論文の概要: High-precision interpolation of stellar atmospheres with a deep neural
network using a 1D convolutional auto encoder for feature extraction
- arxiv url: http://arxiv.org/abs/2306.06938v1
- Date: Mon, 12 Jun 2023 08:16:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 15:28:03.562959
- Title: High-precision interpolation of stellar atmospheres with a deep neural
network using a 1D convolutional auto encoder for feature extraction
- Title（参考訳）: 1D畳み込みオートエンコーダを用いた深部ニューラルネットワークによる恒星大気の高精度補間
- Authors: C. Westendorp Plaza, A. Asensio Ramos, C. Allende Prieto
- Abstract要約: 我々は、恒星モデル大気を回復するための信頼性、正確、軽量、高速な方法を確立する。
我々は、完全に接続されたディープニューラルネットワークを使用し、1次元畳み込みオートエンコーダを用いてグリッドの非線形性を抽出する。
特徴抽出器として主成分分析を用いた場合よりも,畳み込みオートエンコーダの方が高精度であることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Given the widespread availability of grids of models for stellar atmospheres,
it is necessary to recover intermediate atmospheric models by means of accurate
techniques that go beyond simple linear interpolation and capture the
intricacies of the data. Our goal is to establish a reliable, precise,
lightweight, and fast method for recovering stellar model atmospheres, that is
to say the stratification of mass column, temperature, gas pressure, and
electronic density with optical depth given any combination of the defining
atmospheric specific parameters: metallicity, effective temperature, and
surface gravity, as well as the abundances of other key chemical elements. We
employed a fully connected deep neural network which in turn uses a 1D
convolutional auto-encoder to extract the nonlinearities of a grid using the
ATLAS9 and MARCS model atmospheres. This new method we call iNNterpol
effectively takes into account the nonlinearities in the relationships of the
data as opposed to traditional machine-learning methods, such as the light
gradient boosting method (LightGBM), that are repeatedly used for their speed
in well-known competitions with reduced datasets. We show a higher precision
with a convolutional auto-encoder than using principal component analysis as a
feature extractor.We believe it constitutes a useful tool for generating fast
and precise stellar model atmospheres, mitigating convergence issues, as well
as a framework for future developments. The code and data for both training and
direct interpolation are available online at
https://github.com/cwestend/iNNterpol for full reproducibility and to serve as
a practical starting point for other continuous 1D data in the field and
elsewhere.
- Abstract（参考訳）: 恒星大気のモデルグリッドが広く利用可能であることを考えると、単純な線形補間を超える正確な手法を用いて中間大気モデルを復元し、データの複雑さを捉える必要がある。
我々の目標は、質量カラム、温度、気体圧、電子密度の成層構造を、大気の特定のパラメータ(金属性、有効温度、表面重力、その他の重要な化学元素の存在量)と組み合わせて、光学的深さで、信頼性が高く、正確で、軽量で、高速に復元する方法を確立することである。
我々は,1次元畳み込みオートエンコーダを用いて,atlas9とmarcsモデルを用いたグリッドの非線形性を抽出する,完全接続型深層ニューラルネットワークを用いた。
私たちがinnterpolと呼ぶこの新しい手法は、従来の機械学習手法とは対照的に、データ関係の非線形性を効果的に考慮し、light gradient boosting method (lightgbm) のように、データセットの削減とよく知られた競合において、その速度に繰り返し使用される。
特徴抽出器として主成分分析を用いるよりも畳み込み自己エンコーダの方が精度が高く, 高速かつ高精度な恒星モデル大気の生成, 収束問題の緩和, 将来の発展のためのフレームワークとして有用であると考えられる。
