論文の概要: Entropy Approximation by Machine Learning Regression: Application for Irregularity Evaluation of Images in Remote Sensing

• arxiv url: http://arxiv.org/abs/2210.06901v1
• Date: Thu, 13 Oct 2022 10:55:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-14 17:47:55.252547
• Title: Entropy Approximation by Machine Learning Regression: Application for Irregularity Evaluation of Images in Remote Sensing
• Title（参考訳）: 機械学習回帰によるエントロピー近似:リモートセンシングにおける画像の不規則性評価への応用
• Authors: Andrei Velichko, Maksim Belyaev, Matthias P. Wagner and Alireza Taravat
• Abstract要約: 機械学習(ML)回帰法による様々なタイプのエントロピーの近似を初めて示す。 2次元画像に対するSvdEn2D, PermEn2D, SampEn2Dの新しい計算法を検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Approximation of entropies of various types using machine learning (ML) regression methods is shown for the first time. The ML models presented in this study defines the complexity of short time series by approximating dissimilar entropy techniques such as Singular value decomposition entropy (SvdEn), Permutation entropy (PermEn), Sample entropy (SampEn) and Neural Network entropy (NNetEn) and their 2D analogies. A new method for calculating SvdEn2D, PermEn2D and SampEn2D for 2D images was tested using the technique of circular kernels. Training and test datasets on the basis of Sentinel-2 images are presented (2 train images and 198 test images). The results of entropy approximation are demonstrated using the example of calculating the 2D entropy of Sentinel-2 images and R2 metric evaluation. Applicability of the method for short time series with length from N = 5 to N = 113 elements is shown. A tendency for the R2 metric to decrease with an increase in the length of the time series was found. For SvdEn entropy, the regression accuracy is R2 > 0.99 for N = 5 and R2 > 0.82 for N = 113. The best metrics are observed for the ML_SvdEn2D and ML_NNetEn2D models. The results of the study can be used for fundamental research of entropy approximations of various types using ML regression, as well as for accelerating entropy calculations in remote sensing.
• Abstract（参考訳）: 機械学習(ml)回帰法を用いた様々な種類のエントロピーの近似を初めて示した。 本研究では,Singular value decomposition entropy (SvdEn), Permutation entropy (PermEn), Sample entropy (SampEn), Neural Network entropy (NNetEn)などの異種エントロピー手法とそれらの2次元アナログを近似することにより,時系列の複雑さを定義する。 2次元画像に対するSvdEn2D, PermEn2D, SampEn2Dの新たな計算法を円形カーネルの手法を用いて検証した。 Sentinel-2画像に基づくトレーニングとテストデータセット(2つの列車画像と198の試験画像)が提示される。 エントロピー近似の結果は、Sentinel-2画像の2次元エントロピー計算とR2メトリックス評価の例を用いて示されている。 n = 5 から n = 113 要素までの長さの短い時系列の方法の適用性を示す。 時系列の長さの増加に伴ってR2測定値が減少する傾向がみられた。 SvdEnエントロピーの場合、回帰精度は N = 5 に対して R2 > 0.99 であり、N = 113 に対して R2 > 0.82 である。 ML_SvdEn2DモデルとML_NNetEn2Dモデルで最高の測定値が観測される。 この研究結果は、ML回帰を用いた様々なタイプのエントロピー近似の基礎研究や、リモートセンシングにおけるエントロピー計算の高速化に利用することができる。

