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

• CAP: Data Contamination Detection via Consistency Amplification [20.135264289668463]
  大規模言語モデル(LLM)は広く使われているが、データの汚染に関する懸念は信頼性に疑問を呈している。 本稿では,データセットの漏洩量を測定するためのPCR(Performance Consistency Ratio)を導入した新しいフレームワークである Consistency Amplification-based Data Contamination Detection (CAP)を提案する。 CAPは様々なベンチマークに適用でき、ホワイトボックスモデルとブラックボックスモデルの両方で動作する。
  論文  参考訳（メタデータ） (2024-10-19T06:33:33Z)
• Assessment of Spectral based Solutions for the Detection of Floating Marine Debris [2.3558144417896587]
  近年,MARIDA (Marine Debris Archive) が,マリンプラスチックデブリ検出のための機械学習(ML)アルゴリズムの開発と評価のための標準データセットとしてリリースされた。 そこで本研究では,MARIDAデータセットの性能評価により,スペクトルベースソリューションの評価を提案する。
  論文  参考訳（メタデータ） (2024-08-19T17:47:22Z)
• Anomaly Detection of Tabular Data Using LLMs [54.470648484612866]
  我々は,事前訓練された大規模言語モデル (LLM) がゼロショットバッチレベルの異常検出器であることを示す。 本稿では,実異常検出におけるLCMの潜在性を明らかにするために,エンドツーエンドの微調整手法を提案する。
  論文  参考訳（メタデータ） (2024-06-24T04:17:03Z)
• 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)
• 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)
• 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。