論文の概要: Zero-delay Consistent Signal Reconstruction from Streamed Multivariate Time Series

• arxiv url: http://arxiv.org/abs/2308.12459v1
• Date: Wed, 23 Aug 2023 22:50:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-25 16:07:29.274453
• Title: Zero-delay Consistent Signal Reconstruction from Streamed Multivariate Time Series
• Title（参考訳）: ストリーム型多変量時系列からのゼロ遅延一貫性信号再構成
• Authors: Emilio Ruiz-Moreno, Luis Miguel L\'opez-Ramos, Baltasar Beferull-Lozano
• Abstract要約: 実世界のアナログ信号のデジタル化は、典型的には時間のサンプリングと振幅の離散化を伴う。 実装の観点からは、サンプリングレートが増加するにつれて、一貫した信号再構成手法が有益なエラー率の崩壊を証明している。 本稿では,ゼロ遅延応答条件の下で,ストリーム化された多変量時間系列の量子化区間を連続的に再構成する手法を提案する。
• 参考スコア（独自算出の注目度）: 5.448070998907116
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digitalizing real-world analog signals typically involves sampling in time and discretizing in amplitude. Subsequent signal reconstructions inevitably incur an error that depends on the amplitude resolution and the temporal density of the acquired samples. From an implementation viewpoint, consistent signal reconstruction methods have proven a profitable error-rate decay as the sampling rate increases. Despite that, these results are obtained under offline settings. Therefore, a research gap exists regarding methods for consistent signal reconstruction from data streams. This paper presents a method that consistently reconstructs streamed multivariate time series of quantization intervals under a zero-delay response requirement. On the other hand, previous work has shown that the temporal dependencies within univariate time series can be exploited to reduce the roughness of zero-delay signal reconstructions. This work shows that the spatiotemporal dependencies within multivariate time series can also be exploited to achieve improved results. Specifically, the spatiotemporal dependencies of the multivariate time series are learned, with the assistance of a recurrent neural network, to reduce the roughness of the signal reconstruction on average while ensuring consistency. Our experiments show that our proposed method achieves a favorable error-rate decay with the sampling rate compared to a similar but non-consistent reconstruction.
• Abstract（参考訳）: 実世界のアナログ信号のデジタル化は、通常、サンプリング時間と振幅の離散化を伴う。 その後の信号再構成は、取得したサンプルの振幅分解能と時間密度に依存するエラーを必然的に負う。 実装の観点からは、サンプリング率の増加に伴い、一貫した信号再構成法は利益率の低下を証明している。 それにもかかわらず、これらの結果はオフライン設定で得られる。 したがって、データストリームからの一貫した信号再構成方法に関する研究ギャップが存在する。 本稿では,ゼロ遅延応答条件の下で,ストリーム化された多変量時間系列を連続的に再構成する手法を提案する。 一方、前回の研究では、不定時系列内の時間的依存性を利用してゼロ遅延信号再構成の粗さを低減できることが示されている。 この研究は、多変量時系列内の時空間依存性も活用し、改善された結果が得られることを示す。 具体的には、繰り返しニューラルネットワークの助けを借りて、多変量時系列の時空間依存性を学習し、一貫性を確保しつつ、信号再構成の粗さを平均的に低減する。 提案手法は, 類似しているが非矛盾な再構成に比べて, サンプリング速度で良好な誤差速度の減衰を達成できることを示す。

関連論文リスト

• TSINR: Capturing Temporal Continuity via Implicit Neural Representations for Time Series Anomaly Detection [22.367552254229665]
  時系列異常検出は、データの異常なパターンや、システムの期待する振る舞いからの逸脱を特定することを目的としている。 このタスクでは、教師なし学習を通じてポイントワイド表現を学習するリコンストラクションベースの手法が主流である。 本稿では,暗黙的ニューラル表現(INR)再構成に基づく時系列異常検出手法TSINRを提案する。
  論文  参考訳（メタデータ） (2024-11-18T15:19:54Z)
• Improving Diffusion Inverse Problem Solving with Decoupled Noise Annealing [84.97865583302244]
  本稿では,新しいノイズアニーリングプロセスに依存するDAPS (Decoupled Annealing Posterior Sampling) 法を提案する。 DAPSは、複数の画像復元タスクにおけるサンプル品質と安定性を著しく改善する。 例えば、フェーズ検索のためのFFHQ 256データセット上で、PSNRが30.72dBである場合、既存の手法と比較して9.12dBの改善となる。
  論文  参考訳（メタデータ） (2024-07-01T17:59:23Z)
• Collaborative Feedback Discriminative Propagation for Video Super-Resolution [66.61201445650323]
  ビデオ超解像法(VSR)の主な成功は、主に空間情報と時間情報を探索することに由来する。 不正確なアライメントは通常、重要なアーティファクトを備えたアライメント機能につながる。 伝搬モジュールは同じタイムステップ機能のみを前方または後方に伝播する。
  論文  参考訳（メタデータ） (2024-04-06T22:08:20Z)
• Adapt and Diffuse: Sample-adaptive Reconstruction via Latent Diffusion Models [24.5360032541275]
  逆問題は、ノイズや(非線形でない)観測からクリーンな信号を回復することが目的である複数のアプリケーションで発生する。 我々のキーとなる観察は、既存の逆問題解決器のほとんどは、再構成作業の難易度に計算力を適応させる能力が欠如していることである。 オートエンコーダの潜時空間における劣化信号の劣化度を推定するために,$textitseverity encoding$という新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-09-12T23:41:29Z)
• Advancing underwater acoustic target recognition via adaptive data pruning and smoothness-inducing regularization [27.039672355700198]
  本稿では,クロスエントロピーに基づくトレーニングデータにおいて,過度に類似したセグメントを創り出す戦略を提案する。 我々はノイズの多いサンプルを生成し、KLの発散に基づくスムーズネス誘導正則化を適用し、オーバーフィッティングを緩和する。
  論文  参考訳（メタデータ） (2023-04-24T08:30:41Z)
• Shuffled Multi-Channel Sparse Signal Recovery [16.333381000882486]
  サンプルと各チャネル間の通信が途絶えた信号再構成問題として機能する。 この問題は構造化されたラベルなしセンシング問題と等価であることを示し、ユニークなリカバリのための十分な条件を確立する。 本稿では,スパース信号の回復と2チャネルの場合の線形回帰を結合した頑健な再構成手法を提案する。
  論文  参考訳（メタデータ） (2022-12-14T17:46:17Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• A Trainable Approach to Zero-delay Smoothing Spline Interpolation [5.448070998907116]
  スムーズな信号は、データサンプルが利用可能になり、後続のデータにアクセスできなくなると、順次再構成されなければならない。 ここで各ステップは、コストメトリックを最小化しながら、スムーズな信号再構成を保証するピースを出力する。 本稿では,この累積コストを平均でさらに削減するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-03-07T23:38:01Z)
• Deblurring via Stochastic Refinement [85.42730934561101]
  条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。 提案手法は,PSNRなどの歪み指標の点で競合する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:09Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)

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。