論文の概要: An automated parameter domain decomposition approach for gravitational wave surrogates using hp-greedy refinement

• arxiv url: http://arxiv.org/abs/2212.08554v1
• Date: Fri, 16 Dec 2022 16:12:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-19 16:32:08.227954
• Title: An automated parameter domain decomposition approach for gravitational wave surrogates using hp-greedy refinement
• Title（参考訳）: hp-greedy改良を用いた重力波代理の自動パラメータ領域分解法
• Authors: Franco Cerino, J. Andr\'es Diaz-Pace, Manuel Tiglio
• Abstract要約: hp-greedyは重力波サロゲートを構築するための洗練されたアプローチである。 2つの回転する非定常ブラックホールの衝突によって放出される重力波のより現実的な利用例を示す。
• 参考スコア（独自算出の注目度）: 0.3867363075280544
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce hp-greedy, a refinement approach for building gravitational wave surrogates as an extension of the standard reduced basis framework. Our proposal is data-driven, with a domain decomposition of the parameter space, local reduced basis, and a binary tree as the resulting structure, which are obtained in an automated way. When compared to the standard global reduced basis approach, the numerical simulations of our proposal show three salient features: i) representations of lower dimension with no loss of accuracy, ii) a significantly higher accuracy for a fixed maximum dimensionality of the basis, in some cases by orders of magnitude, and iii) results that depend on the reduced basis seed choice used by the refinement algorithm. We first illustrate the key parts of our approach with a toy model and then present a more realistic use case of gravitational waves emitted by the collision of two spinning, non-precessing black holes. We discuss performance aspects of hp-greedy, such as overfitting with respect to the depth of the tree structure, and other hyperparameter dependences. As two direct applications of the proposed hp-greedy refinement, we envision: i) a further acceleration of statistical inference, which might be complementary to focused reduced-order quadratures, and ii) the search of gravitational waves through clustering and nearest neighbors.
• Abstract（参考訳）: hp-greedyは、重力波サーロゲートを構築するための改良手法であり、標準還元基底フレームワークの拡張として紹介する。 提案手法はデータ駆動型であり,パラメータ空間のドメイン分解,局所的還元基底,および2分木を自動的に得られる構造として提案する。 本提案の数値シミュレーションでは, 標準大域的縮小基底法と比較して, 3つの有意な特徴を示す。 一 精度の損失のない低次元の表現 二 基礎の最大寸法が一定である場合において、等級の順序による場合において、著しく高い精度 三 精錬アルゴリズムが使用する減量基種選択に依存した結果。 まず、おもちゃのモデルで我々のアプローチの重要部分を説明し、2つの回転しないブラックホールの衝突によって放出される重力波のより現実的なユースケースを示す。 本稿では,木構造の深さに対する過剰フィッティングや,その他のハイパーパラメータ依存性など,hp-greedyの性能面について考察する。 提案されたhp-greedy改良の2つの直接的な応用として、 一 集中した縮小次数に相補するかもしれない統計的推測のさらなる加速 二 クラスタリング及び最寄りの近傍における重力波の探索

関連論文リスト

• Robust Second-order LiDAR Bundle Adjustment Algorithm Using Mean Squared Group Metric [5.153195958837083]
  我々は,LiDAR BAアルゴリズムの最適化目標を構築するために,新しい平均2乗群計量(MSGM)を提案する。 堅牢なカーネル関数を統合することで、BAアルゴリズムに関わるメトリクスを再重み付けし、ソリューションプロセスの堅牢性を高める。
  論文  参考訳（メタデータ） (2024-09-03T12:53:39Z)
• Data-freeWeight Compress and Denoise for Large Language Models [101.53420111286952]
  パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。 キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
  論文  参考訳（メタデータ） (2024-02-26T05:51:47Z)
• Hyperparameter optimization of hp-greedy reduced basis for gravitational wave surrogates [0.0]
  本稿では,ハイパーパラメータ最適化(HPO)の問題に取り組む。 同じ精度で、2つの回転するブラックホールの衝突による重力波の場合、HPOによる局所的なhp-greedy還元基底は、ここで調べられた場合の最大4倍の次元を持つ。 このような加速は、コンパクトな双対合体からの重力波の電磁波のほぼリアルタイムな要求に役立ちうる。
  論文  参考訳（メタデータ） (2023-10-23T17:48:11Z)
• 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)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• Fast Simultaneous Gravitational Alignment of Multiple Point Sets [82.32416743939004]
  本稿では,複数点集合の同時登録のための新しいレジリエントな手法を提案し,後者を相互誘導力場内で厳密に動く粒子群として解釈する。 物理法則の変更によるシミュレーションの改善と、グローバルな多重リンク点相互作用の加速により、MBGA(Multi-Body Gravitational Approach)はノイズや欠落データに対して堅牢である。 様々な実験環境では、MBGAは精度と実行時間の観点から、いくつかの基準点セットアライメントアプローチより優れていることが示されている。
  論文  参考訳（メタデータ） (2021-06-21T17:59:40Z)
• A Deep Learning approach to Reduced Order Modelling of Parameter Dependent Partial Differential Equations [0.2148535041822524]
  パラメーター対解写像の効率的な近似法として,Deep Neural Networks に基づく構築的アプローチを開発した。 特に, パラメタライズド・アドベクション拡散PDEについて検討し, 強輸送場の存在下で方法論を検証した。
  論文  参考訳（メタデータ） (2021-03-10T17:01:42Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)
• On Deep Instrumental Variables Estimate [21.003925102068298]
  ディープインスツルメンタル変数(IV)は、内在性に対処するディープニューラルネットワークに基づくフレームワークである。 線形インスツルメンタル変数モデルにおいて,ディープニューラルネットワークを用いた2段階推定器について検討する。 2段推定器が半パラメトリック効率境界を達成することを示す。
  論文  参考訳（メタデータ） (2020-04-30T17:03:00Z)

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。