論文の概要: An enrichment approach for enhancing the expressivity of neural operators with applications to seismology

• arxiv url: http://arxiv.org/abs/2306.04096v2
• Date: Mon, 6 Nov 2023 20:44:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-08 22:31:03.952576
• Title: An enrichment approach for enhancing the expressivity of neural operators with applications to seismology
• Title（参考訳）: ニューラル演算子の表現性向上のためのエンリッチメントアプローチと地震学への応用
• Authors: Ehsan Haghighat, Umair bin Waheed, George Karniadakis
• Abstract要約: 一般化可能なアイコン作用素を学習する必要があるため、リアルタイム地震の局所化は依然として困難である。 本稿では,現在の演算子学習モデルの限界に対処する,新しいディープラーニングアーキテクチャであるEnriched-DeepONetを紹介する。 本研究では,En-DeepONetが変動速度および到着時間条件下での地震定位に有効であることを示す。
• 参考スコア（独自算出の注目度）: 2.915868985330569
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Eikonal equation plays a central role in seismic wave propagation and hypocenter localization, a crucial aspect of efficient earthquake early warning systems. Despite recent progress, real-time earthquake localization remains challenging due to the need to learn a generalizable Eikonal operator. We introduce a novel deep learning architecture, Enriched-DeepONet (En-DeepONet), addressing the limitations of current operator learning models in dealing with moving-solution operators. Leveraging addition and subtraction operations and a novel `root' network, En-DeepONet is particularly suitable for learning such operators and achieves up to four orders of magnitude improved accuracy without increased training cost. We demonstrate the effectiveness of En-DeepONet in earthquake localization under variable velocity and arrival time conditions. Our results indicate that En-DeepONet paves the way for real-time hypocenter localization for velocity models of practical interest. The proposed method represents a significant advancement in operator learning that is applicable to a gamut of scientific problems, including those in seismology, fracture mechanics, and phase-field problems.
• Abstract（参考訳）: 固有方程式は地震波の伝播と震源位置の定位において中心的な役割を果たす。 近年の進展にもかかわらず、一般化された固有演算子を学習する必要があるため、リアルタイム地震定位は依然として困難である。 我々は,現在のオペレーター学習モデルの限界に対処するために,新しい深層学習アーキテクチャであるencented-deeponet (en-deeponet)を導入する。 加算と減算操作と新しい「ルート」ネットワークを利用することで、en-deeponetは特にそのような演算子の学習に適しており、トレーニングコストを増加させずに最大4桁の精度向上を達成している。 本研究では,En-DeepONetの変動速度および到着時間条件における地震定位効果を示す。 この結果から,En-DeepONetは実利な速度モデルに対して,リアルタイムな低中心位置定位を実現する方法であることがわかった。 提案手法は, 地震学, 破壊力学, 位相場問題など, 様々な科学的問題に適用可能な, 作用素学習の著しい進歩を示す。

