Fugu-MT 論文翻訳(概要): Comparison of LSTM autoencoder based deep learning enabled Bayesian inference using two time series reconstruction approaches

論文の概要: Comparison of LSTM autoencoder based deep learning enabled Bayesian inference using two time series reconstruction approaches

arxiv url: http://arxiv.org/abs/2203.01936v1
Date: Thu, 3 Mar 2022 07:42:25 GMT
ステータス: 処理完了
システム内更新日: 2022-03-08 05:18:46.349292
Title: Comparison of LSTM autoencoder based deep learning enabled Bayesian inference using two time series reconstruction approaches
Title（参考訳）: 2つの時系列再構成手法を用いたLSTMオートエンコーダを用いた深層学習型ベイズ推論の比較
Authors: Saumik Dana
Abstract要約: フレームワークの構築とテストには,ベイジアン推論とマルコフチェーンのモンテカルロ,LSTMオートエンコーダの形式でのディープラーニングを組み合わせています。本研究では,水注入問題による断層表面上の格子点の変位時系列を再構成する。次に、このLSTMオートエンコーダに基づくモデルをベイズ推論フレームワークの高忠実度モデルの代わりに展開し、変位入力からのインジェクション率を推定する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we use a combination of Bayesian inference, Markov chain Monte Carlo and deep learning in the form of LSTM autoencoders to build and test a framework to provide robust estimates of injection rate from ground surface data in coupled flow and geomechanics problems. We use LSTM autoencoders to reconstruct the displacement time series for grid points on the top surface of a faulting due to water injection problem. We then deploy this LSTM autoencoder based model instead of the high fidelity model in the Bayesian inference framework to estimate injection rate from displacement input.
Abstract（参考訳）: 本研究では,バイーシアン推論,マルコフ連鎖モンテカルロ,LSTMオートエンコーダの形での深層学習を組み合わせることで,連成流れや地力学問題における地表面データからの射出速度のロバストな推定を行う。 LSTMオートエンコーダを用いて,水注入問題による断層表面上の格子点の変位時系列を再構成する。次に、このLSTMオートエンコーダに基づくモデルをベイズ推論フレームワークの高忠実度モデルの代わりに展開し、変位入力から注入率を推定する。

関連論文リスト

KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文参考訳（メタデータ） (2024-07-18T05:48:24Z)
DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文参考訳（メタデータ） (2024-06-05T06:18:03Z)
Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文参考訳（メタデータ） (2023-08-31T05:05:53Z)
Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
論文参考訳（メタデータ） (2023-07-17T07:12:29Z)
Multi model LSTM architecture for Track Association based on Automatic Identification System Data [2.094022863940315]
トラックアソシエーションのためのLong Short-Term Memory (LSTM) ベースのマルチモデルフレームワークを提案する。我々は、精度、リコール、F1スコアなどの標準的なパフォーマンス指標を用いて、アプローチのパフォーマンスを評価する。
論文参考訳（メタデータ） (2023-04-04T03:11:49Z)
Building a Fuel Moisture Model for the Coupled Fire-Atmosphere Model WRF-SFIRE from Data: From Kalman Filters to Recurrent Neural Networks [0.0]
WRF-SFIREとそのワークフローシステムWRFxにおける現在の燃料水分量(FMC)サブシステムは、時間ラグ微分方程式モデルを用いている。モデルとカルマンフィルタからなるシステムにおけるデータフローは、リカレントニューラルネットワーク(RNN)におけるデータフローと同一であると解釈できる。標準AIアプローチは妥当な解に収束しなかったため、微分方程式の数値解法となるために考案された特殊初期重み付きRNNを事前訓練する。
論文参考訳（メタデータ） (2023-01-13T07:56:01Z)
LSTM-Autoencoder based Anomaly Detection for Indoor Air Quality Time Series Data [6.642599588462097]
室内空気質(IAQ)データの異常検出は、空気の質が人間の健康と健康と密接に関連しているため、研究の重要領域となっている。 IAQ領域における異常検出における従来の統計と機械学習に基づくアプローチは、複数のデータポイントにわたる相関の観測を含む異常を検出できなかった。本稿では,LSTMとオートエンコーダを組み合わせたハイブリッドディープラーニングモデルを提案する。
論文参考訳（メタデータ） (2022-04-14T01:57:46Z)
Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文参考訳（メタデータ） (2021-02-02T06:15:15Z)
Unbiased Gradient Estimation for Variational Auto-Encoders using Coupled Markov Chains [34.77971292478243]
変分オートエンコーダ(VAE)は、オートエンコーダのようなアーキテクチャで2つのニューラルネットワークを持つ、潜伏変数モデルである。ログ型勾配の偏りのない推定器を導入することにより,VAEのトレーニング手法を開発する。偏りのない推定器を装着したVAEは予測性能が向上することを示した。
論文参考訳（メタデータ） (2020-10-05T08:11:55Z)
Recent Developments Combining Ensemble Smoother and Deep Generative Networks for Facies History Matching [58.720142291102135]
本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
論文参考訳（メタデータ） (2020-05-08T21:32:42Z)

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。