Fugu-MT 論文翻訳(概要): Optimization of Artificial Neural Networks models applied to the identification of images of asteroids' resonant arguments

論文の概要: Optimization of Artificial Neural Networks models applied to the identification of images of asteroids' resonant arguments

arxiv url: http://arxiv.org/abs/2207.14181v1
Date: Thu, 28 Jul 2022 15:46:39 GMT
ステータス: 処理完了
システム内更新日: 2022-07-29 13:01:50.027549
Title: Optimization of Artificial Neural Networks models applied to the identification of images of asteroids' resonant arguments
Title（参考訳）: 小惑星共鳴画像の同定に応用した人工ニューラルネットワークモデルの最適化
Authors: Valerio Carruba, Safwan Aljbaae, Gabriel Carit\'a, Rita Cassia Domingos, Bruno Martins
Abstract要約: 近年の研究では、畳み込みニューラルネットワーク(CNN)モデルを使用して、そのようなタスクを自動的に実行している。このようなモデルの結果を、VGG、Inception、ResNetなど、最も先進的で一般公開されているCNNアーキテクチャの結果と比較する。 VGGモデルは、正規化と非正規化により、大規模なデータセットのラベルを予測する最も効率的な方法であることが判明した。
参考スコア（独自算出の注目度）: 0.6449761153631166
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The asteroidal main belt is crossed by a web of mean-motion and secular resonances, that occur when there is a commensurability between fundamental frequencies of the asteroids and planets. Traditionally, these objects were identified by visual inspection of the time evolution of their resonant argument, which is a combination of orbital elements of the asteroid and the perturbing planet(s). Since the population of asteroids affected by these resonances is, in some cases, of the order of several thousand, this has become a taxing task for a human observer. Recent works used Convolutional Neural Networks (CNN) models to perform such task automatically. In this work, we compare the outcome of such models with those of some of the most advanced and publicly available CNN architectures, like the VGG, Inception and ResNet. The performance of such models is first tested and optimized for overfitting issues, using validation sets and a series of regularization techniques like data augmentation, dropout, and batch normalization. The three best-performing models were then used to predict the labels of larger testing databases containing thousands of images. The VGG model, with and without regularizations, proved to be the most efficient method to predict labels of large datasets. Since the Vera C. Rubin observatory is likely to discover up to four million new asteroids in the next few years, the use of these models might become quite valuable to identify populations of resonant minor bodies.
Abstract（参考訳）: 小惑星のメインベルトは平均運動と世俗共鳴の網で交差しており、小惑星の基本周波数と惑星の間に可測性があるときに発生する。伝統的に、これらの天体は、小惑星の軌道要素と摂動する惑星の組み合わせである共鳴論の時間発展を視覚的に観察することによって同定された。これらの共鳴によって影響を受ける小惑星の人口は、場合によっては数千のオーダーのものであるため、これは人間の観察者の課税課題となっている。近年の研究では、畳み込みニューラルネットワーク(CNN)モデルを使用して、そのようなタスクを自動的に実行している。本稿では,VGG,Inception,ResNetなど,最も先進的で一般公開されているCNNアーキテクチャの成果と比較する。このようなモデルのパフォーマンスは、最初にテストされ、検証セットとデータ拡張、ドロップアウト、バッチ正規化のような一連の正規化技術を使用して、問題オーバーフィットのために最適化される。 3つの最高のパフォーマンスモデルを使用して、数千の画像を含む大規模なテストデータベースのラベルを予測する。 VGGモデルは、正規化と非正規化により、大規模なデータセットのラベルを予測する最も効率的な方法であることが判明した。バーラ・C・ルービン天文台は、今後数年で400万個の新小惑星が発見される可能性が高いため、これらのモデルを使用することで、共鳴小天体の個体数を特定できる可能性がある。

