論文の概要: Edge Detection and Deep Learning Based SETI Signal Classification Method

• arxiv url: http://arxiv.org/abs/2203.15229v1
• Date: Tue, 29 Mar 2022 04:31:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-30 17:11:32.214367
• Title: Edge Detection and Deep Learning Based SETI Signal Classification Method
• Title（参考訳）: エッジ検出と深層学習に基づくSETI信号分類法
• Authors: Zhewei Chen, Sami Ahmed Haider
• Abstract要約: バークレーSETI研究センターの科学者が地球外知的生命体(SETI)を探索中 無線信号をフーリエ変換によりスペクトルに変換し、2次元時間周波数スペクトルで表される信号を分類する。 本稿では,背景雑音がスペクトル分類の精度に与える影響を考察し,新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scientists at the Berkeley SETI Research Center are Searching for Extraterrestrial Intelligence (SETI) by a new signal detection method that converts radio signals into spectrograms through Fourier transforms and classifies signals represented by two-dimensional time-frequency spectrums, which successfully converts a signal classification problem into an image classification task. In view of the negative impact of background noises on the accuracy of spectrograms classification, a new method is introduced in this paper. After Gaussian convolution smoothing the signals, edge detection functions are applied to detect the edge of the signals and enhance the outline of the signals, then the processed spectrograms are used to train the deep neural network to compare the classification accuracy of various image classification networks. The results show that the proposed method can effectively improve the classification accuracy of SETI spectrums.
• Abstract（参考訳）: バークレーSETI研究センターの科学者は、電波信号をフーリエ変換を通じて分光器に変換し、2次元の時間周波数スペクトルで表される信号を分類し、信号分類問題を画像分類タスクに変換する新しい信号検出方法により、地球外知能探索を行っている。 本稿では,背景雑音がスペクトログラム分類の精度に与える影響について考察し,新しい手法を提案する。 ガウス畳み込みが信号を平滑化した後、エッジ検出関数を適用して信号のエッジを検出し、信号の輪郭を強化し、処理されたスペクトログラムを用いてディープニューラルネットワークを訓練し、様々な画像分類ネットワークの分類精度を比較する。 提案手法はSETIスペクトルの分類精度を効果的に向上できることを示す。

関連論文リスト

• Improving Robustness of Spectrogram Classifiers with Neural Stochastic Differential Equations [4.259762400898358]
  スペクトログラムに適用されたコンピュータビジョンに基づくディープラーニングモデルは、信号の分類と検出の分野で有用であることが証明されている。 これらの方法は、非ビジョン信号処理タスクに固有の低信号対雑音比を扱うように設計されていない。
  論文  参考訳（メタデータ） (2024-09-03T02:03:50Z)
• ECG classification using Deep CNN and Gramian Angular Field [2.685668802278155]
  提案手法は,グラム角場変換を用いた時間周波数1Dベクトルを2次元画像に変換することに基づく。 その結果,異常検出では97.47%,98.65%の分類精度が得られた。 これは、心血管疾患の診断と治療、および異常の検出に重要な意味を持つ。
  論文  参考訳（メタデータ） (2023-07-25T13:26:52Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Classification of Intra-Pulse Modulation of Radar Signals by Feature Fusion Based Convolutional Neural Networks [5.199765487172328]
  本研究では、パルス内変調型レーダ信号を自動的に認識するディープラーニングに基づく新しい手法を提案する。 提案するFF-CNN技術は,現在の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） (2022-05-19T20:18:17Z)
• Learning Hierarchical Graph Representation for Image Manipulation Detection [50.04902159383709]
  画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。 最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。 本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
  論文  参考訳（メタデータ） (2022-01-15T01:54:25Z)
• An Adaptive Sampling and Edge Detection Approach for Encoding Static Images for Spiking Neural Networks [0.2519906683279152]
  スパイキングニューラルネットワーク(SNN)は、人工ニューラルネットワークの第3世代と考えられている。 本稿では,エッジ検出と適応信号サンプリング手法を用いて,静的画像を時間的スパイク列車に符号化する方法を提案する。
  論文  参考訳（メタデータ） (2021-10-19T19:31:52Z)
• SpectralFormer: Rethinking Hyperspectral Image Classification with Transformers [91.09957836250209]
  ハイパースペクトル(HS)画像は、ほぼ連続したスペクトル情報によって特徴づけられる。 CNNは、HS画像分類において強力な特徴抽出器であることが証明されている。 我々は、HS画像分類のためのulSpectralFormerと呼ばれる新しいバックボーンネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-07T02:59:21Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain [88.7339322596758]
  本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。 SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
  論文  参考訳（メタデータ） (2021-03-02T16:45:08Z)
• Offline detection of change-points in the mean for stationary graph signals [55.98760097296213]
  グラフ信号定常性の概念に依存するオフライン手法を提案する。 我々の検出器は、漸近的でない不等式オラクルの証拠を伴っている。
  論文  参考訳（メタデータ） (2020-06-18T15:51:38Z)
• Spectrum Sensing and Signal Identification with Deep Learning based on Spectral Correlation Function [2.6626788331762867]
  スペクトル相関関数を用いた畳み込みニューラルネットワーク(CNN)モデルを提案する。 提案手法は,事前情報のない無線信号を分類し,CASE1とCASE2という2つの異なる設定で実装する。 この実装はセルシグナルを超越したものの、提案手法はサイクロ定常特性を示す任意の信号の検出と分類にまで拡張することができる。
  論文  参考訳（メタデータ） (2020-03-17T06:56:26Z)

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。