論文の概要: Multi-scale Residual Transformer for VLF Lightning Transients
Classification
- arxiv url: http://arxiv.org/abs/2312.04163v1
- Date: Thu, 7 Dec 2023 09:26:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-08 15:29:10.566234
- Title: Multi-scale Residual Transformer for VLF Lightning Transients
Classification
- Title(参考訳): vlf雷過渡分類のためのマルチスケール残差変圧器
- Authors: Jinghao Sun, Tingting Ji, Guoyu Wang, Rui Wang
- Abstract要約: VLFの干渉やノイズを低減するためには、正確な雷信号の分類が重要である。
近年、ディープラーニング、特に畳み込みニューラルネットワーク(CNN)の進化は、雷の分類に変化をもたらした。
本研究では、複雑なパターンを識別するだけでなく、入力雷信号列の異なる側面の意義を重み付けする革新的なマルチスケール残差変換(MRTransformer)を提案する。
- 参考スコア(独自算出の注目度): 8.484339601339325
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The utilization of Very Low Frequency (VLF) electromagnetic signals in
navigation systems is widespread. However, the non-stationary behavior of
lightning signals can affect VLF electromagnetic signal transmission.
Accurately classifying lightning signals is important for reducing interference
and noise in VLF, thereby improving the reliability and overall performance of
navigation systems. In recent years, the evolution of deep learning,
specifically Convolutional Neural Network (CNNs), has sparked a transformation
in lightning classification, surpassing traditional statistical methodologies.
Existing CNN models have limitations as they overlook the diverse attributes of
lightning signals across different scales and neglect the significance of
temporal sequencing in sequential signals. This study introduces an innovative
multi-scale residual transform (MRTransformer) that not only has the ability to
discern intricate fine-grained patterns while also weighing the significance of
different aspects within the input lightning signal sequence. This model
performs the attributes of the lightning signal across different scales and the
level of accuracy reached 90% in the classification. In future work, this model
has the potential applied to a comprehensive understanding of the localization
and waveform characteristics of lightning signals.
- Abstract(参考訳): ナビゲーションシステムにおける超低周波(VLF)電磁信号の利用が広く行われている。
しかし、稲妻信号の非定常挙動はvlf電磁信号伝送に影響を及ぼす可能性がある。
VLFの干渉やノイズを低減し、ナビゲーションシステムの信頼性と全体的な性能を向上させるために、正確な雷信号の分類が重要である。
近年、深層学習、特に畳み込みニューラルネットワーク(cnns)の進化は、従来の統計手法を上回って、雷の分類に変化をもたらした。
既存のcnnモデルは、様々なスケールにわたる雷信号の多様な特性を見落とし、シーケンシャル信号における時間的シークエンシングの重要性を無視するため、制限がある。
本研究では, 複雑な細粒度パターンを識別できるだけでなく, 入力雷信号列の異なる側面の意義を重く評価できる, 革新的なマルチスケール残差変換 (mrtransformer) を提案する。
このモデルは、異なるスケールで雷信号の属性を実行し、精度のレベルは分類で90%に達する。
今後の研究において、このモデルは雷信号の定位と波形特性の包括的理解に応用される可能性がある。
関連論文リスト
- STAF: Sinusoidal Trainable Activation Functions for Implicit Neural Representation [7.2888019138115245]
Inlicit Neural Representations (INR) は、連続的な信号をモデリングするための強力なフレームワークとして登場した。
ReLUベースのネットワークのスペクトルバイアスは、十分に確立された制限であり、ターゲット信号の微細な詳細を捕捉する能力を制限する。
Sinusoidal Trainable Function Activation (STAF)について紹介する。
STAFは本質的に周波数成分を変調し、自己適応型スペクトル学習を可能にする。
論文 参考訳(メタデータ) (2025-02-02T18:29:33Z) - Radar Signal Recognition through Self-Supervised Learning and Domain Adaptation [48.265859815346985]
RFサンプルとラベルを限定した環境下でのレーダ信号認識を強化するための自己教師付き学習(SSL)手法を提案する。
具体的には,各種RF領域のベースバンド内位相および2次(I/Q)信号に対する事前学習マスク付きオートエンコーダ(MAE)について検討する。
その結果,ドメイン適応型軽量自己教師型ResNetモデルでは,1ショットの分類精度が最大17.5%向上した。
論文 参考訳(メタデータ) (2025-01-07T01:35:56Z) - Efficient representation learning of scintillation signal characteristics with spectrum-inspired temporal neural networks [1.124958340749622]
シンチレータを用いた核放射線検出器は、粒子・高エネルギー物理実験、核医学イメージング、産業・環境検出等に広く利用されている。
本稿では,従来の時系列解析に基づくシンチレーション信号のキャラクタリゼーションに適したネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2024-10-09T02:44:53Z) - Multi-task Learning for Radar Signal Characterisation [48.265859815346985]
本稿では,マルチタスク学習(MTL)問題として,レーダ信号の分類と特徴化に取り組むためのアプローチを提案する。
本稿では,複数のレグレッションタスクと分類タスクを同時最適化するIQST(IQ Signal Transformer)を提案する。
合成レーダデータセット上で提案したMTLモデルの性能を示すとともに,レーダ信号の特徴付けのための一級ベンチマークも提供する。
論文 参考訳(メタデータ) (2023-06-19T12:01:28Z) - Power Quality Event Recognition and Classification Using an Online
Sequential Extreme Learning Machine Network based on Wavelets [0.0]
本研究では,過渡条件下での電力品質問題を検出するために,ウェーブレットに基づくオンラインシーケンス・エクストリーム・ラーニング・マシン(OS-ELM)分類器の試作と試験を行った。
様々なタイプのパワー障害を検出し、分類する能力を示すために、いくつかの一時的なイベントが使用された。
論文 参考訳(メタデータ) (2022-12-27T06:33:46Z) - Detecting train driveshaft damages using accelerometer signals and
Differential Convolutional Neural Networks [67.60224656603823]
本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。
その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
論文 参考訳(メタデータ) (2022-11-15T15:04:06Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳(メタデータ) (2022-06-29T23:22:18Z) - Classification of Intra-Pulse Modulation of Radar Signals by Feature
Fusion Based Convolutional Neural Networks [5.199765487172328]
本研究では、パルス内変調型レーダ信号を自動的に認識するディープラーニングに基づく新しい手法を提案する。
提案するFF-CNN技術は,現在の最先端技術よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-05-19T20:18:17Z) - Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。
ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
論文 参考訳(メタデータ) (2022-01-20T06:36:35Z) - Over-the-Air Federated Learning from Heterogeneous Data [107.05618009955094]
フェデレートラーニング(Federated Learning、FL)は、集中型モデルの分散ラーニングのためのフレームワークである。
我々は,共通局所勾配勾配勾配(SGD)FLアルゴリズムを強化するコンバージェント OTA FL (COTAF) アルゴリズムを開発した。
我々は,COTAFにより誘導されるプリコーディングが,OTA FLを用いて訓練されたモデルの収束率と精度を顕著に向上させることを示す。
論文 参考訳(メタデータ) (2020-09-27T08:28:25Z)
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。