論文の概要: Correlation between morphological evolution of splashing drop and exerted impact force revealed by interpretation of explainable artificial intelligence

• arxiv url: http://arxiv.org/abs/2309.10266v1
• Date: Tue, 19 Sep 2023 02:40:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-20 16:47:54.503015
• Title: Correlation between morphological evolution of splashing drop and exerted impact force revealed by interpretation of explainable artificial intelligence
• Title（参考訳）: 説明可能な人工知能の解釈による水しぶき落下の形態変化と衝撃力の関係
• Authors: Jingzu Yee, Daichi Igarashi, Pradipto, Akinori Yamanaka, Yoshiyuki Tagawa
• Abstract要約: 本研究は, 着水形態と固体表面の衝突落下による正規化衝撃力との相関関係を明らかにする。 抽出した発散特性について算出した速度は, 正規化衝撃力の分布と密に一致している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study reveals a possible correlation between splashing morphology and the normalized impact force exerted by an impacting drop on a solid surface. This finding is obtained from a newly proposed feature extraction method and a subsequent interpretation of the classification of splashing and non-splashing drops performed by an explainable artificial intelligence (XAI) video classifier. Notably, the values of the weight matrix elements of the XAI that correspond to the extracted features are found to change with the temporal evolution of the drop morphology. We compute the rate of change of the contributions of each frame with respect to the classification value of a video as an important index to quantify the contributions of the extracted splashing and non-splashing features at different impact times to the classification of the XAI model. Remarkably, the rate computed for the extracted splashing features is found to closely match the profile of the normalized impact force, where the splashing features are most pronounced immediately after the normalized impact force reaches its peak value. This study has provided an example that clarifies the relationship between the complex morphological evolution of a splashing drop and physical parameters by interpreting the classification of an XAI video classifier.
• Abstract（参考訳）: 本研究は, 着水形態と固体表面の衝突落下による正規化衝撃力との相関関係を明らかにする。 この発見は、新たに提案された特徴抽出法と、説明可能な人工知能(XAI)ビデオ分類器によって実行されるスプラッシュおよび非スラッシュドロップの分類のその後の解釈から得られる。 特に, 抽出した特徴に対応するXAIの重み行列要素の値は, 落下形態の時間的変化とともに変化することがわかった。 ビデオの分類値に対する各フレームの貢献度の変化率を重要な指標として算出し、xaiモデルの分類に異なるインパクト時間で抽出されたスプラッシュと非スプラッシュの特徴の寄与度を定量化する。 驚くべきことに, 抽出されたスプラッシュ特性に対する計算速度は, スプラッシュ特性が最大値に達した直後に最も発音される正規化衝撃力のプロファイルと密接に一致することがわかった。 本研究は,XAIビデオ分類器の分類を解釈することにより,発散滴の複雑な形態的進化と物理パラメータの関係を明らかにする。

関連論文リスト

• Deterministic versus stochastic dynamical classifiers: opposing random adversarial attacks with noise [0.8795040582681393]
  CVFRモデル(Continuous-Variable Firing Rate、CVFR)は、興奮性生物学的ニューロンの相互交叉ダイナミクスを記述するために用いられる。 このモデルには、ノード間結合行列に自己整合的に埋め込まれた植込み誘引器のセットが供給される。 CVFRモデルの変種も研究され、不可逆的ランダム攻撃に対して堅牢であることが判明し、分類対象の項目が破損した。
  論文  参考訳（メタデータ） (2024-09-20T12:59:16Z)
• Data Attribution for Diffusion Models: Timestep-induced Bias in Influence Estimation [53.27596811146316]
  拡散モデルは、以前の文脈における瞬間的な入出力関係ではなく、一連のタイムステップで操作する。 本稿では、この時間的ダイナミクスを取り入れた拡散トラクInについて、サンプルの損失勾配ノルムが時間ステップに大きく依存していることを確認する。 そこで我々はDiffusion-ReTracを再正規化適応として導入し、興味のあるサンプルを対象にしたトレーニングサンプルの検索を可能にする。
  論文  参考訳（メタデータ） (2024-01-17T07:58:18Z)
• Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
  この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。 本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。 学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
  論文  参考訳（メタデータ） (2024-01-10T02:38:21Z)
• Prawn Morphometrics and Weight Estimation from Images using Deep Learning for Landmark Localization [2.778518997767646]
  我々は,黒トラエビ(Penaeus monodon)をモデル甲殻類として,体重推定と形態計測を自動化するための新しい手法を開発した。 形態計測解析では,検出されたランドマークを用いて5つの重要なエビ形質を抽出した。 実験の結果,新しいDL手法は,精度,堅牢性,効率の点で,既存のDL手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-07-15T07:05:06Z)
• A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
  我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。 突発効果の非パラメトリック分解を可能にする最初の結果を証明する。 説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
  論文  参考訳（メタデータ） (2023-06-08T09:40:28Z)
• Employing Explainable Artificial Intelligence (XAI) Methodologies to Analyze the Correlation between Input Variables and Tensile Strength in Additively Manufactured Samples [0.0]
  本研究では, インフィルパーセンテージ, 層高さ, 押出温度, 印刷速度などの入力パラメータが, 添加物製造による引張強度に及ぼす影響について検討した。 我々は、初めて説明可能な人工知能(XAI)技術を導入し、データの分析とシステムの振る舞いに関する貴重な洞察を得ることを可能にした。 その結果, 浸透率と押出温度が引張強度に最も大きな影響を与えているのに対し, 層高と印刷速度の影響は比較的小さいことがわかった。
  論文  参考訳（メタデータ） (2023-05-28T21:44:25Z)
• A Notion of Feature Importance by Decorrelation and Detection of Trends by Random Forest Regression [1.675857332621569]
  本稿では,よく研究されたGram-Schmidt decorrelation法に基づく特徴重要度の概念を導入する。 本研究では,ランダムな森林回帰を用いてデータ中の傾向を推定する2つの推定手法を提案する。
  論文  参考訳（メタデータ） (2023-03-02T11:01:49Z)
• Features of a Splashing Drop on a Solid Surface and the Temporal Evolution extracted through Image-Sequence Classification using an Interpretable Feedforward Neural Network [0.0]
  隠れ層がゼロの高解釈可能なフィードフォワードニューラルネットワーク(FNN)を用いて固体表面のばね滴の特徴を抽出する。 訓練されたFNNは、空気力学的に持ち上げられたラメラの周りに放出された二次液滴の時間的進化を特定する。
  論文  参考訳（メタデータ） (2022-07-03T07:21:09Z)
• Towards Robust and Adaptive Motion Forecasting: A Causal Representation Perspective [72.55093886515824]
  本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。 我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。 合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-11-29T18:59:09Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• Correct block-design experiments mitigate temporal correlation bias in EEG classification [68.85562949901077]
  [1]の主主張は極めて過大評価されており、他の分析は間違った方法論的選択によって深刻な欠陥を負っていることを示す。 脳波の時間相関が2つの実験環境で同じモデルをテストすることによって分類精度に及ぼす影響について検討した。
  論文  参考訳（メタデータ） (2020-11-25T22:25:21Z)

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。