論文の概要: Efficient Numerical Wave Propagation Enhanced by an End-to-End Deep
Learning Model
- arxiv url: http://arxiv.org/abs/2402.02304v1
- Date: Sun, 4 Feb 2024 00:07:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 20:52:51.326234
- Title: Efficient Numerical Wave Propagation Enhanced by an End-to-End Deep
Learning Model
- Title(参考訳): エンド・ツー・エンド深層学習モデルによる効率的な数値波動伝播
- Authors: Luis Kaiser, Richard Tsai, Christian Klingenberg
- Abstract要約: 本稿では,数値解法と深層学習の要素をエンドツーエンドのフレームワークに統合する新しい統合システムを提案する。
その結果,凝集構造は速度を犠牲にすることなく性能を著しく向上することがわかった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In a variety of scientific and engineering domains, ranging from seismic
modeling to medical imaging, the need for high-fidelity and efficient solutions
for high-frequency wave propagation holds great significance. Recent advances
in wave modeling use sufficiently accurate fine solver outputs to train neural
networks that enhance the accuracy of a fast but inaccurate coarse solver. A
stable and fast solver further allows the use of Parareal, a parallel-in-time
algorithm to retrieve and correct high-frequency wave components. In this paper
we build upon the work of Nguyen and Tsai (2023) and present a novel unified
system that integrates a numerical solver with deep learning components into an
end-to-end framework. In the proposed setting, we investigate refinements to
the neural network architecture, data generation algorithm and Parareal scheme.
Our results show that the cohesive structure significantly improves performance
without sacrificing speed, and demonstrate the importance of temporal dynamics,
as well as Parareal iterations, for accurate wave propagation.
- Abstract(参考訳): 地震モデリングから医用画像まで、さまざまな科学的・工学的な領域において、高周波波動伝播のための高忠実で効率的な解の必要性が重要である。
ウェーブモデリングの最近の進歩は、高速だが不正確な粗い解法の精度を高めるニューラルネットワークの訓練に十分な精度のファインソルバ出力を使用する。
安定かつ高速な解法により、高周波数波成分の検索と修正を行う並列時間アルゴリズムであるPararealが利用可能となる。
本稿では,Nguyen と Tsai (2023) の業績を基盤として,数値解法と深層学習成分をエンドツーエンドフレームワークに統合する統一システムを提案する。
提案手法では,ニューラルネットワークアーキテクチャ,データ生成アルゴリズム,およびPararealスキームの改良について検討する。
その結果, 凝集構造は速度を犠牲にすることなく性能を著しく向上し, 正確な波動伝搬における時間的ダイナミクスとパラレアル反復の重要性が示された。
関連論文リスト
- TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。
時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。
並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
論文 参考訳(メタデータ) (2024-04-15T06:01:48Z) - Dynamic Frame Interpolation in Wavelet Domain [57.25341639095404]
ビデオフレームは、より流動的な視覚体験のためにフレームレートを上げることができる、重要な低レベルな計算ビジョンタスクである。
既存の手法は、高度なモーションモデルと合成ネットワークを利用することで大きな成功を収めた。
WaveletVFIは、同様の精度を維持しながら最大40%の計算を削減できるため、他の最先端技術に対してより効率的に処理できる。
論文 参考訳(メタデータ) (2023-09-07T06:41:15Z) - Machine learning for phase-resolved reconstruction of nonlinear ocean
wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。
提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文 参考訳(メタデータ) (2023-05-18T12:30:26Z) - Synthetic Wave-Geometric Impulse Responses for Improved Speech
Dereverberation [69.1351513309953]
室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。
本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
論文 参考訳(メタデータ) (2022-12-10T20:15:23Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳(メタデータ) (2022-09-29T04:06:00Z) - Solving Seismic Wave Equations on Variable Velocity Models with Fourier
Neural Operator [3.2307366446033945]
本稿では,FNOに基づく解法を効率的に学習するための新しいフレームワークであるFourier Neural operator (PFNO)を提案する。
数値実験により、複雑な速度モデルによるFNOとPFNOの精度が示された。
PFNOは、従来の有限差分法と比較して、大規模なテストデータセットの計算効率が高いことを認めている。
論文 参考訳(メタデータ) (2022-09-25T22:25:57Z) - Seismic wave propagation and inversion with Neural Operators [7.296366040398878]
我々は、最近開発されたNeural Operatorと呼ばれる機械学習パラダイムを用いて、一般的なソリューションを学習するためのプロトタイプフレームワークを開発した。
訓練されたニューラル演算子は、任意の速度構造やソース位置について、無視可能な時間で解を計算することができる。
本手法を2次元音響波動方程式を用いて説明し, 地震トモグラフィへの適用性を実証する。
論文 参考訳(メタデータ) (2021-08-11T19:17:39Z) - Gradient-free optimization of chaotic acoustics with reservoir computing [6.345523830122166]
時間平均音響コスト関数を最小化する設計パラメータを求める多目的最適化法を開発した。
この方法は、勾配のないモデルインフォームドと、エコー状態ネットワークに基づく貯水池計算によるデータ駆動である。
論文 参考訳(メタデータ) (2021-06-17T19:49:45Z) - FDFlowNet: Fast Optical Flow Estimation using a Deep Lightweight Network [12.249680550252327]
我々はFDFlowNet(fast Deep Flownet)と呼ばれるリアルタイム光フロー推定のための軽量で効果的なモデルを提案する。
我々は、PWC-Netの約2倍の速度で、挑戦的なKITTIとSintelベンチマークにおいて、より良い、あるいは同様の精度を達成する。
論文 参考訳(メタデータ) (2020-06-22T14:01:01Z) - Toward fast and accurate human pose estimation via soft-gated skip
connections [97.06882200076096]
本稿では,高精度かつ高効率な人間のポーズ推定について述べる。
我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。
本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
論文 参考訳(メタデータ) (2020-02-25T18:51:51Z) - An Image Enhancing Pattern-based Sparsity for Real-time Inference on
Mobile Devices [58.62801151916888]
パターンと接続性を組み合わせた新しい空間空間,すなわちパターンベースの空間空間を導入し,高度に正確かつハードウェアに親しみやすいものにした。
新たなパターンベースの空間性に対する我々のアプローチは,モバイルプラットフォーム上での高効率DNN実行のためのコンパイラ最適化に自然に適合する。
論文 参考訳(メタデータ) (2020-01-20T16:17:36Z)
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。