論文の概要: Learning to Pre-process Laser Induced Breakdown Spectroscopy Signals
Without Clean Data
- arxiv url: http://arxiv.org/abs/2110.13748v1
- Date: Tue, 26 Oct 2021 14:58:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-27 17:51:56.815471
- Title: Learning to Pre-process Laser Induced Breakdown Spectroscopy Signals
Without Clean Data
- Title(参考訳): クリーンデータを用いない前処理レーザー誘起破壊分光信号の学習
- Authors: Juan Castorena and Diane Oyen
- Abstract要約: 本研究は, レーザー誘起分解分光法(LIBS)信号の浄化を, 悪質な生測値のみを用いて行うことができるかどうかを検証した。
火星探査機キュリオシティに搭載されたChemCamの実際のデータから、LIBS信号のクリーニングにおいて優れた性能を示す。
- 参考スコア(独自算出の注目度): 17.374044246874494
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work tests whether deep neural networks can clean laser induced
breakdown spectroscopy (LIBS) signals by using only uncleaned raw measurements.
Our view of this problem considers a disentanglement of the effects of the
target of interest from those of the nuisance factors (with non-zero mean) by
leveraging the vast amounts of redundancies in LIBS data and our proposed
learning formulation. This later aims at promoting consistency between repeated
measurement views of a target while simultaneously removing consistencies with
all other LIBS measurements taken throughout the history of the instrument.
Evaluations on real data from the ChemCam instrument onboard the Martian
Curiosity rover show a superior performance in cleaning LIBS signals compared
to the standard approaches being used by the ChemCam team.
- Abstract(参考訳): 本研究は, レーザー誘起分解分光法(LIBS)信号の浄化を, 悪質な生測値のみを用いて行うことができるかどうかを検証した。
この問題に対する我々の見解は、LIBSデータと提案した学習定式化の膨大な冗長性を活用することにより、興味の対象が(非ゼロ平均の)ニュアンス要因からの影響を逸脱することを考える。
これは、ターゲットの繰り返し測定ビュー間の一貫性を促進すると同時に、機器の歴史を通して取られた他のすべてのlibs測定とのコンピテンシーも同時に排除することを目的としている。
火星探査機キュリオシティに搭載されたChemCamの実際のデータによる評価は、ChemCamチームが使用している標準手法と比較して、LIBS信号のクリーニングにおいて優れた性能を示している。
関連論文リスト
- SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised
Learning for Robust Infrared Small Target Detection [53.19618419772467]
単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。
Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。
赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
論文 参考訳(メタデータ) (2024-03-08T16:14:54Z) - Inferring Atmospheric Properties of Exoplanets with Flow Matching and
Neural Importance Sampling [10.847353970405285]
大気の探査は、観測された光スペクトルから大気パラメータを推定することで外惑星を特徴づける。
ネストサンプリングのような従来の手法は計算コストが高く、機械学習(ML)に基づくソリューションへの関心を喚起する。
まず、新しいMLベースのAR手法として、フローマッチング後推定(FMPE)について検討し、その場合、神経後推定(NPE)よりも正確であることを示す。
次に、FMPEとNPEを併用して重要サンプリングを行い、どちらの手法も精度とシミュレーション効率においてネストサンプリングに優れることを示した。
論文 参考訳(メタデータ) (2023-12-13T17:12:03Z) - Mixed Pseudo Labels for Semi-Supervised Object Detection [27.735659283870646]
本稿では,擬似ラベルデータに対するMixupとMosaicを組み合わせたMixPLを提案する。
MixPLは、様々な検出器の性能を一貫して改善し、COCO-StandardおよびCOCO-Fullベンチマーク上で、より高速なR-CNN、FCOS、DINOによる新しい最先端結果を得る。
論文 参考訳(メタデータ) (2023-12-12T06:35:27Z) - Spectral Analysis of Marine Debris in Simulated and Observed
Sentinel-2/MSI Images using Unsupervised Classification [0.0]
本研究では,Sentinel-2ミッションのMultispectral Instrument(MSI)と機械学習アルゴリズムを組み合わせたRTMシミュレーションデータを用いた。
その結果, 汚染物質のスペクトル挙動は, ポリマーの種類や画素被覆率などの影響を受けていることがわかった。
これらの知見は、海洋プラスチック汚染を検知するためのリモートセンシングアプリケーションにおける将来の研究を導くことができる。
論文 参考訳(メタデータ) (2023-06-26T18:46:47Z) - Closing the loop: Autonomous experiments enabled by
machine-learning-based online data analysis in synchrotron beamline
environments [80.49514665620008]
機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。
本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。
本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
論文 参考訳(メタデータ) (2023-06-20T21:21:19Z) - Linking data separation, visual separation, and classifier performance
using pseudo-labeling by contrastive learning [125.99533416395765]
最終分類器の性能は、潜在空間に存在するデータ分離と、射影に存在する視覚的分離に依存すると論じる。
本研究は,ヒト腸管寄生虫の5つの現実的課題の画像データセットを1%の教師付きサンプルで分類し,その結果を実証する。
論文 参考訳(メタデータ) (2023-02-06T10:01:38Z) - Hyperspectral Remote Sensing Benchmark Database for Oil Spill Detection
with an Isolation Forest-Guided Unsupervised Detector [13.739881592455044]
近年、海洋石油流出事故が環境、天然資源、沿岸住民の生活に深刻な影響を与えているため、石油流出の検出が注目されている。
既存のアプローチのほとんどは、ハイパースペクトル画像(HSI)からのオイル流出を検出するための教師付きおよび半教師付きフレームワークに基づいている。
本研究では,HSIの孤立林を基盤とした非監督型油流出検出手法の開発を初めて試みる。
論文 参考訳(メタデータ) (2022-09-28T02:26:42Z) - Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with
impured training data [53.122045119395594]
トレーニングデータ中の不健康なサンプルが脳MRIスキャンの異常検出性能に与える影響について検討した。
AEの再構成誤差に基づいて,トレーニング中に誤ラベル付きサンプルを直接識別する手法の評価を行った。
論文 参考訳(メタデータ) (2022-04-12T13:05:18Z) - Learning Bayesian Sparse Networks with Full Experience Replay for
Continual Learning [54.7584721943286]
継続学習(CL)手法は、機械学習モデルが、以前にマスターされたタスクを壊滅的に忘れることなく、新しいタスクを学習できるようにすることを目的としている。
既存のCLアプローチは、しばしば、事前に確認されたサンプルのバッファを保持し、知識蒸留を行い、あるいはこの目標に向けて正規化技術を使用する。
我々は,現在および過去のタスクを任意の段階で学習するために,スパースニューロンのみを活性化し,選択することを提案する。
論文 参考訳(メタデータ) (2022-02-21T13:25:03Z) - 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) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳(メタデータ) (2020-09-29T21:17:16Z)
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。