論文の概要: Stochastic uncertainty analysis of gravity gradient tensor components and their combinations

• arxiv url: http://arxiv.org/abs/2205.09159v1
• Date: Wed, 18 May 2022 18:20:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-20 14:37:47.300817
• Title: Stochastic uncertainty analysis of gravity gradient tensor components and their combinations
• Title（参考訳）: 重力勾配テンソル成分とその組合せの確率的不確かさ解析
• Authors: Pejman Shamsipour, Amin Aghaee, Tedd Kourkounakis, Shawn Hood
• Abstract要約: 重力勾配テンソル成分とその組み合わせの不確かさを評価するために重力インバージョンを適用することを提案する。 コクリング分散は重力勾配テンソル成分の識別に有用な指標であることがわかった。 このアプローチは、New Foundデータセットに適用され、実世界のアプリケーションでその効果を実証する。
• 参考スコア（独自算出の注目度）: 1.2234742322758418
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Full tensor gravity (FTG) devices provide up to five independent components of the gravity gradient tensor. However, we do not yet have a quantitative understanding of which tensor components or combinations of components are more important to recover a subsurface density model by gravity inversion. This is mainly because different components may be more appropriate in different scenarios or purposes. Knowledge of these components in different environments can aid with selection of optimal selection of component combinations. In this work, we propose to apply stochastic inversion to assess the uncertainty of gravity gradient tensor components and their combinations. The method is therefore a quantitative approach. The applied method here is based on the geostatistical inversion (Gaussian process regression) concept using cokriging. The cokriging variances (variance function of the GP) are found to be a useful indicator for distinguishing the gravity gradient tensor components. This approach is applied to the New Found dataset to demonstrate its effectiveness in real-world applications.
• Abstract（参考訳）: フルテンソル重力(FTG)装置は、重力勾配テンソルの最大5つの独立した成分を提供する。 しかし, 重力逆転による地下密度モデル回復において, テンソル成分や成分の組み合わせがより重要であるという定量的理解は未だ得られていない。 これは主に異なるコンポーネントが異なるシナリオや目的に適している可能性があるためである。 異なる環境におけるこれらのコンポーネントの知識は、コンポーネントの組み合わせの最適な選択を選択するのに役立つ。 本研究では,重力勾配テンソル成分とその組み合わせの不確かさを評価するために確率的逆解析を適用することを提案する。 したがって、この方法は定量的なアプローチである。 ここでの適用方法は、コクリギングを用いた測地反転(ガウス過程回帰)の概念に基づいている。 コクリグ分散(gpの分散関数)は、重力勾配テンソル成分の識別に有用な指標である。 このアプローチはNew Foundデータセットに適用され、実世界のアプリケーションでその効果を実証する。

関連論文リスト

• Tensor cumulants for statistical inference on invariant distributions [49.80012009682584]
  我々は,PCAが信号の大きさの臨界値で計算的に困難になることを示す。 我々は、与えられた次数の不変量に対して明示的でほぼ直交的な基底を与える新しい対象の集合を定義する。 また、異なるアンサンブルを区別する新しい問題も分析できます。
  論文  参考訳（メタデータ） (2024-04-29T14:33:24Z)
• Geo-Localization Based on Dynamically Weighted Factor-Graph [74.75763142610717]
  特徴に基づくジオローカライゼーションは、航空画像から抽出された特徴と車両のセンサーによって検出された特徴とを関連付けることに依存する。 これにより、ランドマークの種類は両方のソースから観測できなければならない。 車両軌道推定のための動的重み付き因子グラフモデルを提案する。
  論文  参考訳（メタデータ） (2023-11-13T12:44:14Z)
• Quantized Sparse Weight Decomposition for Neural Network Compression [12.24566619983231]
  このアプローチは,重み付きSVD,ベクトル量子化,スパースPCAの統一であると考えられる。 本手法は,ベクトル量子化法や極端圧縮法とは異なり,中等度圧縮法にも適用可能である。
  論文  参考訳（メタデータ） (2022-07-22T12:40:03Z)
• Equivariant vector field network for many-body system modeling [65.22203086172019]
  Equivariant Vector Field Network (EVFN) は、新しい同変層と関連するスカラー化およびベクトル化層に基づいて構築されている。 シミュレーションされたニュートン力学系の軌跡を全観測データと部分観測データで予測する手法について検討した。
  論文  参考訳（メタデータ） (2021-10-26T14:26:25Z)
• Nonparametric Sparse Tensor Factorization with Hierarchical Gamma Processes [16.79618682556073]
  疎観測テンソルに対する非パラメトリック分解法を提案する。 階層的ガンマ過程とポアソンランダム測度を用いてテンソル値のプロセスを構築する。 効率的な推論のために、有限標本分割、密度変換、ランダム特徴量に対するディリクレ過程特性を用いる。
  論文  参考訳（メタデータ） (2021-10-19T16:17:26Z)
• Tensor Full Feature Measure and Its Nonconvex Relaxation Applications to Tensor Recovery [1.8899300124593645]
  完全特徴量(FFM)と呼ばれる新しいテンソル間隔尺度を提案する。 これは各次元の特徴次元を同時に記述することができ、タッカーランクとテンソルチューブランクを結びつけることができる。 FFMに基づく2つの効率的なモデルを提案し、提案モデルを解決するために2つの代替乗算器法(ADMM)アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-09-25T01:44:34Z)
• MTC: Multiresolution Tensor Completion from Partial and Coarse Observations [49.931849672492305]
  既存の完備化の定式化は、主に1つのテンソルからの部分的な観測に依存する。 この問題を解決するために,効率的なマルチレゾリューション・コンプリート・モデル(MTC)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T02:20:03Z)
• Why Approximate Matrix Square Root Outperforms Accurate SVD in Global Covariance Pooling? [59.820507600960745]
  本稿では,前方通過のSVDと後方伝播のPad'e近似を用いて勾配を計算する新しいGCPメタ層を提案する。 提案するメタレイヤは,さまざまなCNNモデルに統合され,大規模および微細なデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-05-06T08:03:45Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)
• Robust Tensor Principal Component Analysis: Exact Recovery via Deterministic Model [5.414544833902815]
  本稿では,ロバストテンソル主成分分析法(RTPCA)を提案する。 これは最近開発されたテンソルテンソル積とテンソル特異値分解(t-SVD)に基づいている。
  論文  参考訳（メタデータ） (2020-08-05T16:26:10Z)

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。