論文の概要: Nonlinear Hyperspectral Unmixing based on Multilinear Mixing Model using Convolutional Autoencoders

• arxiv url: http://arxiv.org/abs/2303.08156v1
• Date: Tue, 14 Mar 2023 18:11:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-03-16 15:51:57.894781
• Title: Nonlinear Hyperspectral Unmixing based on Multilinear Mixing Model using Convolutional Autoencoders
• Title（参考訳）: 畳み込みオートエンコーダを用いた多重線形混合モデルに基づく非線形ハイパースペクトルアンミキシング
• Authors: Tingting Fang, Fei Zhu and Jie Chen
• Abstract要約: リフレクションに基づく教師なしアンミキシングのための新しいオートエンコーダネットワークを提案する。 合成データと実データの両方を用いた実験により,提案手法の有効性が示された。
• 参考スコア（独自算出の注目度）: 6.867229549627128
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Unsupervised spectral unmixing consists of representing each observed pixel as a combination of several pure materials called endmembers with their corresponding abundance fractions. Beyond the linear assumption, various nonlinear unmixing models have been proposed, with the associated optimization problems solved either by traditional optimization algorithms or deep learning techniques. Current deep learning-based nonlinear unmixing focuses on the models in additive, bilinear-based formulations. By interpreting the reflection process using the discrete Markov chain, the multilinear mixing model (MLM) successfully accounts for the up to infinite-order interactions between endmembers. However, to simulate the physics process of MLM by neural networks explicitly is a challenging problem that has not been approached by far. In this article, we propose a novel autoencoder-based network for unsupervised unmixing based on MLM. Benefitting from an elaborate network design, the relationships among all the model parameters {\em i.e.}, endmembers, abundances, and transition probability parameters are explicitly modeled. There are two modes: MLM-1DAE considers only pixel-wise spectral information, and MLM-3DAE exploits the spectral-spatial correlations within input patches. Experiments on both the synthetic and real datasets demonstrate the effectiveness of the proposed method as it achieves competitive performance to the classic solutions of MLM.
• Abstract（参考訳）: 教師なしスペクトルの混合は、各観測されたピクセルを、エンドメンバーと呼ばれるいくつかの純粋な物質と対応する分数分数の組み合わせとして表現する。 線形仮定を超えて、従来の最適化アルゴリズムやディープラーニング技術によって解決される最適化問題とともに、様々な非線形混合モデルが提案されている。 現在のディープラーニングに基づく非線形混合は、加法、双線型に基づく定式化におけるモデルに焦点を当てている。 離散マルコフ連鎖を用いて反射過程を解釈することにより、マルチ線形混合モデル(MLM)はエンドメンバー間の無限次相互作用をうまく説明できる。 しかし、ニューラルネットワークによるMLMの物理過程を明示的にシミュレートすることは、これまでアプローチされていない難しい問題である。 本稿では,MLMに基づく教師なしアンミキシングのための新しいオートエンコーダネットワークを提案する。 ネットワーク設計の精巧な利点により、すべてのモデルパラメータ間の関係、つまり、エンドメンバー、存在量、遷移確率パラメータは明示的にモデル化される。 MLM-1DAEはピクセル単位のスペクトル情報のみを考慮し、MLM-3DAEは入力パッチ内のスペクトル-空間相関を利用する。 合成データと実データの両方を用いた実験により,MLMの古典的解に対する競合性能を実現するため,提案手法の有効性が示された。

