論文の概要: Time-series image denoising of pressure-sensitive paint data by
projected multivariate singular spectrum analysis
- arxiv url: http://arxiv.org/abs/2203.07574v1
- Date: Tue, 15 Mar 2022 00:49:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-17 09:56:05.412914
- Title: Time-series image denoising of pressure-sensitive paint data by
projected multivariate singular spectrum analysis
- Title（参考訳）: 多変量特異スペクトル解析による感圧塗料データの時系列画像推定
- Authors: Yuya Ohmichi, Kohmi Takahashi, Kazuyuki Nakakita
- Abstract要約: 非定常感圧塗料(PSP)測定データのような時系列データは、かなりの量のランダムノイズを含む可能性がある。
本研究では,多変量特異スペクトル解析(MSSA)と低次元データ表現を組み合わせたノイズ低減手法について検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Time-series data, such as unsteady pressure-sensitive paint (PSP) measurement
data, may contain a significant amount of random noise. Thus, in this study, we
investigated a noise-reduction method that combines multivariate singular
spectrum analysis (MSSA) with low-dimensional data representation. MSSA is a
state-space reconstruction technique that utilizes time-delay embedding, and
the low-dimensional representation is achieved by projecting data onto the
singular value decomposition (SVD) basis. The noise-reduction performance of
the proposed method for unsteady PSP data, i.e., the projected MSSA, is
compared with that of the truncated SVD method, one of the most employed
noise-reduction methods. The result shows that the projected MSSA exhibits
better performance in reducing random noise than the truncated SVD method.
Additionally, in contrast to that of the truncated SVD method, the performance
of the projected MSSA is less sensitive to the truncation rank. Furthermore,
the projected MSSA achieves denoising effectively by extracting smooth
trajectories in a state space from noisy input data. Expectedly, the projected
MSSA will be effective for reducing random noise in not only PSP measurement
data, but also various high-dimensional time-series data.
- Abstract（参考訳）: 非定常感圧塗料(PSP)測定データのような時系列データは、かなりの量のランダムノイズを含む可能性がある。
そこで本研究では,多変量特異スペクトル解析(MSSA)と低次元データ表現を組み合わせたノイズ低減手法について検討した。
MSSAは時間遅延埋め込みを利用した状態空間再構築技術であり、データを特異値分解(SVD)ベースに投影することで低次元表現を実現する。
提案手法が提案する非定常PSPデータ,すなわち投影されたMSSAの雑音低減性能は,最もよく用いられる雑音低減手法であるトラッピングSVD法と比較される。
その結果, 予測MSSAは, 乱れSVD法よりもランダムノイズの低減性能が高いことがわかった。
また, トラニケートされたSVD法とは対照的に, 投影されたMSSAの性能はトラニケートランクに敏感ではない。
さらに、投影されたMSSAは、ノイズ入力データから状態空間内の滑らかな軌跡を抽出することにより、効果的に復調する。
予測されたMSSAは、PSP測定データだけでなく、様々な高次元時系列データにおいても、ランダムノイズの低減に有効である。
関連論文リスト
- Denoising-Aware Contrastive Learning for Noisy Time Series [35.97130925600067]
時系列自己教師型学習(SSL)は、ラベルへの依存を軽減するために事前トレーニングのためにラベル付きデータを活用することを目的としている。
本稿では,表現中の雑音を軽減し,各サンプルに対して適切な復調法を自動選択するDenoising-Aware contrastive Learning (DECL)を提案する。
論文 参考訳（メタデータ） (2024-06-07T04:27:32Z) - Noise-Free Score Distillation [78.79226724549456]
ノイズフリースコア蒸留(NFSD)プロセスは、オリジナルのSDSフレームワークに最小限の変更を必要とする。
我々は,CFG尺度を用いて,事前学習したテキスト・画像拡散モデルのより効果的な蒸留を行う。
論文 参考訳（メタデータ） (2023-10-26T17:12:26Z) - Realistic Noise Synthesis with Diffusion Models [68.48859665320828]
Deep Image Denoisingモデルは、しばしば高品質なパフォーマンスのために大量のトレーニングデータに依存します。
本稿では,拡散モデル,すなわちRealistic Noise Synthesize Diffusor(RNSD)を用いて現実的な雑音を合成する新しい手法を提案する。
RNSDは、より現実的なノイズや空間的相関を複数の周波数で生成できるような、ガイド付きマルチスケールコンテンツを組み込むことができる。
論文 参考訳（メタデータ） (2023-05-23T12:56:01Z) - Representing Noisy Image Without Denoising [91.73819173191076]
ラドン空間におけるフラクショナルオーダーモーメント(FMR)は、ノイズの多い画像から直接ロバストな表現を引き出すように設計されている。
従来の整数順序法とは異なり、我々の研究は特別な場合のような古典的手法を取り入れたより汎用的な設計である。
論文 参考訳（メタデータ） (2023-01-18T10:13:29Z) - Improving the Robustness of Summarization Models by Detecting and
Removing Input Noise [50.27105057899601]
本研究では,様々な種類の入力ノイズから,様々なデータセットやモデルサイズに対する性能損失を定量化する大規模な実験的検討を行った。
本稿では,モデル推論中の入力中のそのようなノイズを検出し,除去するための軽量な手法を提案する。
論文 参考訳（メタデータ） (2022-12-20T00:33:11Z) - FastHyMix: Fast and Parameter-free Hyperspectral Image Mixed Noise
Removal [20.043152870504738]
本稿では,高速かつパラメータフリーなハイパースペクトル画像混合ノイズ除去法(FastHyMix)を提案する。
これは、スペクトル領域における低ランク性と空間領域における高相関性という、ハイパースペクトルデータの2つの主要な特徴を利用する。
提案手法は,サブスペース表現とHSIの相関を利用して,より強力な深度画像を追加することで低ランク化を実現する。
論文 参考訳（メタデータ） (2021-09-18T08:35:45Z) - Deep learning-based statistical noise reduction for multidimensional
spectral data [3.0396858935319724]
我々は,ディープラーニングを制約を克服するインテリジェントな方法として活用する認知的手法を実証する。
我々は,2桁の取得時間で取得したデータに対して,デノナイジングニューラルネットワークによって同様の2次微分および線形状解析を行うことができることを示した。
論文 参考訳（メタデータ） (2021-07-02T05:37:16Z) - LAAT: Locally Aligned Ant Technique for discovering multiple faint low
dimensional structures of varying density [0.0]
多様体学習では、密度がノイズによって示されるものよりもかなり高い場合、背景雑音や構造に近いノイズを除去する解がいくつか示されている。
本稿では,Antコロニー最適化のアイデアに基づいて,雑音の存在下で多様体点を抽出する新しい手法を提案する。
既存のランダムウォーク解とは対照的に、我々の手法は多様体の主方向と局所的に一致した点を捉える。
論文 参考訳（メタデータ） (2020-09-17T14:22:50Z) - NCVis: Noise Contrastive Approach for Scalable Visualization [79.44177623781043]
NCVisはノイズコントラスト推定の音響統計的基礎の上に構築された高性能次元減少法である。
NCVisは,他の手法の表現品質を保ちながら,速度の観点から最先端技術よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-01-30T15:43:50Z) - Improving a State-of-the-Art Heuristic for the Minimum Latency Problem
with Data Mining [69.00394670035747]
ハイブリッドメタヒューリスティックスは、オペレーション研究のトレンドとなっている。
成功例は、Greedy Randomized Adaptive Search Procedures (GRASP)とデータマイニング技術を組み合わせたものだ。
論文 参考訳（メタデータ） (2019-08-28T13:12:30Z)
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。