関連論文リスト

• Entanglement entropy dynamics of non-Gaussian states in free boson systems: random sampling approach [0.0]
  単純なランダムサンプリング法により、永久的な計算コストを削減できることを数値的に示す。 計算コストはまだ指数関数的であるが、この改良により、フリーボソン系のエントロピー力学を100ドル以上で得ることができる。
  論文  参考訳（メタデータ） (2024-11-15T10:04:42Z)
• Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
  近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。 本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
  論文  参考訳（メタデータ） (2024-04-29T15:04:07Z)
• R2D2 image reconstruction with model uncertainty quantification in radio astronomy [1.7249361224827533]
  Residual-to-Residual'(R2D2)アプローチは、天文学におけるRI(Radio-Interferometric)イメージングのために最近導入された。 R2D2の再構成は、ディープニューラルネットワーク(DNN)の出力として反復的に推定される一連の残像として形成される 本稿では,R2D2画像推定プロセスのロバスト性について,その一連の学習モデルに関連する不確実性について検討する。
  論文  参考訳（メタデータ） (2024-03-26T19:10:08Z)
• Assessing Neural Network Representations During Training Using Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
  ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。 データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。 本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
  論文  参考訳（メタデータ） (2023-12-04T01:32:42Z)
• Fast Rates for Maximum Entropy Exploration [52.946307632704645]
  エージェントが未知の環境下で活動し、報酬が得られない場合、強化学習(RL)における探索の課題に対処する。 本研究では,最大エントロピー探索問題を2つの異なるタイプで検討する。 訪問エントロピーには、$widetildemathcalO(H3S2A/varepsilon2)$ sample complexity を持つゲーム理論アルゴリズムを提案する。 軌道エントロピーに対しては,次数$widetildemathcalO(mathrmpoly(S,)の複雑さのサンプルを持つ単純なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:51:14Z)
• Gauss-Newton Temporal Difference Learning with Nonlinear Function Approximation [11.925232472331494]
  非線形関数近似を用いたQラーニング問題を解くため,ガウスニュートン時間差分法(GNTD)学習法を提案する。 各イテレーションにおいて、我々の手法は1つのガウスニュートン(GN)ステップを踏んで平均二乗ベルマン誤差(MSBE)の変種を最適化する。 いくつかのRLベンチマークにおいて、GNTDはTD型よりも高い報酬と高速な収束を示す。
  論文  参考訳（メタデータ） (2023-02-25T14:14:01Z)
• Improved Convergence Rate of Stochastic Gradient Langevin Dynamics with Variance Reduction and its Application to Optimization [50.83356836818667]
  勾配ランゲヴィン・ダイナミクスは非エプス最適化問題を解くための最も基本的なアルゴリズムの1つである。 本稿では、このタイプの2つの変種、すなわち、分散還元ランジュバンダイナミクスと再帰勾配ランジュバンダイナミクスを示す。
  論文  参考訳（メタデータ） (2022-03-30T11:39:00Z)
• Scaling Structured Inference with Randomization [64.18063627155128]
  本稿では、構造化されたモデルを数万の潜在状態に拡張するためにランダム化された動的プログラミング(RDP)のファミリを提案する。 我々の手法は古典的DPベースの推論に広く適用できる。 また、自動微分とも互換性があり、ニューラルネットワークとシームレスに統合できる。
  論文  参考訳（メタデータ） (2021-12-07T11:26:41Z)
• FC2T2: The Fast Continuous Convolutional Taylor Transform with Applications in Vision and Graphics [8.629912408966145]
  現代の機械学習の観点から、Taylorシリーズの拡張を再考する。 連続空間における低次元畳み込み作用素の効率的な近似を可能にする高速多重極法(FMM)の変種である高速連続畳み込みテイラー変換(FC2T2)を導入する。
  論文  参考訳（メタデータ） (2021-10-29T22:58:42Z)
• State Entropy Maximization with Random Encoders for Efficient Exploration [162.39202927681484]
  近年,深層補強学習(rl)におけるサンプル効率向上のための手法が提案されている。 本稿では,状態エントロピーを本質的な報酬として利用する探索手法であるRandoms for Efficient Exploration (RE3)を提案する。 特に、ランダムエンコーダを用いて、状態エントロピーを安定かつ計算効率の良い方法で推定できることが判明した。
  論文  参考訳（メタデータ） (2021-02-18T15:45:17Z)

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。