論文の概要: Super-Resolution of SOHO/MDI Magnetograms of Solar Active Regions Using SDO/HMI Data and an Attention-Aided Convolutional Neural Network
- arxiv url: http://arxiv.org/abs/2403.18302v1
- Date: Wed, 27 Mar 2024 06:58:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-28 18:06:46.044462
- Title: Super-Resolution of SOHO/MDI Magnetograms of Solar Active Regions Using SDO/HMI Data and an Attention-Aided Convolutional Neural Network
- Title（参考訳）: SDO/HMIデータと注意支援畳み込みニューラルネットワークを用いた太陽活動領域のSOHO/MDI磁図の超解像
- Authors: Chunhui Xu, Jason T. L. Wang, Haimin Wang, Haodi Jiang, Qin Li, Yasser Abduallah, Yan Xu,
- Abstract要約: 太陽画像超解像のための注意支援畳み込みニューラルネットワーク(CNN)を提案する。
太陽・ヘリオスフェア天文台(SOHO)に搭載されたミッチェルソンドップラー・イメージラー(MDI)によって収集された太陽活動領域(AR)の視線磁図の質を高めることを目的として,SolarCNNと名付けられた手法を開発した。
実験結果から、SolarCNNは構造類似度指数測定(SSIM)、ピアソン相関係数(PCC)、ピーク信号-雑音比(PSNR)の観点からSOHO/MDI磁気グラムの品質を向上させることが示された。
- 参考スコア（独自算出の注目度）: 4.746722440828454
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image super-resolution has been an important subject in image processing and recognition. Here, we present an attention-aided convolutional neural network (CNN) for solar image super-resolution. Our method, named SolarCNN, aims to enhance the quality of line-of-sight (LOS) magnetograms of solar active regions (ARs) collected by the Michelson Doppler Imager (MDI) on board the Solar and Heliospheric Observatory (SOHO). The ground-truth labels used for training SolarCNN are the LOS magnetograms collected by the Helioseismic and Magnetic Imager (HMI) on board the Solar Dynamics Observatory (SDO). Solar ARs consist of strong magnetic fields in which magnetic energy can suddenly be released to produce extreme space weather events, such as solar flares, coronal mass ejections, and solar energetic particles. SOHO/MDI covers Solar Cycle 23, which is stronger with more eruptive events than Cycle 24. Enhanced SOHO/MDI magnetograms allow for better understanding and forecasting of violent events of space weather. Experimental results show that SolarCNN improves the quality of SOHO/MDI magnetograms in terms of the structural similarity index measure (SSIM), Pearson's correlation coefficient (PCC), and the peak signal-to-noise ratio (PSNR).
- Abstract（参考訳）: 画像超解像は画像処理と認識において重要な課題である。
本稿では、太陽画像超解像のための注意支援畳み込みニューラルネットワーク(CNN)を提案する。
SolarCNNと呼ばれるこの手法は、太陽・半球観測衛星(SOHO)に搭載されたMichelson Doppler Imager(MDI)によって収集された太陽活動領域(AR)のLOS(Line-of-sight)磁図の品質を高めることを目的としている。
ソーラーCNNのトレーニングに使用される地中構造ラベルは、ソーラー・ダイナミクス・オブザーバ (SDO) に搭載されたHelioseismic and Magnetic Imager (HMI) が収集したLOSマグネティックグラムである。
太陽のARは強い磁場で構成されており、太陽フレアやコロナ質量放出、太陽エネルギー粒子のような極端な宇宙の気象現象を発生させるために、突如、磁気エネルギーを放出することができる。