トレーニングと直接補間のためのコードとデータは、https://github.com/cwestend/innterpolで完全に再現可能であり、フィールドやその他の場所での他の連続1dデータの実用的な出発点となる。
関連論文リスト
- CARE Transformer: Mobile-Friendly Linear Visual Transformer via Decoupled Dual Interaction [77.8576094863446]
本稿では,新しいdetextbfCoupled dutextbfAl-interactive lineatextbfR atttextbfEntion (CARE) 機構を提案する。
まず,非対称な特徴分離戦略を提案し,非対称的に学習プロセスを局所帰納バイアスと長距離依存に分解する。
分離学習方式を採用し,特徴間の相補性を完全に活用することにより,高い効率性と精度を両立させることができる。
論文 参考訳（メタデータ） (2024-11-25T07:56:13Z) - Graph Neural Networks and Differential Equations: A hybrid approach for data assimilation of fluid flows [0.0]
本研究では,グラフニューラルネットワーク(GNN)とReynolds-Averaged Navier Stokes(RANS)方程式を組み合わせた新しいハイブリッド手法を提案する。
その結果, 純粋なデータ駆動モデルと比較して, 再構成平均流の精度は著しく向上した。
論文 参考訳（メタデータ） (2024-11-14T14:31:52Z) - Deep Generative Data Assimilation in Multimodal Setting [0.1052166918701117]
本研究では,マルチモーダル・セッティングにおけるスコアベースラテント・アシミレーション(SLAMS)を提案する。
気象観測所のデータと衛星画像とを同化して、垂直温度分布を世界規模で校正する。
私たちの研究は、実世界のデータセットを用いたマルチモーダルデータ同化に、初めて深層生成フレームワークを適用しました。
論文 参考訳（メタデータ） (2024-04-10T00:25:09Z) - ARFA: An Asymmetric Receptive Field Autoencoder Model for Spatiotemporal
Prediction [55.30913411696375]
本稿では,非対称な受容場オートエンコーダ (ARFA) モデルを提案する。
エンコーダでは,大域的時間的特徴抽出のための大規模なカーネルモジュールを提案し,デコーダでは局所的時間的再構成のための小さなカーネルモジュールを開発する。
降水予測のための大規模レーダエコーデータセットであるRainBenchを構築し,その領域における気象データの不足に対処する。
論文 参考訳（メタデータ） (2023-09-01T07:55:53Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Learning the structure of wind: A data-driven nonlocal turbulence model
for the atmospheric boundary layer [0.0]
我々は,大気境界層をモデル化するための新しいデータ駆動手法を開発した。
このアプローチは、非局所的、異方性合成乱流モデルに導かれ、我々は、ディープ・ラピッド・ラピッド・歪み(DRD)モデルと呼ぶ。
論文 参考訳（メタデータ） (2021-07-23T06:41:33Z) - Adaptive Machine Learning for Time-Varying Systems: Low Dimensional
Latent Space Tuning [91.3755431537592]
本稿では,時間変化システムを対象とした適応機械学習手法を提案する。
我々は,エンコーダデコーダCNNのエンコーダ部出力において,非常に高次元(N>100k)の入力を低次元(N2)潜在空間にマッピングする。
そこで本手法では,割り込みを伴わないフィードバックに基づいて,内部の相関関係を学習し,その進化をリアルタイムで追跡する。
論文 参考訳（メタデータ） (2021-07-13T16:05:28Z) - Adaptive Latent Space Tuning for Non-Stationary Distributions [62.997667081978825]
本稿では,ディープエンコーダ・デコーダ方式cnnの低次元潜在空間の適応チューニング法を提案する。
粒子加速器における時間変動荷電粒子ビームの特性を予測するためのアプローチを実証する。
論文 参考訳（メタデータ） (2021-05-08T03:50:45Z) - Physics-aware deep neural networks for surrogate modeling of turbulent
natural convection [0.0]
Rayleigh-B'enard乱流流に対するPINNのサーロゲートモデルの使用を検討する。
標準ピンの精度が低いゾーンであるトレーニング境界に近い正規化として、どのように機能するかを示す。
50億のDNS座標全体のサロゲートの予測精度は、相対的なL2ノルムで[0.3% -- 4%]の範囲のすべてのフロー変数のエラーをもたらします。
論文 参考訳（メタデータ） (2021-03-05T09:48:57Z) - Data Assimilation in the Latent Space of a Neural Network [7.555120710924906]
縮小次数モデリング技術は問題の次元性を低減するために用いられる。
我々は、データ同化と機械学習を組み合わせた潜在同化と呼ばれる新しい手法を定式化する。
この手法は、例えば、空気中のSARS-COV-2のようなウイルスの負荷をリアルタイムで予測するために、CO2濃度にリンクすることで使用できる。
論文 参考訳（メタデータ） (2020-12-22T14:43:50Z) - A Single Stream Network for Robust and Real-time RGB-D Salient Object
Detection [89.88222217065858]
我々は、深度マップを用いて、RGBと深度の間の早期融合と中核融合を誘導する単一ストリームネットワークを設計する。
このモデルは、現在の最も軽量なモデルよりも55.5%軽く、32 FPSのリアルタイム速度で384倍の384ドルの画像を処理している。
論文 参考訳（メタデータ） (2020-07-14T04:40:14Z)
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。