論文の概要: Approximate Bayesian Neural Doppler Imaging
- arxiv url: http://arxiv.org/abs/2108.09266v1
- Date: Fri, 20 Aug 2021 17:01:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-23 15:34:54.783666
- Title: Approximate Bayesian Neural Doppler Imaging
- Title（参考訳）: 近似ベイズ型ニューラルドプライメージング
- Authors: A. Asensio Ramos, C. Diaz Baso, O. Kochukhov
- Abstract要約: 回転する活動星の非均一表面温度分布はドップラーイメージング法で定期的にマッピングされる。
表面の不均一性は、高分解能の分光観測において、可視半球上の位置に応じて波長が変化する特徴を生じる。
我々は、任意の回転位相でサンプリングされたスペクトル範囲の分光観測において、高次元後部分布を近似するモデルを作成するために、アモルト化ニューラル後部推定を用いる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The non-uniform surface temperature distribution of rotating active stars is
routinely mapped with the Doppler Imaging technique. Inhomogeneities in the
surface produce features in high-resolution spectroscopic observations that
shift in wavelength depending on their position on the visible hemisphere. The
inversion problem has been systematically solved using maximum a-posteriori
regularized methods assuming smoothness or maximum entropy. Our aim in this
work is to solve the full Bayesian inference problem, by providing access to
the posterior distribution of the surface temperature in the star. We use
amortized neural posterior estimation to produce a model that approximates the
high-dimensional posterior distribution for spectroscopic observations of
selected spectral ranges sampled at arbitrary rotation phases. The posterior
distribution is approximated with conditional normalizing flows, which are
flexible, tractable and easy to sample approximations to arbitrary
distributions. When conditioned on the spectroscopic observations, they provide
a very efficient way of obtaining samples from the posterior distribution. The
conditioning on observations is obtained through the use of Transformer
encoders, which can deal with arbitrary wavelength sampling and rotation
phases. Our model can produce thousands of posterior samples per second. Our
validation of the model for very high signal-to-noise observations shows that
it correctly approximates the posterior, although with some overestimation of
the broadening. We apply the model to the moderately fast rotator II Peg,
producing the first Bayesian map of its temperature inhomogenities. We conclude
that conditional normalizing flows are a very promising tool to carry out
approximate Bayesian inference in more complex problems in stellar physics,
like constraining the magnetic properties.
- Abstract（参考訳）: 回転する活動星の表面温度分布は、ドップラーイメージング法で定期的にマッピングされる。
表面の不均一性は、可視半球の位置によって波長が変化する高分解能分光観測の特徴を生んでいる。
インバージョン問題は、滑らかさや最大エントロピーを仮定した最大アポテリオ正規化法を用いて体系的に解決されている。
本研究の目的は、恒星の表面温度の後方分布へのアクセスを提供することにより、ベイズ推理問題を完全に解決することである。
任意の回転位相でサンプリングされたスペクトル範囲の分光観測のために,高次元の後方分布を近似するモデルを作成するために,amortized neural posterior estimationを用いた。
後部分布は条件正規化フローと近似され、任意の分布への近似の標本化が容易で柔軟である。
分光観測を条件にすると、後方分布から試料を得るのに非常に効率的な方法が得られる。
観測の条件付けは、任意の波長サンプリングと回転位相を扱えるトランスフォーマーエンコーダを用いて得られる。
私たちのモデルは毎秒何千もの後方サンプルを生成できる。
非常に高い信号と雑音の観測のためのモデルの検証は,拡張度を過大評価しながらも,後部を正確に近似していることを示す。
このモデルを適度に速い回転子 ii の peg に適用し、温度不均質性の最初のベイズ写像を生成する。
