Fugu-MT 論文翻訳(概要): Solar Active Region Magnetogram Image Dataset for Studies of Space Weather

論文の概要: Solar Active Region Magnetogram Image Dataset for Studies of Space Weather

arxiv url: http://arxiv.org/abs/2305.09492v1
Date: Tue, 16 May 2023 14:44:24 GMT
ステータス: 処理完了
システム内更新日: 2023-05-17 14:37:51.172220
Title: Solar Active Region Magnetogram Image Dataset for Studies of Space Weather
Title（参考訳）: 宇宙天気研究のための太陽活動領域磁図画像データセット
Authors: Laura E. Boucheron, Ty Vincent, Jeremy A. Grajeda, Ellery Wuest
Abstract要約: このデータセットには3つのソースからのデータが含まれており、太陽活動領域のSDOヘリオサイスミックおよび磁気画像(HMI)マグネティックグラムを提供する。このデータセットは、磁気構造、時間の経過とともに進化し、太陽フレアとの関係に関する画像解析や太陽物理学の研究に有用である。このデータセットは、太陽フレア予測研究のベンチマークデータセットとして機能する、太陽活動領域の一定サイズの画像の、最小限の処理されたユーザーデータセットである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this dataset we provide a comprehensive collection of magnetograms (images quantifying the strength of the magnetic field) from the National Aeronautics and Space Administration's (NASA's) Solar Dynamics Observatory (SDO). The dataset incorporates data from three sources and provides SDO Helioseismic and Magnetic Imager (HMI) magnetograms of solar active regions (regions of large magnetic flux, generally the source of eruptive events) as well as labels of corresponding flaring activity. This dataset will be useful for image analysis or solar physics research related to magnetic structure, its evolution over time, and its relation to solar flares. The dataset will be of interest to those researchers investigating automated solar flare prediction methods, including supervised and unsupervised machine learning (classical and deep), binary and multi-class classification, and regression. This dataset is a minimally processed, user configurable dataset of consistently sized images of solar active regions that can serve as a benchmark dataset for solar flare prediction research.
Abstract（参考訳）: このデータセットでは、NASAのソーラー・ダイナミクス・オブザーバ(Solar Dynamics Observatory, SDO)から、磁気グラム(磁場の強さを定量化するイメージ)の包括的なコレクションを提供しています。このデータセットは、3つのソースからのデータを組み込んで、太陽活動領域(大磁束の領域、一般的には噴火イベントの源)のsdo helioseismic and magnetic imager (hmi)磁図と対応するフレリング活性のラベルを提供する。このデータセットは、磁気構造、時間経過に伴う進化、太陽フレアとの関係に関する画像解析や太陽物理学の研究に有用である。このデータセットは、教師付きおよび教師なしの機械学習(古典的および深層)、バイナリとマルチクラスの分類、回帰を含む、自動的な太陽フレア予測方法を研究する研究者にとって興味深い。このデータセットは、太陽フレア予測研究のベンチマークデータセットとして機能する、太陽活動領域の一貫した大きさの画像による、最小限の処理とユーザ設定が可能なデータセットである。

関連論文リスト

Magnetogram-to-Magnetogram: Generative Forecasting of Solar Evolution [0.0]
DDPM(Denoising Diffusion Probabilistic Models)を用いた画像と画像の変換による視線(LoS)磁気グラムの進化予測手法を提案する。提案手法は,画像品質の「計算機科学メトリクス」と物理精度の「物理メトリクス」を組み合わせて,モデル性能の評価を行う。その結果, DDPMは, 太陽磁場の動的範囲, 磁束, 活動領域の大きさなどの物理的特徴の維持に有効であることが示唆された。
論文参考訳（メタデータ） (2024-07-16T12:28:10Z)
Extreme Solar Flare Prediction Using Residual Networks with HMI Magnetograms and Intensitygrams [0.0]
HMI強度図とマグネティックグラムを用いた極端太陽フレアの予測手法を提案する。強度図から太陽点を検出し、磁気グラムから磁場パッチを抽出することにより、極度のクラスフレアを分類するためにResidual Network(ResNet)を訓練する。我々のモデルは高精度で、極端太陽フレアを予測し、宇宙天気予報を改善するための堅牢なツールを提供する。
論文参考訳（メタデータ） (2024-05-23T16:17:16Z)
Super-Resolution of SOHO/MDI Magnetograms of Solar Active Regions Using SDO/HMI Data and an Attention-Aided Convolutional Neural Network [4.746722440828454]
太陽画像超解像のための注意支援畳み込みニューラルネットワーク(CNN)を提案する。太陽・ヘリオスフェア天文台(SOHO)に搭載されたミッチェルソンドップラー・イメージラー(MDI)によって収集された太陽活動領域(AR)の視線磁図の質を高めることを目的として,SolarCNNと名付けられた手法を開発した。実験結果から、SolarCNNは構造類似度指数測定(SSIM)、ピアソン相関係数(PCC)、ピーク信号-雑音比(PSNR)の観点からSOHO/MDI磁気グラムの品質を向上させることが示された。
論文参考訳（メタデータ） (2024-03-27T06:58:01Z)
Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
論文参考訳（メタデータ） (2023-08-31T16:26:17Z)
Improving day-ahead Solar Irradiance Time Series Forecasting by Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文参考訳（メタデータ） (2023-06-01T19:54:39Z)
Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文参考訳（メタデータ） (2023-04-27T20:21:18Z)
A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文参考訳（メタデータ） (2023-04-14T14:40:32Z)
Incorporating Polar Field Data for Improved Solar Flare Prediction [8.035275738176107]
機械学習モデルを用いて太陽フレア予測性能を向上させるため、太陽の北と南の極域強度に関連するデータを活用することを検討する。実験の結果,太陽フレア予測における極域データの有用性が示唆され,ハイドケスキルスコア(HSS2)は最大10.1%向上した。
論文参考訳（メタデータ） (2022-12-04T03:06:11Z)
A Deep Learning Approach to Generating Photospheric Vector Magnetograms of Solar Active Regions for SOHO/MDI Using SDO/HMI and BBSO Data [22.56276949415464]
我々は,SDO/HMIによるLOSマグネティックグラム,Bx,Byから,H-アルファ観測とともに学習するための新しい深層学習手法MagNetを提案する。深層学習がSOHO/MDIのための太陽活動領域の球面ベクトル磁気図を生成するのはこれが初めてである。
論文参考訳（メタデータ） (2022-11-04T06:21:32Z)
Data-Efficient Learning via Minimizing Hyperspherical Energy [48.47217827782576]
本稿では,少数の代表データを用いたスクラッチからのデータ効率学習の問題について考察する。我々は,MHEに基づくアクティブラーニング(MHEAL)アルゴリズムを提案し,MHEALの包括的な理論的保証を提供する。
論文参考訳（メタデータ） (2022-06-30T11:39:12Z)
AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
論文参考訳（メタデータ） (2022-01-31T20:02:22Z)

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。