Fugu-MT 論文翻訳(概要): Variational Auto-Encoder Based Deep Learning Technique For Filling Gaps in Reacting PIV Data

論文の概要: Variational Auto-Encoder Based Deep Learning Technique For Filling Gaps in Reacting PIV Data

arxiv url: http://arxiv.org/abs/2312.06461v1
Date: Mon, 11 Dec 2023 15:50:35 GMT
ステータス: 処理完了
システム内更新日: 2023-12-12 15:07:55.838338
Title: Variational Auto-Encoder Based Deep Learning Technique For Filling Gaps in Reacting PIV Data
Title（参考訳）: 変動型オートエンコーダに基づく深層学習手法によるpivデータのギャップ埋め込み
Authors: Shashank Yellapantula
Abstract要約: 条件変分自動エンコーダ(CVAE)は、燃焼系における粒子画像速度測定(PIV)測定で観測されたギャップを埋めるために用いられる。 CVAE法は, 一般に工業用燃焼器で見られる時間分解ギャップ状PIV場を用いて訓練される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this study, a deep learning based conditional density estimation technique known as conditional variational auto-encoder (CVAE) is used to fill gaps typically observed in particle image velocimetry (PIV) measurements in combustion systems. The proposed CVAE technique is trained using time resolved gappy PIV fields, typically observed in industrially relevant combustors. Stereo-PIV (SPIV) data from a swirl combustor with very a high vector yield is used to showcase the accuracy of the proposed CVAE technique. Various error metrics evaluated on the reconstructed velocity field in the gaps are presented from data sets corresponding to three sets of combustor operating conditions. In addition to accurate data reproduction, the proposed CVAE technique offers data compression by reducing the latent space dimension, enabling the efficient processing of large-scale PIV data.
Abstract（参考訳）: 本研究では, 燃焼系における粒子画像速度測定(PIV)測定で典型的に観測されるギャップを埋めるために, CVAEと呼ばれる深層学習に基づく条件密度推定手法を用いた。 CVAE法は, 一般に工業用燃焼器で見られる時間分解ギャップ状PIV場を用いて訓練される。非常に高いベクトル収率を有するスワール燃焼器からのステレオPIV(SPIV)データを用いて,提案手法の精度を示す。 3セットの燃焼器運転条件に対応するデータセットから、ギャップ内の再構成速度場で評価した各種誤差メトリクスを提示する。 CVAE法は, 高精度なデータ再生に加えて, 遅延空間次元を低減し, 大規模PIVデータの効率的な処理を可能にする。

