論文の概要: Extraction of instantaneous frequencies and amplitudes in nonstationary time-series data

• arxiv url: http://arxiv.org/abs/2104.01293v1
• Date: Sat, 3 Apr 2021 02:19:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-08 02:55:55.950373
• Title: Extraction of instantaneous frequencies and amplitudes in nonstationary time-series data
• Title（参考訳）: 非定常時系列データにおける瞬時周波数と振幅の抽出
• Authors: Daniel E. Shea, Rajiv Giridharagopal, David S. Ginger, Steven L. Brunton, J. Nathan Kutz
• Abstract要約: 古典的アプローチの欠点の多くを回避する時間周波数解析のためのデータ駆動アプローチを提案する。 本手法は, カンチレバーを用いた静電力顕微鏡データを含む時系列データの多様性を示す。
• 参考スコア（独自算出の注目度）: 2.36991223784587
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time-series analysis is critical for a diversity of applications in science and engineering. By leveraging the strengths of modern gradient descent algorithms, the Fourier transform, multi-resolution analysis, and Bayesian spectral analysis, we propose a data-driven approach to time-frequency analysis that circumvents many of the shortcomings of classic approaches, including the extraction of nonstationary signals with discontinuities in their behavior. The method introduced is equivalent to a {\em nonstationary Fourier mode decomposition} (NFMD) for nonstationary and nonlinear temporal signals, allowing for the accurate identification of instantaneous frequencies and their amplitudes. The method is demonstrated on a diversity of time-series data, including on data from cantilever-based electrostatic force microscopy to quantify the time-dependent evolution of charging dynamics at the nanoscale.
• Abstract（参考訳）: 時系列分析は科学と工学の多様な応用に不可欠である。 現代の勾配降下アルゴリズム,フーリエ変換,マルチレゾリューション解析,ベイズスペクトル解析の強みを活用することで,非定常信号の非連続性抽出を含む古典的手法の欠点の多くを回避できる,時間周波数解析へのデータ駆動アプローチを提案する。 提案手法は、非定常および非線形時間信号に対する非定常フーリエモード分解(NFMD)と等価であり、即時周波数とその振幅の正確な同定を可能にする。 ナノスケールでの帯電ダイナミクスの時間依存進化を定量化するために、カンチレバー型静電力顕微鏡のデータを含む時系列データの多様性を実証した。

関連論文リスト

• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Omni-Dimensional Frequency Learner for General Time Series Analysis [12.473862872616998]
  スペクトル特徴の3つの側面の奥行き解析に基づいて,Omni-dimensional Frequency Learner (ODFL) モデルを提案する。 本手法は,非定常周波数帯域に着目した意味適応型大域的フィルタとチャネル次元間の部分演算からなる。 ODFLは、短期および長期予測、計算、分類、異常検出を含む5つの主流時系列分析タスクにおいて、一貫した最先端を達成している。
  論文  参考訳（メタデータ） (2024-07-15T03:48:16Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Kernel-based Joint Independence Tests for Multivariate Stationary and Non-stationary Time Series [0.6749750044497732]
  多変量時系列における共同独立のカーネルベース統計テストを導入する。 提案手法は, 合成例において, 高次依存関係を頑健に発見する方法を示す。 我々の手法はデータの高次相互作用を明らかにするのに役立つ。
  論文  参考訳（メタデータ） (2023-05-15T10:38:24Z)
• Digital noise spectroscopy with a quantum sensor [57.53000001488777]
  本稿では,ノイズプロセスの自己相関をサンプリングし,再構成するための量子センシングプロトコルを実験的に導入し,実証する。 ウォルシュノイズ分光法はスピンフリップパルスの単純な配列を利用してディジタルフィルタの完全基底を生成する。 ダイヤモンド中の単一窒素空孔中心の電子スピン上での核スピン浴により生じる有効磁場の自己相関関数を実験的に再構成した。
  論文  参考訳（メタデータ） (2022-12-19T02:19:35Z)
• Incremental Spatial and Spectral Learning of Neural Operators for Solving Large-Scale PDEs [86.35471039808023]
  Incrmental Fourier Neural Operator (iFNO)を導入し、モデルが使用する周波数モードの数を徐々に増加させる。 iFNOは、各種データセット間の一般化性能を維持したり改善したりしながら、トレーニング時間を短縮する。 提案手法は,既存のフーリエニューラル演算子に比べて20%少ない周波数モードを用いて,10%低いテスト誤差を示すとともに,30%高速なトレーニングを実現する。
  論文  参考訳（メタデータ） (2022-11-28T09:57:15Z)
• SRMD: Sparse Random Mode Decomposition [0.0]
  スペクトル図へのスパース近似を構築し,時系列データをランダムに解析する手法を提案する。 スペクトル図のスペーサー化により、時間周波数クラスタの分離が急激になるため、固有モードの同定が容易になる。 応用例としては、信号表現、外乱除去、モード分解などがある。
  論文  参考訳（メタデータ） (2022-04-12T22:40:10Z)
• Consistency of mechanistic causal discovery in continuous-time using Neural ODEs [85.7910042199734]
  ダイナミカルシステムの研究において,連続時間における因果的発見を検討する。 本稿では,ニューラルネットワークを用いた因果探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-05-06T08:48:02Z)
• Bayesian Reconstruction of Fourier Pairs [21.104218472462907]
  一般的な文献は、観測結果の欠如や、ノイズの破損したデータには耐えられない。 我々の目的は、時間領域と周波数領域において、不特定に取得されたデータの原則的処理の欠如に対処することである。 提案モデルでは,実環境におけるオーディオ,医療,天文学的信号の共用時間と周波数再構成が可能であることを示す。
  論文  参考訳（メタデータ） (2020-11-09T17:30:24Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。