論文の概要: Model-Based Deep Autoencoder Networks for Nonlinear Hyperspectral Unmixing

• arxiv url: http://arxiv.org/abs/2104.08409v1
• Date: Sat, 17 Apr 2021 00:14:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 13:32:30.422443
• Title: Model-Based Deep Autoencoder Networks for Nonlinear Hyperspectral Unmixing
• Title（参考訳）: 非線形ハイパースペクトルアンミックスのためのモデルベースディープオートエンコーダネットワーク
• Authors: Haoqing Li, Ricardo Augusto Borsoi, Tales Imbiriba, Pau Closas, Jos\'e Carlos Moreira Bermudez, Deniz Erdo\u{g}mu\c{s}
• Abstract要約: オートエンコーダネットワークは、教師なしハイパースペクトルアンミックスを行うための有望なアプローチとして登場した。 線形混合に対する非線形揺らぎを考慮した非線形HUのためのモデルベースAECを提案する。 この制限は、エンコーダとデコーダネットワークの両方に特定の構造を自然に課すことを示しています。
• 参考スコア（独自算出の注目度）: 21.057695471614682
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autoencoder (AEC) networks have recently emerged as a promising approach to perform unsupervised hyperspectral unmixing (HU) by associating the latent representations with the abundances, the decoder with the mixing model and the encoder with its inverse. AECs are especially appealing for nonlinear HU since they lead to unsupervised and model-free algorithms. However, existing approaches fail to explore the fact that the encoder should invert the mixing process, which might reduce their robustness. In this paper, we propose a model-based AEC for nonlinear HU by considering the mixing model a nonlinear fluctuation over a linear mixture. Differently from previous works, we show that this restriction naturally imposes a particular structure to both the encoder and to the decoder networks. This introduces prior information in the AEC without reducing the flexibility of the mixing model. Simulations with synthetic and real data indicate that the proposed strategy improves nonlinear HU.
• Abstract（参考訳）: オートエンコーダ (AEC) ネットワークは近年,非教師付きハイパースペクトルアンミキシング (HU) を行うための有望な手法として,潜在表現を多元性,デコーダを混合モデル, エンコーダを逆性に関連付ける手法として出現している。 AECは非教師付きおよびモデルフリーなアルゴリズムにつながるため、非線形HUに特に魅力がある。 しかし、既存のアプローチでは、エンコーダが混合プロセスを反転させるべきであるという事実を探求できず、それによってロバスト性が低下する可能性がある。 本稿では,線形混合体上の非線形ゆらぎを混合モデルとして,非線形huのモデルベースaecを提案する。 従来の作品と異なるのは、この制限がエンコーダとデコーダネットワークの両方に固有の構造を自然に課すことである。 これにより、混合モデルの柔軟性を低下させることなく、AECに事前情報を導入する。 合成および実データを用いたシミュレーションは,提案手法が非線形huを改善することを示す。

関連論文リスト

• Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study [56.283944756315066]
  そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。 ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
  論文  参考訳（メタデータ） (2024-01-09T11:54:54Z)
• 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)
• Conditional Denoising Diffusion for Sequential Recommendation [62.127862728308045]
  GAN(Generative Adversarial Networks)とVAE(VAE)の2つの顕著な生成モデル GANは不安定な最適化に苦しむ一方、VAEは後続の崩壊と過度に平らな世代である。 本稿では,シーケンスエンコーダ,クロスアテンティブデノナイジングデコーダ,ステップワイズディフューザを含む条件付きデノナイジング拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-04-22T15:32:59Z)
• Nonlinear Hyperspectral Unmixing based on Multilinear Mixing Model using Convolutional Autoencoders [6.867229549627128]
  リフレクションに基づく教師なしアンミキシングのための新しいオートエンコーダネットワークを提案する。 合成データと実データの両方を用いた実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-03-14T18:11:52Z)
• Nonlinear proper orthogonal decomposition for convection-dominated flows [0.0]
  そこで本稿では,自動エンコーダと長期記憶ネットワークを組み合わせたエンドツーエンドのガレルキンフリーモデルを提案する。 我々の手法は精度を向上するだけでなく、トレーニングやテストの計算コストを大幅に削減する。
  論文  参考訳（メタデータ） (2021-10-15T18:05:34Z)
• Autoencoding Variational Autoencoder [56.05008520271406]
  我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。 自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
  論文  参考訳（メタデータ） (2020-12-07T14:16:14Z)
• Derivative-Based Koopman Operators for Real-Time Control of Robotic Systems [14.211417879279075]
  本稿では, モデル誤差を拘束する非線形力学をデータ駆動で同定するための一般化可能な手法を提案する。 クープマン演算子に基づく線形表現を構築し,テイラー級数精度解析を用いて誤差境界を導出する。 制御と組み合わせると、非線形系のクープマン表現は競合する非線形モデリング法よりも極端に優れた性能を持つ。
  論文  参考訳（メタデータ） (2020-10-12T15:15:13Z)
• Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
  PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。 本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。 このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
  論文  参考訳（メタデータ） (2020-09-29T12:50:33Z)
• Variance Constrained Autoencoding [0.0]
  エンコーダの場合、同時に分布制約を強制し、出力歪みを最小化しようとすると、生成的および再構成的品質が低下することを示す。 本稿では,分散制約のみを適用した分散制約付きオートエンコーダ(VCAE)を提案する。 実験の結果,VCAEは,MNISTとCelebAの再構成および生成品質において,ワッサースタインオートエンコーダと変分オートエンコーダを改良することがわかった。
  論文  参考訳（メタデータ） (2020-05-08T00:50:50Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)

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。