論文の概要: Pluto's Surface Mapping using Unsupervised Learning from Near-Infrared Observations of LEISA/Ralph

• arxiv url: http://arxiv.org/abs/2301.06027v1
• Date: Sun, 15 Jan 2023 07:15:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-18 17:38:49.760281
• Title: Pluto's Surface Mapping using Unsupervised Learning from Near-Infrared Observations of LEISA/Ralph
• Title（参考訳）: leisa/ralph近赤外観測からの教師なし学習による冥王星表面マッピング
• Authors: A. Emran, C. M. Dalle Ore, C. J. Ahrens, M. K. H. Khan, V. F. Chevrier, and D. P. Cruikshank
• Abstract要約: 我々は、NASAのニューホライズンズ宇宙船に搭載されたLEISA/ラルフ計器の近赤外線観測を用いて、教師なしの機械学習技術を用いて冥王星の表面をマッピングした。 各ユニットの平均I/Fスペクトル(N$_2$,CH$_4$,COおよび非揮発性H$_2$O)の位置と強度から、ユニットを表面組成、地質、地理的位置に接続するために分析した。 表面単位の分布は、ボラティルの異なる表面組成を持つ緯度パターンを示す
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We map the surface of Pluto using an unsupervised machine learning technique using the near-infrared observations of the LEISA/Ralph instrument onboard NASA's New Horizons spacecraft. The principal component reduced Gaussian mixture model was implemented to investigate the geographic distribution of the surface units across the dwarf planet. We also present the likelihood of each surface unit at the image pixel level. Average I/F spectra of each unit were analyzed -- in terms of the position and strengths of absorption bands of abundant volatiles such as N${}_{2}$, CH${}_{4}$, and CO and nonvolatile H${}_{2}$O -- to connect the unit to surface composition, geology, and geographic location. The distribution of surface units shows a latitudinal pattern with distinct surface compositions of volatiles -- consistent with the existing literature. However, previous mapping efforts were based primarily on compositional analysis using spectral indices (indicators) or implementation of complex radiative transfer models, which need (prior) expert knowledge, label data, or optical constants of representative endmembers. We prove that an application of unsupervised learning in this instance renders a satisfactory result in mapping the spatial distribution of ice compositions without any prior information or label data. Thus, such an application is specifically advantageous for a planetary surface mapping when label data are poorly constrained or completely unknown, because an understanding of surface material distribution is vital for volatile transport modeling at the planetary scale. We emphasize that the unsupervised learning used in this study has wide applicability and can be expanded to other planetary bodies of the Solar System for mapping surface material distribution.
• Abstract（参考訳）: nasaの探査機ニュー・ホライズンズに搭載されたleisa/ralphの近赤外観測を用いて、教師なしの機械学習技術を用いて冥王星の表面をマッピングした。 主成分を還元したガウス混合モデルを導入し, 準惑星の表面単位の地理的分布を調査した。 また,画像画素レベルで各表面単位の可能性が示唆された。 各ユニットの平均I/Fスペクトルは、N${}_{2}$、CH${}_{4}$、COおよび非揮発性H${}_{2}$Oといった豊富な揮発物の吸収帯の位置と強度で分析され、ユニットを表面組成、地質、地理的位置に接続した。 表面単位の分布は、既存の文献と一致する、ボラティールの異なる表面組成を持つ緯度パターンを示す。 しかしながら、以前のマッピングは、主にスペクトル指標(指標)を用いた構成分析や、(主に)専門家の知識、ラベルデータ、または代表的エンドメンバーの光学定数を必要とする複雑な放射伝達モデルの実装に基づいている。 本研究では, 氷組成の空間分布を事前情報やラベルデータなしでマッピングすることで, 教師なし学習の適用が良好な結果をもたらすことを示す。 したがって、このような応用は、表層物質分布の理解が惑星規模での揮発性輸送モデリングに不可欠であるため、ラベルデータが制約や完全に未知である場合の惑星表面マッピングに特に有利である。 本研究で使用される教師なし学習は広範囲に適用可能であり,太陽系の他の惑星体にも適用可能であることを強調した。

