論文の概要: Decoding the shift-invariant data: applications for band-excitation scanning probe microscopy

• arxiv url: http://arxiv.org/abs/2104.10207v1
• Date: Tue, 20 Apr 2021 18:54:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-23 03:01:35.348249
• Title: Decoding the shift-invariant data: applications for band-excitation scanning probe microscopy
• Title（参考訳）: シフト不変データのデコード:バンド励起走査プローブ顕微鏡への応用
• Authors: Yongtao Liu, Rama K. Vasudevan, Kyle Kelley, Dohyung Kim, Yogesh Sharma, Mahshid Ahmadi, Sergei V. Kalinin, and Maxim Ziatdinov
• Abstract要約: スペクトルデータ解析の非監視手法としてシフト不変変分オートエンコーダ(shift-VAE)を開発した。 シフト-VAE潜伏変数は基底真理パラメータと密接に一致していることを示す。 このアプローチは、X線回折、フォトルミネッセンス、ラマンスペクトル、その他のデータセットの分析にも拡張できる。
• 参考スコア（独自算出の注目度）: 1.4990005092937675
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A shift-invariant variational autoencoder (shift-VAE) is developed as an unsupervised method for the analysis of spectral data in the presence of shifts along the parameter axis, disentangling the physically-relevant shifts from other latent variables. Using synthetic data sets, we show that the shift-VAE latent variables closely match the ground truth parameters. The shift VAE is extended towards the analysis of band-excitation piezoresponse force microscopy (BE-PFM) data, disentangling the resonance frequency shifts from the peak shape parameters in a model-free unsupervised manner. The extensions of this approach towards denoising of data and model-free dimensionality reduction in imaging and spectroscopic data are further demonstrated. This approach is universal and can also be extended to analysis of X-ray diffraction, photoluminescence, Raman spectra, and other data sets.
• Abstract（参考訳）: シフト不変変分オートエンコーダ (shift-VAE) は、パラメータ軸に沿ったシフトが存在する場合のスペクトルデータを解析し、他の潜伏変数から物理的に関連するシフトを分離するための教師なし手法として開発された。 合成データセットを用いて,シフト-VAE潜伏変数が基底真理パラメータと密接に一致することを示す。 シフトVAEは、ピーク形状パラメータから共振周波数シフトを無教師で遠ざけ、バンド励起圧電力顕微鏡(BE-PFM)データの解析に向けて拡張される。 画像データおよび分光データのモデルフリーな次元性低減に向けたこのアプローチの拡張がさらに実証されている。 このアプローチは普遍的であり、X線回折、フォトルミネッセンス、ラマンスペクトル、その他のデータセットの解析にも拡張できる。

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)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Datacube segmentation via Deep Spectral Clustering [76.48544221010424]
  拡張ビジョン技術は、しばしばその解釈に挑戦する。 データ立方体スペクトルの巨大な次元性は、その統計的解釈において複雑なタスクを生じさせる。 本稿では,符号化空間における教師なしクラスタリング手法の適用の可能性について検討する。 統計的次元削減はアドホック訓練(可変)オートエンコーダで行い、クラスタリング処理は(学習可能な)反復K-Meansクラスタリングアルゴリズムで行う。
  論文  参考訳（メタデータ） (2024-01-31T09:31:28Z)
• Dynamic Mode Decomposition for data-driven analysis and reduced-order modelling of ExB plasmas: I. Extraction of spatiotemporally coherent patterns [3.203036813451742]
  データ駆動解析とプラズマ力学の低次モデリングのための動的モード分解(DMD)アルゴリズムの一般性を評価する。
  論文  参考訳（メタデータ） (2023-08-26T01:37:52Z)
• A Deep Learning Approach Utilizing Covariance Matrix Analysis for the ISBI Edited MRS Reconstruction Challenge [13.610321486594756]
  本研究は,機械学習モデルを用いて,高品質な磁気共鳴分光法(MRS)スキャンの取得を高速化する手法を提案する。 この方法はトランジェントの数に不変であり、合成シナリオとin-vivoシナリオの両方に対して頑健でノイズの多い入力データである。
  論文  参考訳（メタデータ） (2023-06-05T15:53:56Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)
• Physics and Chemistry from Parsimonious Representations: Image Analysis via Invariant Variational Autoencoders [0.0]
  変分オートエンコーダ(VAE)は教師なしデータ解析の強力なパラダイムとして登場している。 この記事では、VAEの背景にある基本的な原則と直観を概説する。
  論文  参考訳（メタデータ） (2023-03-30T03:16:27Z)
• Analytical Modelling of Exoplanet Transit Specroscopy with Dimensional Analysis and Symbolic Regression [68.8204255655161]
  ディープラーニング革命は、そのような分析結果を直接、データに適合するコンピュータアルゴリズムで導き出すための扉を開いた。 我々は、一般的なホットジュピター系外惑星の遷移半径の合成データにおける記号回帰の利用をうまく実証した。 前処理のステップとして,変数の無次元な組み合わせを特定するために次元解析を用いる。
  論文  参考訳（メタデータ） (2021-12-22T00:52:56Z)
• Finding simplicity: unsupervised discovery of features, patterns, and order parameters via shift-invariant variational autoencoders [0.0]
  画像の特徴的反復特徴を解消するシフト不変変分オートエンコーダ (shift-VAE) を開発した。 対象物の位置の不確実性と形状復元の不確実性とのバランスを, シフトVAEが示す。
  論文  参考訳（メタデータ） (2021-06-23T15:39:07Z)
• Differentiable Programming for Hyperspectral Unmixing using a Physics-based Dispersion Model [9.96234892716562]
  本稿では、スペクトル変動を物理に基づくアプローチから考慮し、エンドツーエンドのスペクトルアンミックスアルゴリズムに組み込む。 畳み込みニューラルネットワークを用いた逆レンダリング技術を導入し、トレーニングデータが利用可能な場合のパフォーマンスと速度を向上させる。 結果は、赤外線と近赤外(VNIR)データセットの両方で最先端を達成する。
  論文  参考訳（メタデータ） (2020-07-12T14:16:35Z)

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。