関連論文リスト

• Amortized Bayesian Mixture Models [1.3976439685325095]
  本稿では,混合モデルに適したABI(Amortized Bayesian Inference)の拡張について紹介する。 我々は、後部をパラメータの分布と(カテゴリー的な)混合指標の分布に分解し、生成ニューラルネットワークの組み合わせを利用できるようにする。 提案フレームワークは、独立混合モデルと依存混合モデルの両方に対応し、フィルタリングと平滑化を可能にする。
  論文  参考訳（メタデータ） (2025-01-17T14:51:03Z)
• Hierarchical Associative Memory, Parallelized MLP-Mixer, and Symmetry Breaking [6.9366619419210656]
  トランスフォーマーは、自然言語処理における主要なニューラルネットワークモデルとして、自らを確立している。 最近の研究は、MetaFormersで説明されているようなアテンションモジュールを他のメカニズムに置き換えることを検討している。 本稿では,Krotovの階層型連想メモリとMetaFormersを統合し,Transformerブロックの包括的表現を可能にする。
  論文  参考訳（メタデータ） (2024-06-18T02:42:19Z)
• Adaptive Fuzzy C-Means with Graph Embedding [84.47075244116782]
  ファジィクラスタリングアルゴリズムは、大まかに2つの主要なグループに分類できる: ファジィC平均法(FCM)と混合モデルに基づく方法。 本稿では,FCMを用いたクラスタリングモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-22T08:15:50Z)
• Efficient model predictive control for nonlinear systems modelled by deep neural networks [6.5268245109828005]
  本稿では、非線形性と不確実性が深層ニューラルネットワーク(NN)によってモデル化された動的システムのためのモデル予測制御(MPC)を提案する。 NN出力はシステム状態と制御入力の高次複素非線形性を含むため、MPC問題は非線形であり、リアルタイム制御では解決が難しい。
  論文  参考訳（メタデータ） (2024-05-16T18:05:18Z)
• Deep Nonlinear Hyperspectral Unmixing Using Multi-task Learning [0.0]
  本稿では,ディープラーニングに基づく非教師なし非線形アンミックス手法を提案する。 2つのブランチを連携させる補助的なタスクを導入します。 この手法はオーバーフィッティングを緩和する正規化器と見なすことができ、ネットワーク全体の性能が向上する。
  論文  参考訳（メタデータ） (2024-02-05T02:52:25Z)
• Fast Semisupervised Unmixing Using Nonconvex Optimization [80.11512905623417]
  半/ライブラリベースのアンミックスのための新しい凸凸モデルを提案する。 スパース・アンミキシングの代替手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-23T10:07:41Z)
• Efficient Interpretable Nonlinear Modeling for Multiple Time Series [5.448070998907116]
  本稿では,複数時系列に対する効率的な非線形モデリング手法を提案する。 異なる時系列変数間の非線形相互作用を含む。 実験結果から,提案アルゴリズムは相似的にVAR係数の支持値の同定を改善することが示された。
  論文  参考訳（メタデータ） (2023-09-29T11:42:59Z)
• Feature Weighted Non-negative Matrix Factorization [92.45013716097753]
  本稿では,FNMF(Feature weighted Non- negative Matrix Factorization)を提案する。 FNMFはその重要性に応じて特徴の重みを適応的に学習する。 提案する最適化アルゴリズムを用いて効率的に解くことができる。
  論文  参考訳（メタデータ） (2021-03-24T21:17:17Z)
• Hyperspectral Unmixing via Nonnegative Matrix Factorization with Handcrafted and Learnt Priors [14.032039261229853]
  ハンドクラフト・レギュレータと学習用レギュレータをデータから併用したNMFベースのアンミックス・フレームワークを提案する。 我々は,様々な画像デノイザを用いて,関連するサブプロブレムに対処可能なアブリダンスの学習先行をプラグインする。
  論文  参考訳（メタデータ） (2020-10-09T14:40:20Z)
• Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
  PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。 本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。 このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
  論文  参考訳（メタデータ） (2020-09-29T12:50:33Z)
• Optimization-driven Machine Learning for Intelligent Reflecting Surfaces Assisted Wireless Networks [82.33619654835348]
  インテリジェントサーフェス(IRS)は、個々の散乱素子の位相シフトを制御して無線チャネルを再形成するために用いられる。 散乱素子の規模が大きいため、受動ビームフォーミングは一般に高い計算複雑性によって挑戦される。 本稿では、IRS支援無線ネットワークの性能向上のための機械学習(ML)アプローチに焦点を当てる。
  論文  参考訳（メタデータ） (2020-08-29T08:39:43Z)
• Ensemble Model with Batch Spectral Regularization and Data Blending for Cross-Domain Few-Shot Learning with Unlabeled Data [75.94147344921355]
  多様な特徴変換行列を用いてマルチブランチアンサンブルフレームワークを構築する。 本研究では,未ラベルデータを利用したデータブレンディング手法を提案し,対象領域におけるスパースサポートを増強する。
  論文  参考訳（メタデータ） (2020-06-08T02:27:34Z)

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。