条件付き正規化フローは、磁気特性の制約など、恒星物理学におけるより複雑な問題において近似ベイズ推論を実行するための非常に有望なツールである。
関連論文リスト
- von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
円値ランダム関数上の表現的および解釈可能な分布の族を探索する。
結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。
後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
論文 参考訳（メタデータ） (2024-06-19T01:57:21Z) - Hierarchic Flows to Estimate and Sample High-dimensional Probabilities [8.548100130679614]
エネルギーと密度をまたいだロバストなマルチスケール近似を持つ低次元モデルを導入する。
本研究では,これらのウェーブレットモデルを用いて乱流の2次元渦場と暗黒物質の画像を生成する。
論文 参考訳（メタデータ） (2024-05-06T13:44:51Z) - Boosting Diffusion Models with Moving Average Sampling in Frequency Domain [101.43824674873508]
拡散モデルは、現在のサンプルに頼って次のサンプルをノイズ化し、おそらく不安定化を引き起こす。
本稿では,反復的復調過程をモデル最適化として再解釈し,移動平均機構を利用して全ての先行サンプルをアンサンブルする。
周波数領域における平均サンプリング(MASF)の動作」という完全なアプローチを命名する。
論文 参考訳（メタデータ） (2024-03-26T16:57:55Z) - Mean-Field Microcanonical Gradient Descent [0.09558392439655014]
マイクロカノニカル勾配降下はエネルギーモデルのためのサンプリング手順である。
我々は、不必要な量のエントロピーを失うことによって、しばしば過度に適合することを示す。
弱結合した複数のデータポイントを同時にサンプリングする平均場マイクロカノニカル勾配勾配について提案する。
論文 参考訳（メタデータ） (2024-03-13T09:22:30Z) - Noise-Free Sampling Algorithms via Regularized Wasserstein Proximals [3.4240632942024685]
ポテンシャル関数が支配する分布からサンプリングする問題を考察する。
本研究は, 決定論的な楽譜に基づくMCMC法を提案し, 粒子に対する決定論的進化をもたらす。
論文 参考訳（メタデータ） (2023-08-28T23:51:33Z) - Posterior samples of source galaxies in strong gravitational lenses with
score-based priors [107.52670032376555]
我々はスコアベースモデルを用いて、背景銀河の歪みのない画像の事前推定を符号化する。
アウト・オブ・ディストリビューション・データを用いた実験において、可能性と事前のバランスが、我々の期待にどのように合致しているかを示す。
論文 参考訳（メタデータ） (2022-11-07T19:00:42Z) - Chilled Sampling for Uncertainty Quantification: A Motivation From A
Meteorological Inverse Problem [1.688134675717698]
勾配に基づくマルコフ連鎖モンテカルロアルゴリズムを用いて(予測)推定誤差の評価を行った。
主な貢献は、点推定の近傍における後部分布の局所的な近似をサンプリングする「ここでの冷却」と呼ばれる一般的な戦略を提案することである。
論文 参考訳（メタデータ） (2022-07-07T09:23:03Z) - Reconstructing the Universe with Variational self-Boosted Sampling [7.922637707393503]
ハミルトニアン・モンテカルロ (HMC) のような伝統的なアルゴリズムは、相関サンプルを生成するために計算的に非効率である。
本稿では,両アルゴリズムの欠点を軽減するために,変分自己ブーストサンプリング(VBS)と呼ばれるハイブリッド方式を開発する。
VBSは、単純なVIアプローチよりも優れた品質のサンプルを生成し、HMCのみを用いてサンプリングフェーズの相関長を10～50倍に削減する。
論文 参考訳（メタデータ） (2022-06-28T21:30:32Z) - Posterior temperature optimized Bayesian models for inverse problems in
medical imaging [59.82184400837329]
本研究は, 医用画像における逆問題に対する非教師的ベイズ的アプローチである。
最適化後温度が精度の向上と不確実性評価に繋がることを示す。
ソースコードは calibrated.com/Cardio-AI/mfvi-dip-mia で公開されています。
論文 参考訳（メタデータ） (2022-02-02T12:16:33Z) - Sensing Cox Processes via Posterior Sampling and Positive Bases [56.82162768921196]
本研究では,空間統計学から広く用いられている点過程の適応センシングについて検討する。
我々は、この強度関数を、特別に構築された正の基底で表される、歪んだガウス過程のサンプルとしてモデル化する。
我々の適応センシングアルゴリズムはランゲヴィン力学を用いており、後続サンプリング(textscCox-Thompson)と後続サンプリング(textscTop2)の原理に基づいている。
論文 参考訳（メタデータ） (2021-10-21T14:47:06Z) - Instance-Optimal Compressed Sensing via Posterior Sampling [101.43899352984774]
後部サンプリング推定器がほぼ最適回復保証を達成できることを示す。
本稿では,Langevin dynamics を用いた深部生成前駆体の後方サンプリング推定器を実装し,MAP よりも精度の高い推定値が得られることを実証的に見出した。
論文 参考訳（メタデータ） (2021-06-21T22:51:56Z)
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。