論文の概要: Neural density estimation and uncertainty quantification for laser induced breakdown spectroscopy spectra

• arxiv url: http://arxiv.org/abs/2108.08709v1
• Date: Tue, 17 Aug 2021 01:10:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-20 14:38:10.790776
• Title: Neural density estimation and uncertainty quantification for laser induced breakdown spectroscopy spectra
• Title（参考訳）: レーザー誘起破壊分光スペクトルの神経密度推定と不確かさ定量化
• Authors: Katiana Kontolati, Natalie Klein, Nishant Panda, Diane Oyen
• Abstract要約: 構造付きスペクトル潜在空間上の正規化フローを用いて確率密度を推定する。 観測されていない状態ベクトルを予測する際に不確実性定量化法を評価する。 火星探査機キュリオシティが収集したレーザー誘起分解分光データに本手法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 4.698576003197588
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Constructing probability densities for inference in high-dimensional spectral data is often intractable. In this work, we use normalizing flows on structured spectral latent spaces to estimate such densities, enabling downstream inference tasks. In addition, we evaluate a method for uncertainty quantification when predicting unobserved state vectors associated with each spectrum. We demonstrate the capability of this approach on laser-induced breakdown spectroscopy data collected by the ChemCam instrument on the Mars rover Curiosity. Using our approach, we are able to generate realistic spectral samples and to accurately predict state vectors with associated well-calibrated uncertainties. We anticipate that this methodology will enable efficient probabilistic modeling of spectral data, leading to potential advances in several areas, including out-of-distribution detection and sensitivity analysis.
• Abstract（参考訳）: 高次元スペクトルデータにおける推論のための確率密度の構成は、しばしば難解である。 本研究では,構造的スペクトル潜在空間上の流れを正規化し,それらの密度を推定し,下流推定タスクを可能にする。 さらに、各スペクトルに関連付けられた観測されていない状態ベクトルを予測する際の不確実性定量化手法を評価する。 火星探査機キュリオシティのChemCam装置で収集したレーザー誘起分解分光データに対するこのアプローチの有効性を実証する。 提案手法を用いることで, 実測的なスペクトルサンプルを生成でき, 関連性の高い不確実性のある状態ベクトルを正確に予測することができる。 この手法によりスペクトルデータの効率的な確率論的モデリングが可能となり,分布外検出や感度解析など,いくつかの分野での潜在的な進歩が期待できる。

関連論文リスト

• 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)
• Fast remote spectral discrimination through ghost spectrometry [3.3911785884111483]
  ゴーストスペクトロメトリは, 化学, 生物, 放射線, 核の脅威の有無を評価するのに有効であることを示す。 多くの場合、対象の完全なスペクトル線形状を再構成する必要がなく、スペクトル吸収対象が存在するか否かを識別する関心がある。 異なるサンプルを用いて得られた実験結果を考察し,それらをシミュレーションで補完し,最も一般的なシナリオを探索する。
  論文  参考訳（メタデータ） (2023-03-27T11:46:48Z)
• Femtosecond pulse parameter estimation from photoelectron momenta using machine learning [0.0]
  畳み込みニューラルネットワーク(CNN)は、特徴抽出やパラメータ推定といったタスクに対する驚くほどの明度を実証している。 ここでは、強電界電離光電子スペクトルを用いてCNNを試験し、実験データを逆転させる理論データセットのトレーニングを行う。
  論文  参考訳（メタデータ） (2023-03-24T11:58:06Z)
• Generative structured normalizing flow Gaussian processes applied to spectroscopic data [4.0773490083614075]
  物理科学では、限られた訓練データは将来の観測データを適切に特徴づけることができない。 特に外挿を依頼される場合、モデルが不確実性を適切に示すことは重要である。 火星探査機キュリオシティに搭載されたChemCam装置のレーザ誘起分解分光データに関する方法論を実証した。
  論文  参考訳（メタデータ） (2022-12-14T23:57:46Z)
• Estimating the concentration of chiral media with bright squeezed light [77.34726150561087]
  キラル分析物の濃度を推定するためのガウスプローブの性能を定量的に評価する。 4倍精度向上は、最先端のスクイーズレベルと強度測定を用いて達成できる。
  論文  参考訳（メタデータ） (2022-08-21T17:18:10Z)
• Deep Learning Models of the Discrete Component of the Galactic Interstellar Gamma-Ray Emission [61.26321023273399]
  H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。 深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
  論文  参考訳（メタデータ） (2022-06-06T18:00:07Z)
• Gaussian Process Regression for Absorption Spectra Analysis of Molecular Dimers [68.8204255655161]
  本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。 このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。 実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
  論文  参考訳（メタデータ） (2021-12-14T17:46:45Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• A probabilistic deep learning approach to automate the interpretation of multi-phase diffraction spectra [4.240899165468488]
  シミュレーション回折スペクトルで訓練されたアンサンブル畳み込みニューラルネットワークを開発し、複素多相混合を同定する。 シミュレーションおよび実験的に測定された回折スペクトルをベンチマークし, これまでに報告した手法よりも精度が優れていることを示す。
  論文  参考訳（メタデータ） (2021-03-30T20:13:01Z)
• Mid-infrared homodyne balanced detector for quantum light characterization [52.77024349608834]
  中赤外域で作動する新しい平衡ホモダイン検出器の特性について述べる。 実験結果を,自由空間量子通信などの量子技術への応用の可能性の観点から考察する。
  論文  参考訳（メタデータ） (2021-03-16T11:08:50Z)
• Deep Spectral CNN for Laser Induced Breakdown Spectroscopy [11.978306421559587]
  本研究では,レーザー誘起分解分光法(LIBS)信号を用いたスペクトル畳み込みニューラルネットワーク(CNN)を提案する。 提案手法は,火星探査機「キュリオシティ」からのリモートセンシング観測のための前処理と校正のために,火星科学研究所が行った既存手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-12-03T02:23:48Z)

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。