論文の概要: Dark soliton detection using persistent homology

• arxiv url: http://arxiv.org/abs/2107.14594v2
• Date: Fri, 2 Sep 2022 05:01:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 07:19:57.358955
• Title: Dark soliton detection using persistent homology
• Title（参考訳）: 持続的ホモロジーを用いたダークソリトン検出
• Authors: Daniel Leykam, Irving Rondon, Dimitris G Angelakis
• Abstract要約: 実験画像データの質的特徴を迅速かつ確実に識別するために, トポロジ的データ解析手法, 永続的ホモロジーを用いる方法を示す。 識別された機能は、ロジスティック回帰モデルのような単純な教師付き機械学習モデルの入力として使用することができる。
• 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: Classifying images often requires manual identification of qualitative features. Machine learning approaches including convolutional neural networks can achieve accuracy comparable to human classifiers, but require extensive data and computational resources to train. We show how a topological data analysis technique, persistent homology, can be used to rapidly and reliably identify qualitative features in experimental image data. The identified features can be used as inputs to simple supervised machine learning models such as logistic regression models, which are easier to train. As an example we consider the identification of dark solitons using a dataset of 6257 labelled atomic Bose-Einstein condensate density images.
• Abstract（参考訳）: 画像の分類には、しばしば質的特徴の手動による識別が必要である。 畳み込みニューラルネットワークを含む機械学習アプローチは、人間の分類器に匹敵する精度を達成することができるが、トレーニングには広範なデータと計算リソースを必要とする。 実験画像データの質的特徴を迅速かつ確実に識別するために, トポロジ的データ解析手法, 永続的ホモロジーを用いる方法を示す。 識別された機能は、トレーニングが容易なロジスティック回帰モデルのような単純な教師付き機械学習モデルの入力として使用できる。 例えば、6257個のラベル付き原子ボース・アインシュタイン凝縮密度画像のデータセットを用いてダークソリトンを同定する。

関連論文リスト

• Visual Car Brand Classification by Implementing a Synthetic Image Dataset Creation Pipeline [3.524869467682149]
  安定拡散を用いた合成画像データセットの自動生成パイプラインを提案する。 YOLOv8を用いて自動境界ボックス検出と合成画像の品質評価を行う。
  論文  参考訳（メタデータ） (2024-06-03T07:44:08Z)
• Zero-shot Model Diagnosis [80.36063332820568]
  ディープラーニングモデルを評価するための一般的なアプローチは、興味のある属性を持つラベル付きテストセットを構築し、そのパフォーマンスを評価することである。 本稿では,ゼロショットモデル診断(ZOOM)がテストセットやラベル付けを必要とせずに可能であることを論じる。
  論文  参考訳（メタデータ） (2023-03-27T17:59:33Z)
• Classification of EEG Motor Imagery Using Deep Learning for Brain-Computer Interface Systems [79.58173794910631]
  トレーニングされたT1クラス畳み込みニューラルネットワーク(CNN)モデルを使用して、運動画像の識別を成功させる能力を調べる。 理論的には、モデルが正確にトレーニングされた場合、クラスを特定し、それに従ってラベル付けすることが可能になる。 CNNモデルは復元され、より小さなサンプルデータを使用して同じ種類の運動画像データを特定するために使用される。
  論文  参考訳（メタデータ） (2022-05-31T17:09:46Z)
• Learning multi-scale functional representations of proteins from single-cell microscopy data [77.34726150561087]
  局所化分類に基づいて訓練された単純な畳み込みネットワークは、多様な機能情報をカプセル化したタンパク質表現を学習できることを示す。 また,生物機能の異なるスケールでタンパク質表現の質を評価するためのロバストな評価戦略を提案する。
  論文  参考訳（メタデータ） (2022-05-24T00:00:07Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• Generation of microbial colonies dataset with deep learning style transfer [0.0]
  深層学習モデルの学習に使用できるペトリ料理の微生物学的画像の合成データセットを作成するための戦略を導入する。 本手法は, 5種類の微生物の局在, セグメンテーション, 分類が可能なニューラルネットワークモデルのトレーニングに使用できる, リアルな画像のデータセットを合成できることを示す。
  論文  参考訳（メタデータ） (2021-11-06T03:11:01Z)
• Identifying nonclassicality from experimental data using artificial neural networks [52.77024349608834]
  ニューラルネットワークをトレーニングして、古典的および非古典的状態とを、その二次的測定分布から分類する。 光の状態の異なる実実験的な二次データから古典的特徴や非古典的特徴を正確に識別できることを示す。
  論文  参考訳（メタデータ） (2021-01-18T15:12:47Z)
• Machine-learning enhanced dark soliton detection in Bose-Einstein condensates [0.0]
  原子ボース・アインシュタイン凝縮体(BEC)における局所励起の自動分類と位置決めシステムについて述べる。 私たちは、機械学習の研究のために、最初のダークソリトンのラベル付きデータセットをオープンに公開しました。
  論文  参考訳（メタデータ） (2021-01-14T00:44:56Z)
• A Novel Anomaly Detection Algorithm for Hybrid Production Systems based on Deep Learning and Timed Automata [73.38551379469533]
  DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。 深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。 このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
  論文  参考訳（メタデータ） (2020-10-29T08:27:43Z)
• On the Robustness of Active Learning [0.7340017786387767]
  Active Learningは、機械学習アルゴリズムをトレーニングする上で最も有用なサンプルを特定する方法に関するものだ。 十分な注意とドメイン知識を持っていないことがよくあります。 そこで本研究では,Simpson の多様性指標に基づく新たな "Sum of Squared Logits" 手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:07:23Z)

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。