Fugu-MT 論文翻訳(概要): Learning Dictionaries from Physical-Based Interpolation for Water Network Leak Localization

論文の概要: Learning Dictionaries from Physical-Based Interpolation for Water Network Leak Localization

arxiv url: http://arxiv.org/abs/2304.10932v2
Date: Mon, 30 Oct 2023 12:58:59 GMT
ステータス: 処理完了
システム内更新日: 2023-11-02 03:08:08.158359
Title: Learning Dictionaries from Physical-Based Interpolation for Water Network Leak Localization
Title（参考訳）: 物理ベース補間による水ネットワークリーク定位のための辞書の学習
Authors: Paul Irofti and Luis Romero-Ben and Florin Stoican and Vicen\c{c} Puig
Abstract要約: 本稿では,状態推定と学習に基づくリークローカライズ手法を提案する。提案手法は, 配水ネットワークにおける隣接ノードの油圧ヘッド間の相互接続の物理値を利用する。
参考スコア（独自算出の注目度）: 1.747820331822631
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This article presents a leak localization methodology based on state estimation and learning. The first is handled by an interpolation scheme, whereas dictionary learning is considered for the second stage. The novel proposed interpolation technique exploits the physics of the interconnections between hydraulic heads of neighboring nodes in water distribution networks. Additionally, residuals are directly interpolated instead of hydraulic head values. The results of applying the proposed method to a well-known case study (Modena) demonstrated the improvements of the new interpolation method with respect to a state-of-the-art approach, both in terms of interpolation error (considering state and residual estimation) and posterior localization.
Abstract（参考訳）: 本稿では,状態推定と学習に基づくリークローカライズ手法を提案する。第1は補間方式で処理されるが、第2段階では辞書学習が考慮される。新たに提案する補間手法は, 配水ネットワークにおける隣接ノードの油圧ヘッド間の相互接続の物理を活用している。さらに、残差は油圧ヘッド値の代わりに直接補間される。よく知られているケーススタディ (modena) に本手法を適用した結果, 補間誤差(配位状態と残差推定)と後方位置推定の両面で, 新たな補間法の改善が示された。

関連論文リスト

The Principle of Minimum Pressure Gradient: An Alternative Basis for Physics-Informed Learning of Incompressible Fluid Mechanics [0.0]
提案手法は、最小圧力勾配の原理と連続性制約を組み合わせることで、ニューラルネットワークを訓練し、非圧縮性流体中の流れ場を予測する。従来の手法と比較して,学習時間当たりの計算時間を短縮することを示す。
論文参考訳（メタデータ） (2024-01-15T06:12:22Z)
Localizing Model Behavior with Path Patching [1.5293427903448025]
本稿では,行動が一組の経路に局所化されていることを示す仮説の自然なクラスを表現し,定量的に検証する手法であるパスパッチを導入する。我々は、誘導ヘッドの説明を洗練させ、GPT-2の挙動を特徴付けるとともに、同様の実験を効率的に行うためのフレームワークをオープンソース化する。
論文参考訳（メタデータ） (2023-04-12T16:46:43Z)
Robust Unsupervised Cross-Lingual Word Embedding using Domain Flow Interpolation [48.32604585839687]
従来の敵対的アプローチは、並列データ無しに言語間単語埋め込みを誘導する有望な結果を示している。そこで本研究では,滑らかなブリッジングのための中間空間列を提案する。
論文参考訳（メタデータ） (2022-10-07T04:37:47Z)
Error-Aware Spatial Ensembles for Video Frame Interpolation [50.63021118973639]
近年,ビデオフレーム(VFI)アルゴリズムは,データ駆動アルゴリズムと実装の両面で前例のない進歩により,大幅に改善されている。近年の研究では、挑戦的なVFIシナリオに対処する手段として、高度な動き推定や新しいワープ手法が導入されている。本研究は、光フローとIEの相関関係を詳細に検討することにより、中間フレームを異なるIEレベルに対応する異なる領域に分割する新しいエラー予測指標を提案する。
論文参考訳（メタデータ） (2022-07-25T16:15:38Z)
Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
論文参考訳（メタデータ） (2022-06-06T14:26:34Z)
Baseline Computation for Attribution Methods Based on Interpolated Inputs [0.0]
本稿では、ニューラルネットワークに2つの入力の間に補間された一連の入力を供給することにより、帰属する手法のよく振る舞うベースラインを見つける方法について論じる。そこで,本研究では,Riemann-Stieltjes Integrated Gradient-weighted Class Activation Mapping (RSI-Grad-CAM) の属性法を用いて実験を行った。
論文参考訳（メタデータ） (2022-04-13T00:11:45Z)
An application of the splitting-up method for the computation of a neural network representation for the solution for the filtering equations [68.8204255655161]
フィルタ方程式は、数値天気予報、金融、工学など、多くの現実の応用において中心的な役割を果たす。フィルタリング方程式の解を近似する古典的なアプローチの1つは、分割法と呼ばれるPDEにインスパイアされた方法を使うことである。我々はこの手法をニューラルネットワーク表現と組み合わせて、信号プロセスの非正規化条件分布の近似を生成する。
論文参考訳（メタデータ） (2022-01-10T11:01:36Z)
Data-driven Leak Localization in Water Distribution Networks via Dictionary Learning and Graph-based Interpolation [2.5234156040689237]
本稿では,2つの相補的アプローチを組み合わせた水分散ネットワーク(WDN)のデータ駆動リークローカライズ手法を提案する。前者は、あるノードとネットワークグラフにおける実測値から完全なWDN油圧状態を推定する。これらの実測値は、貴重な推定状態のサブセットとともに、辞書学習スキームの供給と訓練に使用される。
論文参考訳（メタデータ） (2021-10-12T21:33:03Z)
A New Interpolation Approach and Corresponding Instance-Based Learning [0.0]
本稿では,2つの数値間の近似度を測り,対応する1次元法と式を導出する。インスタンスベースの学習にアプローチを適用することで、新しいインスタンスベースの学習方法、ADBを用いた学習が得られる。原理的には、この方法は類推による学習の一種であり、深層学習は帰納学習に属するものであり、いくつかの問題に対して、ビッグデータとクラウドコンピューティング環境における「異なるアプローチであるが、同じ結果」に影響を及ぼすことができる。
論文参考訳（メタデータ） (2021-08-26T00:41:17Z)
Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。 DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文参考訳（メタデータ） (2021-06-14T17:19:44Z)
Interpolation Technique to Speed Up Gradients Propagation in Neural ODEs [71.26657499537366]
本稿では,ニューラルネットワークモデルにおける勾配の効率的な近似法を提案する。我々は、分類、密度推定、推論近似タスクにおいて、ニューラルODEをトレーニングするリバースダイナミック手法と比較する。
論文参考訳（メタデータ） (2020-03-11T13:15:57Z)

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。