Fugu-MT 論文翻訳(概要): Convolutional Neural Networks for signal detection in real LIGO data

論文の概要: Convolutional Neural Networks for signal detection in real LIGO data

arxiv url: http://arxiv.org/abs/2402.07492v1
Date: Mon, 12 Feb 2024 09:00:27 GMT
ステータス: 処理完了
システム内更新日: 2024-02-13 14:54:16.360059
Title: Convolutional Neural Networks for signal detection in real LIGO data
Title（参考訳）: 畳み込みニューラルネットワークによる実ligoデータの信号検出
Authors: Ond\v{r}ej Zelenka, Bernd Br\"ugmann, and Frank Ohme
Abstract要約: 本稿では、チームTPI FSU Jenaからの提出と、その更新版について述べる。また、我々のアルゴリズムを実際のO3bデータに適用し、GWTC-3カタログの関連するイベントを復元する。
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: Searching the data of gravitational-wave detectors for signals from compact binary mergers is a computationally demanding task. Recently, machine learning algorithms have been proposed to address current and future challenges. However, the results of these publications often differ greatly due to differing choices in the evaluation procedure. The Machine Learning Gravitational-Wave Search Challenge was organized to resolve these issues and produce a unified framework for machine-learning search evaluation. Six teams submitted contributions, four of which are based on machine learning methods and two are state-of-the-art production analyses. This paper describes the submission from the team TPI FSU Jena and its updated variant. We also apply our algorithm to real O3b data and recover the relevant events of the GWTC-3 catalog.
Abstract（参考訳）: コンパクトな二元融合からの信号に対する重力波検出器のデータを探すことは、計算的に要求されるタスクである。近年,現状と今後の課題に対処する機械学習アルゴリズムが提案されている。しかし、評価方法の異なる選択により、これらの出版物の結果は大きく異なることが多い。機械学習重力波探索チャレンジは、これらの問題を解決し、機械学習検索評価のための統一されたフレームワークを作成するために設立された。 6チームがコントリビュートを行い、そのうち4つが機械学習メソッドに基づいており、2つが最先端の生産分析である。本稿では、チームTPI FSU Jenaからの提出と、その更新版について述べる。また、我々のアルゴリズムを実際のO3bデータに適用し、GWTC-3カタログの関連するイベントを復元する。

関連論文リスト

IR2: Information Regularization for Information Retrieval [2.4816250611120547]
本稿では,情報検索のための情報正規化手法IR2について述べる。実験結果から,我々の正則化手法は,検討したタスクにおいて,従来の合成クエリ生成手法より優れているだけでなく,コストを最大50%削減できることが示唆された。
論文参考訳（メタデータ） (2024-02-25T21:25:06Z)
On Designing Features for Condition Monitoring of Rotating Machines [7.830376406370754]
回転機械の故障認識のための入力特徴を設計するための様々な手法が提案されている。本稿では,異なる時系列センサデータに対する特徴抽出を統一する入力特徴を設計するための新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-02-15T14:08:08Z)
MLGWSC-1: The first Machine Learning Gravitational-Wave Search Mock Data Challenge [110.7678032481059]
第1回機械学習重力波探索モックデータチャレンジ(MLGWSC-1)の結果を示す。この課題のために、参加するグループは、より現実的な雑音に埋め込まれた複雑さと持続期間が増大する二元ブラックホールの融合から重力波信号を特定する必要があった。この結果から,現在の機械学習検索アルゴリズムは,限られたパラメータ領域においてすでに十分敏感である可能性が示唆された。
論文参考訳（メタデータ） (2022-09-22T16:44:59Z)
Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
論文参考訳（メタデータ） (2021-11-03T03:50:48Z)
An Empirical Evaluation of the t-SNE Algorithm for Data Visualization in Structural Engineering [2.4493299476776773]
t-Distributed Neighbor Embedding (t-SNE)アルゴリズムは、可視化目的で設定された地震関連データセットの寸法を縮小するために用いられる。 SMOTE(Synthetic Minority Oversampling Technique)は、このようなデータセットの不均衡な性質に対処するために用いられる。トレーニングデータセットにおけるt-SNEとSMOTEを用いて、ニューラルネットワーク分類器は精度を犠牲にすることなく、有望な結果が得られることを示す。
論文参考訳（メタデータ） (2021-09-18T01:24:39Z)
Feature Extraction for Machine Learning-based Intrusion Detection in IoT Networks [6.6147550436077776]
本稿では, 特徴量削減 (FR) と機械学習 (ML) の手法が, 様々なデータセットにまたがって一般化できるかどうかを明らかにすることを目的とする。主成分分析(PCA)、自動エンコーダ(AE)、線形識別分析(LDA)の3つの特徴抽出(FE)アルゴリズムの検出精度を評価する。
論文参考訳（メタデータ） (2021-08-28T23:52:18Z)
On-board Volcanic Eruption Detection through CNNs and Satellite Multispectral Imagery [59.442493247857755]
著者らは、最初のプロトタイプと、AIモデルが“ロード”される可能性の研究を提案している。ケーススタディでは,早期に警報を発生させる方法として,火山噴火の検出について検討することにした。 2つの畳み込みニューラルネットワークが提案され、作成され、実際のハードウェア上でそれらを正しく実装する方法も示されている。
論文参考訳（メタデータ） (2021-06-29T11:52:43Z)
Data augmentation and feature selection for automatic model recommendation in computational physics [0.0]
本稿では,トレーニングデータの欠如,高次元化,物理データへの共通データ拡張手法の適用性に関する2つのアルゴリズムを紹介する。 6つの多層パーセプトロンとリッジロジスティック回帰からなる積み重ねアンサンブルを組み合わせると、非線形構造力学の分類問題において90%の精度が得られる。
論文参考訳（メタデータ） (2021-01-12T15:09:11Z)
Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文参考訳（メタデータ） (2020-12-29T23:43:16Z)
A Novel Anomaly Detection Algorithm for Hybrid Production Systems based on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文参考訳（メタデータ） (2020-10-29T08:27:43Z)
Deep Dense and Convolutional Autoencoders for Unsupervised Anomaly Detection in Machine Condition Sounds [55.18259748448095]
本報告では,DCASE 2020 チャレンジの第2タスクのために開発された2つの手法について述べる。この課題には、異常音を検出する教師なしの学習が含まれており、トレーニングプロセス中に通常の機械作業条件サンプルのみが利用可能である。この2つの手法は、メルスペクトグラム処理された音響特徴を用いた密集的および畳み込み的アーキテクチャに基づくディープオートエンコーダを含む。
論文参考訳（メタデータ） (2020-06-18T10:49:49Z)

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。