100k)の入力を低次元(N2)潜在空間にマッピングする。
そこで本手法では,割り込みを伴わないフィードバックに基づいて,内部の相関関係を学習し,その進化をリアルタイムで追跡する。
論文 参考訳（メタデータ） (2021-07-13T16:05:28Z) - Transfer Learning with Convolutional Networks for Atmospheric Parameter
Retrieval [14.131127382785973]
MetOp衛星シリーズに搭載された赤外線音波干渉計(IASI)は、数値気象予測(NWP)に重要な測定値を提供する
IASIが提供する生データから正確な大気パラメータを取得することは大きな課題であるが、NWPモデルでデータを使用するには必要である。
本研究では,iasiデータから抽出した特徴を,低い高度で異なる物理変数を予測するように設計された別の統計手法への入力として使用できることを示す。
論文 参考訳（メタデータ） (2020-12-09T09:28:42Z) - Deep learning for gravitational-wave data analysis: A resampling
white-box approach [62.997667081978825]
我々は、LIGO検出器からの単一干渉計データを用いて、畳み込みニューラルネットワーク(CNN)を用いて、コンパクトなバイナリコレッセンスにおける重力波(GW)信号を検出する。
CNNはノイズを検出するのに非常に正確だが、GW信号のリコールに十分な感度がないため、CNNはGWトリガの生成よりもノイズ低減に適している。
論文 参考訳（メタデータ） (2020-09-09T03:28:57Z) - RIFLE: Backpropagation in Depth for Deep Transfer Learning through
Re-Initializing the Fully-connected LayEr [60.07531696857743]
事前訓練されたモデルを用いたディープ畳み込みニューラルネットワーク(CNN)の微調整は、より大きなデータセットから学習した知識をターゲットタスクに転送するのに役立つ。
転送学習環境におけるバックプロパゲーションを深める戦略であるRIFLEを提案する。
RIFLEは、深いCNN層の重み付けに意味のあるアップデートをもたらし、低レベルの機能学習を改善する。
論文 参考訳（メタデータ） (2020-07-07T11:27:43Z) - On Coresets for Support Vector Machines [61.928187390362176]
coresetは、元のデータポイントの小さな、代表的なサブセットである。
我々は,本アルゴリズムを用いて,既製のSVMソルバをストリーミング,分散,動的データ設定に適用可能であることを示す。
論文 参考訳（メタデータ） (2020-02-15T23:25:12Z)
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。