論文の概要: Consistent Signal Reconstruction from Streaming Multivariate Time Series
- arxiv url: http://arxiv.org/abs/2308.12459v2
- Date: Wed, 31 Jan 2024 11:56:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-01 20:16:23.936453
- Title: Consistent Signal Reconstruction from Streaming Multivariate Time Series
- Title(参考訳): ストリーミング多変量時系列からの一貫性信号再構成
- Authors: Emilio Ruiz-Moreno, Luis Miguel L\'opez-Ramos, Baltasar
Beferull-Lozano
- Abstract要約: 我々は,ストリーミング時系列データから一貫した信号再構成の概念を初めて定式化する。
提案手法は, 類似しているが非一貫性の再構成と比較して, サンプリングレートで良好な誤差速度の減衰を実現する。
- 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. Solving this problem is of great
importance because such methods could run at a lower computational cost than
the existing offline ones or be used under real-time requirements without
losing the benefits of ensuring consistency. In this paper, we formalize for
the first time the concept of consistent signal reconstruction from streaming
time-series data. Then, we present a signal reconstruction method able to
enforce consistency and also exploit the spatiotemporal dependencies of
streaming multivariate time-series data to further reduce the signal
reconstruction error. 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。
この問題を解決することは、既存のオフライン手法よりも計算コストが低い場合や、一貫性の確保のメリットを失うことなく、リアルタイムな要件の下での使用が可能なため、非常に重要である。
本稿では,ストリーミング時系列データから一貫した信号再構成の概念を初めて定式化する。
そこで,本研究では,一貫性を強制し,多変量時系列データの時空間依存性を利用して信号再構成誤差を低減できる信号再構成手法を提案する。
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
- Deep Equilibrium Diffusion Restoration with Parallel Sampling [127.31325974698993]
拡散に基づく画像復元法の多くは、HQイメージを段階的に復元するために長いシリアルサンプリングチェーンを必要とする。
拡散型IRモデルにおけるサンプリングチェーン全体をモデル化して解析解を導出する。
単イメージサンプリングを並列に行うことができ、トレーニングなしでHQイメージを復元することができます。
論文 参考訳(メタデータ) (2023-11-20T08:27:56Z) - Adapt and Diffuse: Sample-adaptive Reconstruction via Latent Diffusion
Models [27.57600878525296]
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。
本稿では,オートエンコーダの潜伏空間における劣化の重大度を推定する手法を提案する。
推定重大度が真の汚損レベルと強く相関していることを示し,サンプル・バイ・サンプルに基づく復元問題の難しさを示唆する有用なヒントを与える。
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) - ReDi: Efficient Learning-Free Diffusion Inference via Trajectory
Retrieval [68.7008281316644]
ReDiは学習不要なRetrievalベースの拡散サンプリングフレームワークである。
ReDi はモデル推論効率を 2 倍高速化することを示した。
論文 参考訳(メタデータ) (2023-02-05T03:01:28Z) - 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) - Iterative Correction of Sensor Degradation and a Bayesian Multi-Sensor
Data Fusion Method [0.0]
本稿では,劣化信号から地中構造信号を推定する新しい手法を提案する。
アルゴリズムは、2つの信号の繰り返し補正を行うことで乗算分解効果を学習する。
我々は理論的解析を含意し、ノイズレス測定モデルのための地上構造信号への収束性を証明する。
論文 参考訳(メタデータ) (2020-09-07T13:24:47Z)
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。