関連論文リスト

• Self-STORM: Deep Unrolled Self-Supervised Learning for Super-Resolution Microscopy [55.2480439325792]
  我々は、シーケンス固有のモデルベースのオートエンコーダをトレーニングすることで、そのようなデータの必要性を軽減する、深層無学習の自己教師付き学習を導入する。 提案手法は, 監視対象の性能を超過する。
  論文  参考訳（メタデータ） (2024-03-25T17:40:32Z)
• Exploring Challenges in Deep Learning of Single-Station Ground Motion Records [0.0]
  実験の結果,P相とS相の到着情報に強く依存していることが判明した。 本研究は, 現場における潜在的なギャップを浮き彫りにして, 単一局地動記録の深層学習のためのロバストな手法が欠如していることを示唆する。
  論文  参考訳（メタデータ） (2024-03-12T11:56:50Z)
• Spatial-wise Dynamic Distillation for MLP-like Efficient Visual Fault Detection of Freight Trains [11.13191969085042]
  貨物列車の故障検出のための多層パーセプトロン(MLP)に基づく動的蒸留フレームワークを提案する。 学生モデルとのセマンティックな相違を効果的に解消する動的教師を提案する。 提案手法は現在の最先端検出器より優れており,より少ない計算コストでリアルタイム検出を行うことができる。
  論文  参考訳（メタデータ） (2023-12-10T09:18:24Z)
• Typhoon Intensity Prediction with Vision Transformer [51.84456610977905]
  台風強度を正確に予測するために「台風強度変換器(Tint)」を導入する。 Tintは、層ごとにグローバルな受容野を持つ自己認識機構を使用する。 公開されている台風ベンチマークの実験は、Tintの有効性を検証する。
  論文  参考訳（メタデータ） (2023-11-28T03:11:33Z)
• Physics-informed Deep Super-resolution for Spatiotemporal Data [18.688475686901082]
  ディープ・ラーニングは、粗い粒度のシミュレーションに基づいて科学的データを増やすのに使うことができる。 物理インフォームドラーニングにインスパイアされた、豊かで効率的な時間的超解像フレームワークを提案する。 その結果,提案手法の有効性と効率が,ベースラインアルゴリズムと比較して優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-02T13:57:35Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• TRAIL: Near-Optimal Imitation Learning with Suboptimal Data [100.83688818427915]
  オフラインデータセットを使用してファクタードトランジションモデルを学習するトレーニング目標を提案する。 我々の理論的分析は、学習された潜在行動空間が下流模倣学習のサンプル効率を高めることを示唆している。 実際に潜伏行動空間を学習するために、エネルギーベースの遷移モデルを学ぶアルゴリズムTRAIL(Transition-Reparametrized Actions for Imitation Learning)を提案する。
  論文  参考訳（メタデータ） (2021-10-27T21:05:00Z)
• Seismic wave propagation and inversion with Neural Operators [7.296366040398878]
  我々は、最近開発されたNeural Operatorと呼ばれる機械学習パラダイムを用いて、一般的なソリューションを学習するためのプロトタイプフレームワークを開発した。 訓練されたニューラル演算子は、任意の速度構造やソース位置について、無視可能な時間で解を計算することができる。 本手法を2次元音響波動方程式を用いて説明し, 地震トモグラフィへの適用性を実証する。
  論文  参考訳（メタデータ） (2021-08-11T19:17:39Z)
• Attribute-Guided Adversarial Training for Robustness to Natural Perturbations [64.35805267250682]
  本稿では,属性空間への分類器の露出を最大化するために,新しいサンプルを生成することを学習する逆学習手法を提案する。 我々のアプローチは、ディープニューラルネットワークが自然に発生する摂動に対して堅牢であることを可能にする。
  論文  参考訳（メタデータ） (2020-12-03T10:17:30Z)
• Winning with Simple Learning Models: Detecting Earthquakes in Groningen, the Netherlands [0.0]
  近年、地震学者は低等級地震の検出における深層学習アルゴリズムの有効性を実証している。 ここでは, 特徴抽出を伴うロジスティック回帰モデルを用いて, 地震イベント検出の問題点を再検討する。 訓練可能なパラメータを5つしか持たない単純な学習モデルを用いて,グローニンゲンガス田からの低マグニチュード誘導地震を検出する。
  論文  参考訳（メタデータ） (2020-07-08T07:06:09Z)
• Rectified Linear Postsynaptic Potential Function for Backpropagation in Deep Spiking Neural Networks [55.0627904986664]
  スパイキングニューラルネットワーク(SNN)は、時間的スパイクパターンを用いて情報を表現し、伝達する。 本稿では,情報符号化,シナプス可塑性,意思決定におけるスパイクタイミングダイナミクスの寄与について検討し,将来のDeepSNNやニューロモルフィックハードウェアシステムの設計への新たな視点を提供する。
  論文  参考訳（メタデータ） (2020-03-26T11:13:07Z)

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。