論文の概要: Tabular Two-Dimensional Correlation Analysis for Multifaceted Characterization Data

• arxiv url: http://arxiv.org/abs/2311.15703v1
• Date: Mon, 27 Nov 2023 10:41:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-28 15:57:12.953360
• Title: Tabular Two-Dimensional Correlation Analysis for Multifaceted Characterization Data
• Title（参考訳）: 多面キャラクタリゼーションデータの表2次元相関解析
• Authors: Shun Muroga, Satoshi Yamazaki, Koji Michishio, Hideaki Nakajima, Takahiro Morimoto, Nagayasu Oshima, Kazufumi Kobashi, Toshiya Okazaki
• Abstract要約: 多面的特徴量データから特徴量抽出のための2次元相関解析を提案する。 本稿では, 位相ラグ(刺激からの非同期変化)とパラメータ類似性(パラメータ類似性)が, 材料の構造変化のシーケンスを照らし出す方法を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose tabular two-dimensional correlation analysis for extracting features from multifaceted characterization data, essential for understanding material properties. This method visualizes similarities and phase lags in structural parameter changes through heatmaps, combining hierarchical clustering and asynchronous correlations. We applied the proposed method to datasets of carbon nanotube (CNTs) films annealed at various temperatures and revealed the complexity of their hierarchical structures, which include elements like voids, bundles, and amorphous carbon. Our analysis addresses the challenge of attempting to understand the sequence of structural changes, especially in multifaceted characterization data where 11 structural parameters derived from 8 characterization methods interact with complex behavior. The results show how phase lags (asynchronous changes from stimuli) and parameter similarities can illuminate the sequence of structural changes in materials, providing insights into phenomena like the removal of amorphous carbon and graphitization in annealed CNTs. This approach is beneficial even with limited data and holds promise for a wide range of material analyses, demonstrating its potential in elucidating complex material behaviors and properties.
• Abstract（参考訳）: 材料特性の理解に不可欠な多面的特徴データから特徴を抽出するための表2次元相関解析を提案する。 本手法は,階層クラスタリングと非同期相関を組み合わせた熱マップによる構造パラメータ変化の類似性と位相ラグを可視化する。 本研究では,様々な温度でアニールしたカーボンナノチューブ(cnts)フィルムのデータセットに適用し,空洞,バンドル,アモルファス炭素などを含む階層構造の複雑さを明らかにした。 解析では,8つのキャラクタリゼーション法から導出した11個の構造パラメータが複雑な挙動と相互作用する多面的キャラクタリゼーションデータにおいて,構造変化のシーケンスを理解することの課題に対処した。 その結果, アモルファス炭素の除去や熱処理によるCNTの黒鉛化などの現象を解明するために, 位相ラグ(刺激からの非同期変化)とパラメータ類似性が材料の構造変化のシーケンスを照らし出すことができた。 このアプローチは限られたデータであっても有益であり、複雑な物質の挙動や性質を解明する可能性を示す幅広い材料分析の可能性を秘めている。

