Fugu-MT 論文翻訳(概要): Mars Spectrometry 2: Gas Chromatography -- Second place solution

論文の概要: Mars Spectrometry 2: Gas Chromatography -- Second place solution

arxiv url: http://arxiv.org/abs/2403.15990v1
Date: Sun, 24 Mar 2024 02:55:45 GMT
ステータス: 処理完了
システム内更新日: 2024-03-26 20:12:47.739814
Title: Mars Spectrometry 2: Gas Chromatography -- Second place solution
Title（参考訳）: Mars Spectrometry 2: Gas Chromatography -- Second place Solution
Authors: Dmitry A. Konovalov,
Abstract要約: マーズ・スペクトロメトリー2: ガスクロマトグラフィーの挑戦はNASAが後援し、2022年に実施された。本報告では,コンペティションのテストデータセットにおいて,2番目に高いスコアを得たソリューションについて述べる。
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: The Mars Spectrometry 2: Gas Chromatography challenge was sponsored by NASA and run on the DrivenData competition platform in 2022. This report describes the solution which achieved the second-best score on the competition's test dataset. The solution utilized two-dimensional, image-like representations of the competition's chromatography data samples. A number of different Convolutional Neural Network models were trained and ensembled for the final submission.
Abstract（参考訳）: Mars Spectrometry 2: Gas Chromatography ChallengeはNASAが後援し、2022年にDrivenDataコンペティションプラットフォームで運用された。本報告では,コンペティションのテストデータセットにおいて,2番目に高いスコアを得たソリューションについて述べる。このソリューションは、コンペティションのクロマトグラフィーデータサンプルの2次元のイメージライクな表現を利用した。いくつかの異なる畳み込みニューラルネットワークモデルがトレーニングされ、最終的な提出のために組み立てられた。

関連論文リスト

AIM 2024 Sparse Neural Rendering Challenge: Methods and Results [64.19942455360068]
本稿では,ECCV 2024と共同で開催されるAIM(Advanceds in Image Manipulation)ワークショップの一部であるスパースニューラルレンダリングの課題についてレビューする。この課題は、スパース画像から多様なシーンを合成する新しいカメラビューを作ることである。参加者は、Pak Signal-to-Noise Ratio (PSNR) 測定によって測定された地中真実像に対する客観的忠実度を最適化するよう依頼される。
論文参考訳（メタデータ） (2024-09-23T14:17:40Z)
ConeQuest: A Benchmark for Cone Segmentation on Mars [9.036303895516745]
ConeQuestは、火星の円錐を識別する最初の専門家による公開データセットである。本研究では,(i)空間一般化と(ii)コーンサイズ一般化という2つのベンチマークタスクを提案する。
論文参考訳（メタデータ） (2023-11-15T02:33:08Z)
Analyze Mass Spectrometry data with Artificial Intelligence to assist the understanding of past habitability of Mars and provide insights for future missions [0.0]
本稿では,古代火星の居住可能性検出のための質量分析データへの人工知能の応用について述べる。火星のデータを収集したものの、地球上のあらゆる天体に対して同じアプローチを再現することができる。
論文参考訳（メタデータ） (2023-10-18T11:14:46Z)
On the Equivalence of Graph Convolution and Mixup [70.0121263465133]
本稿では,グラフ畳み込みと混合手法の関係について検討する。 2つの穏やかな条件の下では、グラフの畳み込みはMixupの特別な形式と見なすことができる。グラフ畳み込みネットワーク(GCN)と単純化グラフ畳み込み(SGC)をミックスアップの形で表現できることを証明し、数学的にこの等価性を確立する。
論文参考訳（メタデータ） (2023-09-29T23:09:54Z)
MIPI 2023 Challenge on RGBW Remosaic: Methods and Results [88.53703757370016]
本稿は、MIPI 2023上でのRGBW Joint Remosaic and Denoiseのトラックを要約し、レビューする。合計81人の参加者が登録され、4チームが最終テストフェーズで結果を提出した。本論文では,本課題で開発された上位3モデルについて詳述する。
論文参考訳（メタデータ） (2023-04-20T05:12:42Z)
MIPI 2023 Challenge on RGBW Fusion: Methods and Results [88.53703757370016]
本稿は、MIPI 2023上でのRGBW Joint Fusion and Denoiseのトラックを要約し、レビューする。合計69人の参加者が登録され、4チームが最終テストフェーズで結果を提出した。本論文では,本課題で開発された上位3モデルについて詳述する。
論文参考訳（メタデータ） (2023-04-20T05:02:03Z)
PARAFAC2$\times$N: Coupled Decomposition of Multi-modal Data with Drift in N Modes [0.0]
複数のサンプルに対して、GC$times$GC-TOFMSデータは、I質量スペクトル取得、J質量チャネル、K変調、Lサンプルの4位として表される。クロマトグラフィードリフトは、第1次元(変調)と第2次元(質量スペクトル取得)の両方で一般的である
論文参考訳（メタデータ） (2022-05-06T23:22:22Z)
NTIRE 2021 Multi-modal Aerial View Object Classification Challenge [88.89190054948325]
CVPR の NTIRE 2021 ワークショップと共同で,MAVOC (Multi-modal Aerial View Object Classification) の最初の挑戦を紹介した。この課題は、EOとSAR画像を用いた2つの異なるトラックで構成されている。本コンペティションで提案した最上位の手法について検討し,その成果を目視テストセットで評価する。
論文参考訳（メタデータ） (2021-07-02T16:55:08Z)
Machine Vision based Sample-Tube Localization for Mars Sample Return [3.548901442158138]
マーズ・サンプル・リターン(MSR)アーキテクチャはNASAとESAが共同で研究している。本稿では,MSRのフェッチ部分に着目し,より具体的には火星表面に堆積した試料管を自律的に検出・位置決めする問題について述べる。まず,ハードコードフィルタとチューブの3次元形状モデルを用いたテンプレートマッチングに基づく幾何駆動アプローチと,畳み込みニューラルネットワーク(cnns)に基づくデータ駆動アプローチと学習機能について検討した。
論文参考訳（メタデータ） (2021-03-17T23:09:28Z)
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。