関連論文リスト

Improved Anomaly Detection through Conditional Latent Space VAE Ensembles [49.1574468325115]
条件付きラテント空間変分オートエンコーダ(CL-VAE)は、既知の不整形クラスと未知の不整形クラスを持つデータに対する異常検出のための前処理を改善した。モデルでは異常検出の精度が向上し、MNISTデータセットで97.4%のAUCが達成された。さらに、CL-VAEは、アンサンブルの利点、より解釈可能な潜在空間、モデルサイズに制限のある複雑なデータでパターンを学習する能力の増大を示す。
論文参考訳（メタデータ） (2024-10-16T07:48:53Z)
Quanv4EO: Empowering Earth Observation by means of Quanvolutional Neural Networks [62.12107686529827]
本稿は、大量のリモートセンシングデータの処理において、量子コンピューティング技術を活用することへの大きなシフトを取り上げる。提案したQuanv4EOモデルでは,多次元EOデータを前処理するための準進化法が導入された。主要な知見は,提案モデルが画像分類の精度を維持するだけでなく,EOのユースケースの約5%の精度向上を図っていることを示唆している。
論文参考訳（メタデータ） (2024-07-24T09:11:34Z)
Importance-Aware Adaptive Dataset Distillation [53.79746115426363]
ディープラーニングモデルの開発は、大規模データセットの可用性によって実現されている。データセットの蒸留は、大きな元のデータセットから必須情報を保持するコンパクトなデータセットを合成することを目的としている。本稿では, 蒸留性能を向上する重要適応型データセット蒸留(IADD)法を提案する。
論文参考訳（メタデータ） (2024-01-29T03:29:39Z)
Dimensionality Reduction and Dynamical Mode Recognition of Circular Arrays of Flame Oscillators Using Deep Neural Network [7.966402372024724]
本研究では,振動燃焼系における動的モードを認識するための有望な手法 (Bi-LSTM-VAE-WDC) を提案する。具体的には, 燃焼系の高次元時空間データを低次元位相空間に還元するために, Bi-LSTM-VAE次元縮小モデルを導入した。その結果,新しいBi-LSTM-VAE法では位相点の非重複分布が生成され,非教師なしモード認識と分類が効果的であることが示唆された。
論文参考訳（メタデータ） (2023-12-05T03:25:45Z)
Spatio-Temporal Denoising Graph Autoencoders with Data Augmentation for Photovoltaic Timeseries Data Imputation [5.59104299391672]
本稿では,PV電力データ不足を補うために,新しい時空間デノインググラフオートエンコーダ(STD-GAE)フレームワークを提案する。 STD-GAEは、時間的相関、空間コヒーレンス、およびドメイン知識からの値依存性を利用して、欠落したデータを復元する。実験の結果、STD-GAEは計算精度が43.14%向上し、欠落率、季節、欠落シナリオに敏感であることが示されている。
論文参考訳（メタデータ） (2023-02-21T18:16:52Z)
Minimizing the Accumulated Trajectory Error to Improve Dataset Distillation [151.70234052015948]
本稿では,フラットな軌道を求める最適化アルゴリズムを提案する。合成データに基づいてトレーニングされた重みは、平坦な軌道への正規化を伴う累積誤差摂動に対して頑健であることを示す。本手法はFTD (Flat Trajectory Distillation) と呼ばれ, 勾配整合法の性能を最大4.7%向上させる。
論文参考訳（メタデータ） (2022-11-20T15:49:11Z)
Holographic-(V)AE: an end-to-end SO(3)-Equivariant (Variational) Autoencoder in Fourier Space [0.0]
グループ同変ニューラルネットワークは、分類と回帰タスクを解決するためのデータ効率のよいアプローチとして登場した。本稿では,Fourier空間におけるホログラフィックオートエンコーダについて述べる。学習した潜在空間は、球面画像の分類的特徴を効率的に符号化する。
論文参考訳（メタデータ） (2022-09-30T16:25:20Z)
Emulation of greenhouse-gas sensitivities using variational autoencoders [0.0]
LPDM感性のための新しい畳み込み変分時オートコーダ(CVAE)を開発した。 CVAEエミュレータは経験的エミュレーション機能を用いた従来のエミュレータよりも優れていた。提案手法は,高分解能フラックスインバージョンにおいてLPDM出力を生成するのに必要な計算時間を確実に削減するために用いられる。
論文参考訳（メタデータ） (2021-12-22T11:44:37Z)
Efficient training of lightweight neural networks using Online Self-Acquired Knowledge Distillation [51.66271681532262]
オンライン自己獲得知識蒸留(OSAKD)は、ディープニューラルネットワークの性能をオンライン的に向上することを目的としている。出力特徴空間におけるデータサンプルの未知確率分布を推定するために、k-nnノンパラメトリック密度推定手法を用いる。
論文参考訳（メタデータ） (2021-08-26T14:01:04Z)
Neural Particle Image Velocimetry [4.416484585765027]
本稿では,この問題に適応した畳み込みニューラルネットワーク,すなわちボリューム対応ネットワーク(VCN)を紹介する。ネットワークは、合成データと実フローデータの両方を含むデータセット上で、徹底的にトレーニングされ、テストされる。解析の結果,提案手法は現場における他の最先端手法と同等の精度を保ちながら,効率の向上を図っている。
論文参考訳（メタデータ） (2021-01-28T12:03:39Z)
A Computationally Efficient Multiclass Time-Frequency Common Spatial Pattern Analysis on EEG Motor Imagery [164.93739293097605]
共通空間パターン(CSP)は脳波(EEG)運動画像(MI)の一般的な特徴抽出法である本研究では,従来のCSPアルゴリズムを改良し,マルチクラスMI分類精度を改善し,計算処理の効率化を図る。
論文参考訳（メタデータ） (2020-08-25T18:23:50Z)

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。