関連論文リスト

• Induced Covariance for Causal Discovery in Linear Sparse Structures [55.2480439325792]
  因果モデルでは、観測データから変数間の因果関係を解き明かそうとしている。 本稿では,変数が線形に疎結合な関係を示す設定のための新しい因果探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-02T04:01:38Z)
• Benchmark on Drug Target Interaction Modeling from a Structure Perspective [48.60648369785105]
  薬物と標的の相互作用の予測は、薬物の発見と設計に不可欠である。 グラフニューラルネットワーク(GNN)やトランスフォーマーに基づく最近の手法は、さまざまなデータセットで例外的なパフォーマンスを示している。 我々は,GNNベースと暗黙的(トランスフォーマーベース)構造学習アルゴリズムを多用することにより,構造の観点からの薬物-標的相互作用モデリングの総合的な調査とベンチマークを行う。
  論文  参考訳（メタデータ） (2024-07-04T16:56:59Z)
• ComboStoc: Combinatorial Stochasticity for Diffusion Generative Models [65.82630283336051]
  拡散生成モデルの既存のトレーニングスキームにより,次元と属性の組み合わせによって区切られた空間が十分に標本化されていないことを示す。 構造を完全に活用するプロセスを構築し,ComboStocという名前でこの問題に対処する。
  論文  参考訳（メタデータ） (2024-05-22T15:23:10Z)
• Spatio-Temporal Structure Consistency for Semi-supervised Medical Image Classification [8.656046905043876]
  本研究では,新しい時空間構造一貫性(STSC)学習フレームワークを提案する。 具体的には、空間構造整合性と時間構造整合性を組み合わせるために、グラム行列を導出する。 提案手法は最先端のSSL手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-03T04:18:09Z)
• Feature construction using explanations of individual predictions [0.0]
  本稿では,予測モデルのインスタンスベース説明の集約に基づく探索空間の削減手法を提案する。 これらのグループに対する探索の削減が特徴構築の時間を大幅に短縮することを実証的に示す。 いくつかの分類器の分類精度を大幅に向上させ,大規模データセットにおいても提案する特徴構築の実現可能性を示した。
  論文  参考訳（メタデータ） (2023-01-23T18:59:01Z)
• Shining light on data: Geometric data analysis through quantum dynamics [14.315501760755604]
  データ駆動グラフラプラシアンおよび局所波束によって与えられる量子力学的プロセスへの近似から、データ構造がいかに微細な特徴を抽出できるかを示す。 このデータ駆動量子化法は、限られたデータによって誘導されるデータ解析において、新しいが自然な不確実性原理をもたらす。 新型コロナウイルス(COVID-19)パンデミックにおける社会的距離と移動行動のパターンや異常の学習など、現実のデータに対するアルゴリズムといくつかの応用について説明する。
  論文  参考訳（メタデータ） (2022-12-01T17:38:01Z)
• Amortised Inference in Structured Generative Models with Explaining Away [16.92791301062903]
  我々は、複数の変数に対して構造化因子を組み込むために、償却変分推論の出力を拡張した。 パラメータ化された因子は、複雑な図形構造における変分メッセージパッシングと効率的に結合可能であることを示す。 次に、構造化されたモデルと、自由に動くげっ歯類の海馬からの高次元神経スパイク時系列を適合させる。
  論文  参考訳（メタデータ） (2022-09-12T12:52:15Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• SIMONe: View-Invariant, Temporally-Abstracted Object Representations via Unsupervised Video Decomposition [69.90530987240899]
  この問題に対して教師なしの変分法を提案する。 我々のモデルは、RGBビデオ入力のみから2組の潜在表現を推論することを学ぶ。 これは、視点に依存しないアロセントリックな方法でオブジェクト属性を表現する。
  論文  参考訳（メタデータ） (2021-06-07T17:59:23Z)
• Message Passing Networks for Molecules with Tetrahedral Chirality [8.391459650489123]
  四面体キラリティを持つ分子の性質を学習するために、メッセージパッシングニューラルネットワークのための2つのカスタムアグリゲーション関数を開発した。 その結果、ベースラインの総和アグリゲータよりも微妙な改善が見られ、さらなるアーキテクチャ開発の機会が浮かび上がっている。
  論文  参考訳（メタデータ） (2020-11-24T03:03:09Z)
• The role of feature space in atomistic learning [62.997667081978825]
  物理的にインスパイアされた記述子は、原子論シミュレーションへの機械学習技術の応用において重要な役割を果たしている。 異なる記述子のセットを比較するためのフレームワークを導入し、メトリクスとカーネルを使ってそれらを変換するさまざまな方法を紹介します。 原子密度のn-体相関から構築した表現を比較し,低次特徴の利用に伴う情報損失を定量的に評価した。
  論文  参考訳（メタデータ） (2020-09-06T14:12:09Z)

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。