論文の概要: Imagery Tracking of Sun Activity Using 2D Circular Kernel Time Series
Transformation, Entropy Measures and Machine Learning Approaches
- arxiv url: http://arxiv.org/abs/2306.08270v1
- Date: Wed, 14 Jun 2023 06:13:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-16 20:15:00.284309
- Title: Imagery Tracking of Sun Activity Using 2D Circular Kernel Time Series
Transformation, Entropy Measures and Machine Learning Approaches
- Title（参考訳）: 2次元円形カーネル時系列変換, エントロピー対策, 機械学習アプローチを用いた太陽活動の画像追跡
- Authors: Irewola Aaron Oludehinwa, Andrei Velichko, Maksim Belyaev and
Olasunkanmi I. Olusola
- Abstract要約: NASAのソーラー・ダイナミクス・オブザーバトリーは、1日に約7万枚の太陽活動の画像を撮影している。
本研究では,2次元円形カーネル時系列変換,統計・エントロピー計測,機械学習手法を用いて太陽活動を追跡する手法を開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The sun is highly complex in nature and its observatory imagery features is
one of the most important sources of information about the sun activity, space
and Earth's weather conditions. The NASA, solar Dynamics Observatory captures
approximately 70,000 images of the sun activity in a day and the continuous
visual inspection of this solar observatory images is challenging. In this
study, we developed a technique of tracking the sun's activity using 2D
circular kernel time series transformation, statistical and entropy measures,
with machine learning approaches. The technique involves transforming the solar
observatory image section into 1-Dimensional time series (1-DTS) while the
statistical and entropy measures (Approach 1) and direct classification
(Approach 2) is used to capture the extraction features from the 1-DTS for
machine learning classification into 'solar storm' and 'no storm'. We found
that the potential accuracy of the model in tracking the activity of the sun is
approximately 0.981 for Approach 1 and 0.999 for Approach 2. The stability of
the developed approach to rotational transformation of the solar observatory
image is evident. When training on the original dataset for Approach 1, the
match index (T90) of the distribution of solar storm areas reaches T90 ~ 0.993,
and T90 ~ 0.951 for Approach 2. In addition, when using the extended training
base, the match indices increased to T90 ~ 0.994 and T90 ~ 1, respectively.
This model consistently classifies areas with swirling magnetic lines
associated with solar storms and is robust to image rotation, glare, and
optical artifacts.
- Abstract（参考訳）: 太陽は自然に非常に複雑であり、その観測画像の特徴は太陽活動、宇宙、地球の気象条件に関する情報の最も重要な情報源の1つである。
NASAのソーラー・ダイナミクス・オブザーバトリーは1日あたり約7万枚の太陽活動の画像を撮影しており、この太陽観測画像の連続的な視界検査は難しい。
本研究では,2次元円カーネル時系列変換,統計的およびエントロピー尺度を用いて,機械学習による太陽活動の追跡手法を開発した。
この技術は、太陽観測画像断面を1次元時系列(1-DTS)に変換し、統計的およびエントロピー的測度(Approach)を計測する。
1)と直接分類(応用)
2) 機械学習分類のための1-DTSから抽出した特徴を'solar storm'と'no storm'にキャプチャするために使用される。
その結果、太陽活動の追跡におけるモデルの有効性は、アプローチ1では0.981、アプローチ2では0.999であることがわかった。
太陽観測衛星画像の回転変換への発展アプローチの安定性は明らかである。
Approach 1 の当初のデータセットをトレーニングすると、太陽嵐領域の分布の一致指数 (T90) は T90 ~ 0.993 となり、また Approach 2 は T90 ~ 0.951 となる。
また、拡張トレーニングベースを使用すると、マッチ指数はt90〜0.994とt90〜1に増加した。
このモデルは、太陽嵐に関連する渦巻く磁気線の領域を一貫して分類し、画像の回転、彩度、光学的アーティファクトに頑健である。
関連論文リスト
- Empowering Snapshot Compressive Imaging: Spatial-Spectral State Space Model with Across-Scanning and Local Enhancement [51.557804095896174]
