論文の概要: Information Entropy Initialized Concrete Autoencoder for Optimal Sensor
Placement and Reconstruction of Geophysical Fields
- arxiv url: http://arxiv.org/abs/2206.13968v1
- Date: Tue, 28 Jun 2022 12:43:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-01 13:07:56.179045
- Title: Information Entropy Initialized Concrete Autoencoder for Optimal Sensor
Placement and Reconstruction of Geophysical Fields
- Title（参考訳）: 最適センサ配置のための情報エントロピー初期化コンクリートオートエンコーダと物理分野の再構築
- Authors: Nikita Turko, Alexander Lobashev, Konstantin Ushakov, Maxim Kaurkin,
Rashit Ibrayev
- Abstract要約: そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。
本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。
得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
- 参考スコア（独自算出の注目度）: 58.720142291102135
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a new approach to the optimal placement of sensors for the problem
of reconstructing geophysical fields from sparse measurements. Our method
consists of two stages. In the first stage, we estimate the variability of the
physical field as a function of spatial coordinates by approximating its
information entropy through the Conditional PixelCNN network. To calculate the
entropy, a new ordering of a two-dimensional data array (spiral ordering) is
proposed, which makes it possible to obtain the entropy of a physical field
simultaneously for several spatial scales. In the second stage, the entropy of
the physical field is used to initialize the distribution of optimal sensor
locations. This distribution is further optimized with the Concrete Autoencoder
architecture with the straight-through gradient estimator and adversarial loss
to simultaneously minimize the number of sensors and maximize reconstruction
accuracy. Our method scales linearly with data size, unlike commonly used
Principal Component Analysis. We demonstrate our method on the two examples:
(a) temperature and (b) salinity fields around the Barents Sea and the Svalbard
group of islands. For these examples, we compute the reconstruction error of
our method and a few baselines. We test our approach against two baselines (1)
PCA with QR factorization and (2) climatology. We find out that the obtained
optimal sensor locations have clear physical interpretation and correspond to
the boundaries between sea currents.
- Abstract（参考訳）: そこで本稿では,スパーク計測による地場再構成問題に対するセンサ配置の最適化手法を提案する。
我々の方法は2つの段階からなる。
第1段階では、条件付きPixelCNNネットワークを介して情報エントロピーを近似することにより、空間座標の関数として物理場の可変性を推定する。
エントロピーを計算するために,2次元データアレイ(スピラルオーダー)の新たな順序付けを提案し,複数の空間スケールで物理場のエントロピーを同時に得られるようにした。
第2段階では、物理場のエントロピーを用いて最適なセンサ位置の分布を初期化する。
この分布は、ストレートスルー勾配推定器と逆損失を伴うコンクリートオートエンコーダアーキテクチャによりさらに最適化され、センサ数を最小化し、再構成精度を最大化する。
一般的な主成分分析とは異なり,本手法はデータサイズと線形にスケールする。
以下の2つの例を例に示す。
(a)温度と
(b)バレンツ海及びスバルバード諸島群周辺の塩分田
これらの例では,提案手法の再構成誤差といくつかのベースラインを計算する。
QRファクター付きPCAと気候学の2つの基準線に対するアプローチを検証した。
得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
関連論文リスト
- A physics-driven sensor placement optimization methodology for temperature field reconstruction [9.976807723785006]
温度場再構成のための物理駆動型センサ配置最適化(PSPO)手法を提案する。
PSPO法はランダム選択法と均一選択法を大きく上回り、ほぼ一桁の精度で復元精度を向上させる。
論文 参考訳（メタデータ） (2024-09-27T03:26:38Z) - Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳（メタデータ） (2023-08-21T13:03:25Z) - Short and Straight: Geodesics on Differentiable Manifolds [6.85316573653194]
本研究では,測地線長を最小化するための既存の手法をまず解析する。
次に,連続多様体上の距離場と測地流のモデルに基づくパラメータ化を提案する。
第3に,Ricciスカラーのより大きい値を示す多様体の領域において,曲率に基づくトレーニング機構,サンプリングおよびスケーリングポイントを開発する。
論文 参考訳（メタデータ） (2023-05-24T15:09:41Z) - Efficient Sensor Placement from Regression with Sparse Gaussian Processes in Continuous and Discrete Spaces [3.729242965449096]
センサ配置問題は、相関現象を監視する際に発生する一般的な問題である。
本稿では,勾配降下法を用いて最適化可能な変分近似に基づくSP問題に対する新しい定式化を提案する。
論文 参考訳（メタデータ） (2023-02-28T19:10:12Z) - Combating Mode Collapse in GANs via Manifold Entropy Estimation [70.06639443446545]
Generative Adversarial Networks (GAN) は、様々なタスクやアプリケーションにおいて魅力的な結果を示している。
GANのモード崩壊問題に対処するための新しいトレーニングパイプラインを提案する。
論文 参考訳（メタデータ） (2022-08-25T12:33:31Z) - Super-resolution GANs of randomly-seeded fields [68.8204255655161]
ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。
このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。
提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
論文 参考訳（メタデータ） (2022-02-23T18:57:53Z) - Manifold learning-based polynomial chaos expansions for high-dimensional
surrogate models [0.0]
システム記述における不確実性定量化(UQ)のための多様体学習に基づく手法を提案する。
提案手法は高精度な近似を達成でき、UQタスクの大幅な高速化につながる。
論文 参考訳（メタデータ） (2021-07-21T00:24:15Z) - BikNN: Anomaly Estimation in Bilateral Domains with k-Nearest Neighbors [1.2183405753834562]
本論文では異常推定のための新しい枠組みを提案する。
空間領域と密度領域の両方における異常の程度を推定する。
本手法は,空間領域と密度領域の両方を考慮に入れ,数個のパラメータを手動で調整することで異なるデータセットに適用できる。
論文 参考訳（メタデータ） (2021-05-11T13:45:29Z) - Learning High Dimensional Wasserstein Geodesics [55.086626708837635]
高次元の2つの確率分布の間のワッサーシュタイン測地線を計算するための新しい定式化と学習戦略を提案する。
ラグランジュ乗算器の手法を最適輸送(OT)問題の動的定式化に適用することにより、サドル点がワッサーシュタイン測地線であるミニマックス問題を導出する。
次に、深層ニューラルネットワークによる関数のパラメータ化を行い、トレーニングのためのサンプルベースの双方向学習アルゴリズムを設計する。
論文 参考訳（メタデータ） (2021-02-05T04:25:28Z) - Attentive One-Dimensional Heatmap Regression for Facial Landmark
Detection and Tracking [73.35078496883125]
顔のランドマークの局所化のための新しい1次元熱マップ回帰法を提案する。
まず、x座標とy座標の辺分布を表すために、1次元熱マップの2つの群を予測する。
第2に、x と y 座標に存在する固有の空間パターンをモデル化するコアテンション機構が採用されている。
第3に、1次元熱マップ構造に基づいて、画像上のランドマーク検出のための空間パターンを検出する顔ランドマーク検出器を提案する。
論文 参考訳（メタデータ） (2020-04-05T06:51:22Z)
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。