Fugu-MT 論文翻訳(概要): A Supervised Tensor Dimension Reduction-Based Prognostics Model for Applications with Incomplete Imaging Data

論文の概要: A Supervised Tensor Dimension Reduction-Based Prognostics Model for Applications with Incomplete Imaging Data

arxiv url: http://arxiv.org/abs/2207.11353v2
Date: Mon, 5 Jun 2023 01:29:22 GMT
ステータス: 処理完了
システム内更新日: 2023-06-07 05:03:43.739657
Title: A Supervised Tensor Dimension Reduction-Based Prognostics Model for Applications with Incomplete Imaging Data
Title（参考訳）: 不完全画像データ応用のためのテンソル次元減少に基づく予測モデル
Authors: Chengyu Zhou and Xiaolei Fang
Abstract要約: 本稿では,ほとんどの画像ベース予測モデルに対して2つの利点を有するテンソルデータに対する教師付き次元削減手法を提案する。 TTF(Time-to-failure)を用いて低次元特徴の抽出を監督し、抽出した特徴をその後の予後に対してより効果的にする。
参考スコア（独自算出の注目度）: 2.538209532048867
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper proposes a supervised dimension reduction methodology for tensor data which has two advantages over most image-based prognostic models. First, the model does not require tensor data to be complete which expands its application to incomplete data. Second, it utilizes time-to-failure (TTF) to supervise the extraction of low-dimensional features which makes the extracted features more effective for the subsequent prognostic. Besides, an optimization algorithm is proposed for parameter estimation and closed-form solutions are derived under certain distributions.
Abstract（参考訳）: 本稿では,画像に基づく予測モデルにおいて2つのアドバンテージを有するテンソルデータの教師付き次元縮小手法を提案する。第一に、このモデルは、アプリケーションを不完全なデータに拡張するテンソルデータを完結させる必要がない。第二に、TTF(Time-to-failure)を用いて低次元特徴の抽出を監督し、抽出した特徴をその後の予後に有効にする。さらに,パラメータ推定のための最適化アルゴリズムを提案し,特定の分布の下で閉形式解を導出する。

関連論文リスト

Dimension reduction via score ratio matching [0.9012198585960441]
スコアマッチングから派生したフレームワークを提案し、勾配を利用できない問題に勾配に基づく次元の減少を拡大する。提案手法は,低次元構造を有する問題に対して,標準的なスコアマッチングよりも優れていることを示す。
論文参考訳（メタデータ） (2024-10-25T22:21:03Z)
Exploiting Diffusion Prior for Generalizable Dense Prediction [85.4563592053464]
近年のテキスト・トゥ・イメージ(T2I)拡散モデルでは、既成の高密度予測器では予測できないことがある。我々は,事前学習したT2Iモデルを用いたパイプラインDMPを,高密度予測タスクの先駆けとして導入する。限られたドメインのトレーニングデータにもかかわらず、この手法は任意の画像に対して忠実に推定し、既存の最先端のアルゴリズムを超越する。
論文参考訳（メタデータ） (2023-11-30T18:59:44Z)
Fine-grained Retrieval Prompt Tuning [149.9071858259279]
微粒な検索プロンプトチューニングは, サンプルプロンプトと特徴適応の観点から, きめの細かい検索タスクを実行するために, 凍結した事前学習モデルを操る。学習可能なパラメータが少ないFRPTは、広く使われている3つの細粒度データセットの最先端性能を実現する。
論文参考訳（メタデータ） (2022-07-29T04:10:04Z)
Noisy Tensor Completion via Low-rank Tensor Ring [41.86521269183527]
テンソル完了は不完全なデータ解析の基本的なツールであり、その目標は部分的な観測から欠落するエントリを予測することである。既存の手法は、観測されたエントリがノイズフリーであるという明示的あるいは暗黙的な仮定をしばしば示し、欠落したエントリの正確な回復を理論的に保証する。本稿では,高次・高次観測の劣化処理における既存の作業の非効率性を補完する新しいノイズテンソル補完モデルを提案する。
論文参考訳（メタデータ） (2022-03-14T14:09:43Z)
Extension of Dynamic Mode Decomposition for dynamic systems with incomplete information based on t-model of optimal prediction [69.81996031777717]
動的モード分解は、動的データを研究するための非常に効率的な手法であることが証明された。このアプローチの適用は、利用可能なデータが不完全である場合に問題となる。本稿では,森-Zwanzig分解の1次近似を考察し,対応する最適化問題を記述し,勾配に基づく最適化法を用いて解く。
論文参考訳（メタデータ） (2022-02-23T11:23:59Z)
PCENet: High Dimensional Surrogate Modeling for Learning Uncertainty [15.781915567005251]
本稿では,表現学習と不確実性定量化のための新しい代理モデルを提案する。提案モデルでは、(潜在的に高次元の)データの次元的低減のためのニューラルネットワークアプローチと、データ分布を学習するための代理モデル手法を組み合わせる。我々のモデルは,データの表現を学習し,(a)高次元データシステムにおける不確実性を推定し,(c)出力分布の高次モーメントを一致させることができる。
論文参考訳（メタデータ） (2022-02-10T14:42:51Z)
A DCT-based Tensor Completion Approach for Recovering Color Images and Videos from Highly Undersampled Data [0.8399688944263843]
アンダーサンプルデータからカラー画像や映像を復元する新しいテンソル補完手法を提案する。カラー画像インペイントやビデオデータリカバリなどの数値実験により,提案手法は既存の多くのテンソル工法よりも優れた性能を示した。
論文参考訳（メタデータ） (2021-10-18T13:41:27Z)
A Bayesian Approach with Type-2 Student-tMembership Function for T-S Model Identification [47.25472624305589]
2型ファジィセットに基づくファジィック回帰クラスタリングは,非スパースデータに対して顕著な結果を示した。ファジック回帰モデルのための革新的アーキテクチャを示し、スパースデータモデリングのために設計された新しい学生分布に基づく会員関数を提案する。
論文参考訳（メタデータ） (2020-09-02T05:10:13Z)
Slice Sampling for General Completely Random Measures [74.24975039689893]
本稿では, 後続推定のためのマルコフ連鎖モンテカルロアルゴリズムについて, 補助スライス変数を用いてトランケーションレベルを適応的に設定する。提案アルゴリズムの有効性は、いくつかの一般的な非パラメトリックモデルで評価される。
論文参考訳（メタデータ） (2020-06-24T17:53:53Z)
Two-Dimensional Semi-Nonnegative Matrix Factorization for Clustering [50.43424130281065]
TS-NMFと呼ばれる2次元(2次元)データに対する新しい半負行列分解法を提案する。前処理ステップで2次元データをベクトルに変換することで、データの空間情報に深刻なダメージを与える既存の手法の欠点を克服する。
論文参考訳（メタデータ） (2020-05-19T05:54:14Z)

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。