関連論文リスト

• Investigating the Capabilities of Deep Learning for Processing and Interpreting One-Shot Multi-offset GPR Data: A Numerical Case Study for Lunar and Martian Environments [9.150932930653921]
  地中レーダー(GPR)は、過去10年間に惑星科学で人気を博してきた、成熟した物理手法である。 GPRはルナーと火星のミッションの両方に使われ、地球外惑星の表面地質に関する重要な情報を提供している。 本稿では,GPRデータの解釈・処理におけるディープラーニングの可能性について検討する。
  論文  参考訳（メタデータ） (2024-10-18T11:38:29Z)
• A Machine Learning Approach to Detecting Albedo Anomalies on the Lunar Surface [0.0]
  本研究では、月面のアルベド異常を探索・予測するために機械学習(ML)技術を用いたデータ駆動アプローチを提案する。 主な目的は、化学元素とアルベドの関係を識別し、惑星表面の理解を深めることである。 本稿では,予測誤差を可視化し,その空間的および化学的特性を記述するための対話型解析ツールを提案する。
  論文  参考訳（メタデータ） (2024-07-08T11:25:30Z)
• Searching for Novel Chemistry in Exoplanetary Atmospheres using Machine Learning for Anomaly Detection [1.8434042562191815]
  我々は、異常検出のための機械学習(ML)技術の太陽系外惑星トランジットスペクトルへの応用を提唱する。 合成スペクトルの大規模公開データベース上での2つの一般的な異常検出手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-08-15T07:19:54Z)
• Unsupervised ore/waste classification on open-cut mine faces using close-range hyperspectral data [1.8111829286068908]
  地雷面のスペクトルの教師なしマッピングのためのパイプラインを提案する。 提案したパイプラインは、鉱山の表面にミネラルをマッピングする統一システムにおいて、教師なしと自己教師付きのアルゴリズムを結合する。 マッピング機能の一貫性は、2つの異なる時間で取得されたデータを用いて実証される。
  論文  参考訳（メタデータ） (2023-02-09T21:03:03Z)
• Deep Learning Models of the Discrete Component of the Galactic Interstellar Gamma-Ray Emission [61.26321023273399]
  H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。 深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
  論文  参考訳（メタデータ） (2022-06-06T18:00:07Z)
• Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet Transmission Spectra [68.8204255655161]
  我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。 スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。 主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
  論文  参考訳（メタデータ） (2022-01-07T22:26:33Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• Spectral-Spatial Global Graph Reasoning for Hyperspectral Image Classification [50.899576891296235]
  畳み込みニューラルネットワークは、ハイパースペクトル画像分類に広く応用されている。 近年の手法は空間トポロジのグラフ畳み込みによってこの問題に対処しようとしている。
  論文  参考訳（メタデータ） (2021-06-26T06:24:51Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Spatial-Spectral Manifold Embedding of Hyperspectral Data [43.479889860715275]
  本稿では,空間情報とスペクトル情報を同時に考慮した新しいハイパースペクトル埋め込み手法を提案する。 空間スペクトル多様体埋め込み(SSME)は、パッチベースの方法で空間情報とスペクトル情報を共同でモデル化する。 SSMEは、スペクトルシグネチャ間の類似度測定によって得られた隣接行列を用いてスペクトル埋め込みを学習するだけでなく、ハイパースペクトルシーンにおける対象画素の空間近傍をモデル化する。
  論文  参考訳（メタデータ） (2020-07-17T05:40:27Z)
• Interpreting Galaxy Deblender GAN from the Discriminator's Perspective [50.12901802952574]
  本研究は、ネットワークの主要なコンポーネントである識別器の動作に焦点を当てるが、しばしば見落とされがちな役割を担っている。 本手法は, 生成銀河画像と地中真理画像とを区別する際に, 識別器の注意領域を明確に明らかにする。
  論文  参考訳（メタデータ） (2020-01-17T04:05:46Z)

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。