Fugu-MT 論文翻訳(概要): Geomagnetic Survey Interpolation with the Machine Learning Approach

論文の概要: Geomagnetic Survey Interpolation with the Machine Learning Approach

arxiv url: http://arxiv.org/abs/2210.03379v1
Date: Fri, 7 Oct 2022 07:45:22 GMT
ステータス: 処理完了
システム内更新日: 2022-10-10 15:02:26.551148
Title: Geomagnetic Survey Interpolation with the Machine Learning Approach
Title（参考訳）: 機械学習による地磁気探査の補間
Authors: Igor Aleshin, Kirill Kholodkov, Ivan Malygin, Roman Shevchuk, Roman Sidorov
Abstract要約: この種のデータは一連の直線に沿ってサンプルの空間分布を持つ。この手法は非常に基本的なNearest Neighboursアルゴリズムに依存しているが、機械学習のアプローチで拡張されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper portrays the method of UAV magnetometry survey data interpolation. The method accommodates the fact that this kind of data has a spatial distribution of the samples along a series of straight lines (similar to maritime tacks), which is a prominent characteristic of many kinds of UAV surveys. The interpolation relies on the very basic Nearest Neighbours algorithm, although augmented with a Machine Learning approach. Such an approach enables the error of less than 5 percent by intelligently adjusting the Nearest Neighbour algorithm parameters. The method was pilot tested on geomagnetic data with Borok Geomagnetic Observatory UAV aeromagnetic survey data.
Abstract（参考訳）: 本稿では,UAV磁力測定データ補間法について述べる。この種のデータは一連の直線(海洋タックに似ている)に沿ってサンプルの空間分布を有しており、多くの種類のUAV調査で顕著な特徴である。補間は、機械学習アプローチで拡張されているものの、非常に基本的な近接アルゴリズムに依存している。このようなアプローチは、最近傍のアルゴリズムパラメータをインテリジェントに調整することで、5%未満の誤差を可能にする。この方法は、ボローク地磁気観測所UAVによる地磁気探査データを用いて、地磁気データで試験された。

関連論文リスト

Generalizable Indoor Human Activity Recognition Method Based on Micro-Doppler Corner Point Cloud and Dynamic Graph Learning [12.032590125621155]
マイクロドップラーシグネチャ抽出とインテリジェントな意思決定アルゴリズムを融合させることで、TWRによる人間の活動認識を実現することができる。本稿では,マイクロドップラー角点雲と動的グラフ学習に基づく,一般化可能な室内人間活動認識手法を提案する。
論文参考訳（メタデータ） (2024-10-10T02:24:07Z)
Resampling and averaging coordinates on data [1.660242118349614]
点雲上の固有座標を頑健に計算するアルゴリズムを導入する。候補座標の集合をクラスタリングし、位相データ解析から形状記述子を用いて代表埋め込みのサブセットを同定する。最終的な出力は、一般化されたProcrustes解析を用いて代表埋め込みの平均として得られる埋め込みである。
論文参考訳（メタデータ） (2024-08-02T16:37:33Z)
Boundary Detection Algorithm Inspired by Locally Linear Embedding [8.259071011958254]
本稿では,広く使用されている局所的線形埋め込みアルゴリズムにインスパイアされた境界点検出手法を提案する。本手法は,2つの近傍探索スキーム($epsilon$-radius ball scheme)と$K$-nearest neighbor scheme($K$-nearest neighbor scheme)を用いて実装する。
論文参考訳（メタデータ） (2024-06-26T16:05:57Z)
A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文参考訳（メタデータ） (2024-02-06T13:20:56Z)
Minimally Supervised Learning using Topological Projections in Self-Organizing Maps [55.31182147885694]
自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
論文参考訳（メタデータ） (2024-01-12T22:51:48Z)
Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文参考訳（メタデータ） (2024-01-12T14:56:45Z)
Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文参考訳（メタデータ） (2023-11-30T13:50:21Z)
Spectrum Surveying: Active Radio Map Estimation with Autonomous UAVs [15.452264020787593]
本稿では,無人航空機(UAV)のような移動体ロボットが,短時間で高品質な地図推定値を得るために,積極的に選択された一連の位置で測定値を収集したスペクトルサーベイを提案する。モデルに基づくオンラインベイズ推定器とデータ駆動型深層学習アルゴリズムの2つの新しいアルゴリズムを考案し,各地点における計測の有意性を示すマップ推定と不確実性指標を更新する。この問題の複雑さを克服するために,線形時間における大きな不確実性のある領域を通して経路点のリストを得る動的プログラミング手法を提案する。
論文参考訳（メタデータ） (2022-01-11T18:49:42Z)
Manifold learning with approximate nearest neighbors [1.8477401359673706]
多様体学習アルゴリズムでは近距離近傍の近似アルゴリズムを多用し,その埋め込み精度への影響を評価した。ベンチマークmnistデータセットに基づく徹底的な実証調査により,近似近辺の計算時間が大幅に改善されることが示されている。本アプリケーションは,提案手法を用いて異常を可視化し,同定し,高次元データ中の基盤構造を明らかにする方法を示す。
論文参考訳（メタデータ） (2021-02-22T12:04:23Z)
Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文参考訳（メタデータ） (2020-09-30T19:01:33Z)
Improved guarantees and a multiple-descent curve for Column Subset Selection and the Nystr\"om method [76.73096213472897]
我々は,データ行列のスペクトル特性を利用して近似保証を改良する手法を開発した。我々のアプローチは、特異値減衰の既知の速度を持つデータセットのバウンダリが大幅に向上する。 RBFパラメータを変更すれば,改良された境界線と多重発振曲線の両方を実データセット上で観測できることが示される。
論文参考訳（メタデータ） (2020-02-21T00:43:06Z)

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。