AsLE-SSMという,グローバルな局所的バランスの取れたコンテキストエンコーディングとチャネル間相互作用の促進に空間スペクトルSSMを用いる状態空間モデルを導入する。
実験の結果,ASLE-SSMは既存の最先端手法よりも優れており,推定速度はTransformerベースのMSTより2.4倍速く,パラメータの0.12(M)を節約できることがわかった。
論文 参考訳（メタデータ） (2024-08-01T15:14:10Z) - MLMT-CNN for Object Detection and Segmentation in Multi-layer and Multi-spectral Images [4.2623421577291225]
画像バンド間の依存関係を利用して3次元ARローカライゼーションを生成するマルチタスク深層学習フレームワークを提案する。
我々のフレームワークは、すべてのモードで平均0.72 IoUと0.90 F1スコアを達成する。
論文 参考訳（メタデータ） (2024-07-19T17:21:53Z) - MoSt-DSA: Modeling Motion and Structural Interactions for Direct Multi-Frame Interpolation in DSA Images [31.357770667947907]
我々は,デジタルサブトラクション・アンギオグラフィーフレームにディープラーニングを用いた最初の研究であるMoSt-DSAを提案する。
未知あるいは粗粒な特徴を抽出する自然シーンビデオフレーム補間(VFI)法とは異なり、フレーム間の動きと構造的コンテキストの相互作用を効率的な完全畳み込み方式でモデル化する汎用モジュールを考案する。
MoSt-DSAは470のDSA画像シーケンスで堅牢な結果を示し、平均SSIMは0.93以上、PSNRは38以上(それぞれ0.030未満、PSNRは3.6以下)、精度、速度、視覚効果を総合的に達成している。
論文 参考訳（メタデータ） (2024-07-09T17:50:54Z) - AlignMiF: Geometry-Aligned Multimodal Implicit Field for LiDAR-Camera
Joint Synthesis [98.3959800235485]
近年,複数のモダリティを単一のフィールド内で探索する手法がいくつか存在しており,異なるモダリティから暗黙的な特徴を共有して再現性能を向上させることを目的としている。
本研究では,LiDAR-カメラ共同合成の多モード暗黙的場に関する包括的解析を行い,その根底にある問題はセンサの誤配にあることを示した。
幾何学的に整合した多モード暗黙の場であるAlignMiFを導入し,2つのモジュール,Geometry-Aware Alignment (GAA) とShared Geometry Initialization (SGI)を提案する。
論文 参考訳（メタデータ） (2024-02-27T13:08:47Z) - Two Scalable Approaches for Burned-Area Mapping Using U-Net and Landsat
Imagery [39.91303506884272]
本研究では,U-Netモデルに基づくバーン・エリアマッピングプロセスの自動化と最適化のための2つのアプローチを提案する。
研究領域の195の代表的な画像に基づくテストでは、ASモデルを用いたデータセットのバランスの向上により、より良いパフォーマンスが得られることが示された。
論文 参考訳（メタデータ） (2023-11-29T05:42:25Z) - Solar Flare Index Prediction Using SDO/HMI Vector Magnetic Data Products
with Statistical and Machine Learning Methods [6.205102537396887]
太陽フレア、特にMクラスとXクラスのフレアは、しばしばコロナ質量放出(CME)と関連している。
本稿では,ARのフレア生産性を定量化する,ARのフレア指数(Frare Index,FI)の予測に対する統計的および機械学習のアプローチを紹介する。
論文 参考訳（メタデータ） (2022-09-28T02:13:33Z) - Detecting Rotated Objects as Gaussian Distributions and Its 3-D
Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。
このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。
回転した物体をガウス分布としてモデル化することを提案する。
2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文 参考訳（メタデータ） (2022-09-22T07:50:48Z) - Predicting Solar Energetic Particles Using SDO/HMI Vector Magnetic Data
Products and a Bidirectional LSTM Network [6.759687230043489]
太陽エネルギー粒子(SEP)は宇宙放射線の重要な源であり、宇宙、宇宙船、技術全般において人類にとって危険である。
本研究では,活動領域(AR)がSEPイベントを発生させるかどうかを,(i)ARがM型またはX型フレアを発生し,(ii)ARがM型またはX型フレアを発生させるか,(ii)ARがCMEに関連付けられているかどうかに関わらずM型またはX型フレアを発生させるかを予測する深層学習手法を提案する。
論文 参考訳（メタデータ） (2022-03-27T21:06:08Z) - Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。
HSI再構成のための深層学習にHSI空間を埋め込んだCST
特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
論文 参考訳（メタデータ） (2022-03-09T16:17:47Z) - Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian
Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。
分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文 参考訳（メタデータ） (2021-03-22T18:06:58Z) - ASFD: Automatic and Scalable Face Detector [129.82350993748258]
ASFD(Automatic and Scalable Face Detector)を提案する。
ASFDはニューラルアーキテクチャ検索技術の組み合わせと新たな損失設計に基づいている。
ASFD-D0は120FPS以上で動作し、MobilenetはVGA解像度の画像を撮影しています。
論文 参考訳（メタデータ） (2020-03-25T06:00:47Z)
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。