関連論文リスト

Hazardous Asteroids Classification [0.30977113730786693]
このプロジェクトの目的は、マシンラーニングとディープラーニングを使用して、有害な小惑星を正確に分類することである。 5つの機械学習アルゴリズムと5つのディープラーニングモデルからなる計10の手法が訓練され、その問題を解決する適切なモデルを見つけるために評価される。
論文参考訳（メタデータ） (2024-09-03T10:37:24Z)
A machine learning and feature engineering approach for the prediction of the uncontrolled re-entry of space objects [1.0205541448656992]
低地球軌道(LEO)における未制御物体の再突入予測のための深層学習モデルの開発について述べる。このモデルはSequence-to-Sequenceアーキテクチャの修正版に基づいており、400体以上のTLE(Two-Line Element)データから得られた平均高度プロファイルに基づいて訓練されている。この研究の斬新さは、平均高度とともに、ドラッグライクな係数(B*)、平均太陽指数、物体の面積と質量比の3つの新しい入力特徴を含むディープラーニングモデルの導入である。
論文参考訳（メタデータ） (2023-03-17T13:53:59Z)
Online Evolutionary Neural Architecture Search for Multivariate Non-Stationary Time Series Forecasting [72.89994745876086]
本研究は、オンラインニューロ進化に基づくニューラルアーキテクチャサーチ(ONE-NAS)アルゴリズムを提案する。 ONE-NASは、オンライン予測タスクのためにリカレントニューラルネットワーク(RNN)を自動設計し、動的にトレーニングする新しいニューラルネットワーク探索手法である。その結果、ONE-NASは従来の統計時系列予測法よりも優れていた。
論文参考訳（メタデータ） (2023-02-20T22:25:47Z)
Towards Asteroid Detection in Microlensing Surveys with Deep Learning [0.0]
小惑星は、ほとんどの天文学的な調査では確認不可能な部分である。本稿ではMOAプロジェクトによって収集されたマイクロレンズデータから小惑星の回収と発見のための新しい深層学習ソリューションを提案する。
論文参考訳（メタデータ） (2022-11-04T03:16:23Z)
STAR: Sparse Transformer-based Action Recognition [61.490243467748314]
本研究は,空間的次元と時間的次元に細かな注意を払っている新しいスケルトンに基づく人間行動認識モデルを提案する。実験により、トレーニング可能なパラメータをはるかに少なくし、トレーニングや推論の高速化を図りながら、モデルが同等のパフォーマンスを達成できることが示されている。
論文参考訳（メタデータ） (2021-07-15T02:53:11Z)
Contemplating real-world object classification [53.10151901863263]
Barbuらが最近提案したObjectNetデータセットを再分析した。日常の状況に物を含むこと。分離されたオブジェクトにディープモデルを適用すると、元の論文のようにシーン全体ではなく、約20～30%の性能改善が得られます。
論文参考訳（メタデータ） (2021-03-08T23:29:59Z)
TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。与えられたデータの次元変化に不変な手法を提案する。
論文参考訳（メタデータ） (2021-02-25T14:24:49Z)
A Two-Stage Deep Learning Detection Classifier for the ATLAS Asteroid Survey [0.0]
太陽系の天体を光学的・電子的アーティファクトから分離する2段階ニューラルネットワークモデルを提案する。このモデルは、ATLASデータ中の実際の小惑星の99.6%の精度で0.4%の偽陰率を示す。
論文参考訳（メタデータ） (2021-01-22T01:35:08Z)
NVAE-GAN Based Approach for Unsupervised Time Series Anomaly Detection [19.726089445453734]
時系列異常検出は、多くの業界で一般的だが難しい課題である。実世界から収集されたノイズデータから,時系列の異常を高精度に検出することは困難である。我々は異常検出モデルを提案する:時系列から画像VAE (T2IVAE)
論文参考訳（メタデータ） (2021-01-08T08:35:15Z)
TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks [73.01104041298031]
TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
論文参考訳（メタデータ） (2020-09-16T15:52:04Z)
A Multi-Channel Neural Graphical Event Model with Negative Evidence [76.51278722190607]
イベントデータセットは、タイムライン上で不規則に発生するさまざまなタイプのイベントのシーケンスである。基礎となる強度関数を推定するために,非パラメトリックディープニューラルネットワーク手法を提案する。
論文参考訳（メタデータ） (2020-02-21T23:10:50Z)

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。