SOHO/MDIは、ソーラーサイクル23をカバーしており、サイクル24より噴火的な事象が多い。
改良されたSOHO/MDIマグネティックグラムは、宇宙気象の激しい出来事をよりよく理解し予測することができる。
実験の結果,SolarCNNは構造類似度指数測定(SSIM),ピアソン相関係数(PCC),ピーク信号-雑音比(PSNR)の観点から,SOHO/MDIマグネティックグラムの品質を向上させることが示された。
関連論文リスト
- Surface Flux Transport Modeling using Physics Informed Neural Networks [0.0]
表面フラックス輸送(SFT)モデリングは、太陽表面の磁束の輸送と進化をシミュレートし、解析するのに役立つ。
本研究では,磁束輸送の解法における機械学習の応用を実証し,その精度を検証した。
SFTを用いたバイポーラ磁気領域(BMR)の進化を研究するための新しい物理情報ニューラルネットワーク(PINN)モデルを開発した。
論文 参考訳（メタデータ） (2024-09-03T09:41:07Z) - Magnetogram-to-Magnetogram: Generative Forecasting of Solar Evolution [0.0]
DDPM(Denoising Diffusion Probabilistic Models)を用いた画像と画像の変換による視線(LoS)磁気グラムの進化予測手法を提案する。
提案手法は,画像品質の「計算機科学メトリクス」と物理精度の「物理メトリクス」を組み合わせて,モデル性能の評価を行う。
その結果, DDPMは, 太陽磁場の動的範囲, 磁束, 活動領域の大きさなどの物理的特徴の維持に有効であることが示唆された。
論文 参考訳（メタデータ） (2024-07-16T12:28:10Z) - Extreme Solar Flare Prediction Using Residual Networks with HMI Magnetograms and Intensitygrams [0.0]
HMI強度図とマグネティックグラムを用いた極端太陽フレアの予測手法を提案する。
強度図から太陽点を検出し、磁気グラムから磁場パッチを抽出することにより、極度のクラスフレアを分類するためにResidual Network(ResNet)を訓練する。
我々のモデルは高精度で、極端太陽フレアを予測し、宇宙天気予報を改善するための堅牢なツールを提供する。
論文 参考訳（メタデータ） (2024-05-23T16:17:16Z) - Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。
ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。
PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
論文 参考訳（メタデータ） (2023-08-31T16:26:17Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - Solar Active Region Magnetogram Image Dataset for Studies of Space
Weather [0.0]
このデータセットには3つのソースからのデータが含まれており、太陽活動領域のSDOヘリオサイスミックおよび磁気画像(HMI)マグネティックグラムを提供する。
このデータセットは、磁気構造、時間の経過とともに進化し、太陽フレアとの関係に関する画像解析や太陽物理学の研究に有用である。
このデータセットは、太陽フレア予測研究のベンチマークデータセットとして機能する、太陽活動領域の一定サイズの画像の、最小限の処理されたユーザーデータセットである。
論文 参考訳（メタデータ） (2023-05-16T14:44:24Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳（メタデータ） (2023-04-14T14:40:32Z) - A Deep Learning Approach to Generating Photospheric Vector Magnetograms
of Solar Active Regions for SOHO/MDI Using SDO/HMI and BBSO Data [22.56276949415464]
我々は,SDO/HMIによるLOSマグネティックグラム,Bx,Byから,H-アルファ観測とともに学習するための新しい深層学習手法MagNetを提案する。
深層学習がSOHO/MDIのための太陽活動領域の球面ベクトル磁気図を生成するのはこれが初めてである。
論文 参考訳（メタデータ） (2022-11-04T06:21:32Z) - Decoupled-and-Coupled Networks: Self-Supervised Hyperspectral Image
Super-Resolution with Subpixel Fusion [67.35540259040806]
サブピクセルレベルのHS超解像フレームワークを提案する。
名前が示すように、DC-Netはまず入力を共通(またはクロスセンサー)とセンサー固有のコンポーネントに分離する。
我々は,CSUネットの裏側に自己教師付き学習モジュールを付加し,素材の整合性を保証し,復元されたHS製品の詳細な外観を向上する。
論文 参考訳（メタデータ） (2022-05-07T23:40:36Z) - VAEBM: A Symbiosis between Variational Autoencoders and Energy-based
Models [84.14682116977433]
エネルギーベースモデル(EBM)は、最近、小さな画像の複雑な分布を表すことに成功している。
VAEBMは、最先端のVAEを使用して、データ分散の全体的なモード構造をキャプチャする。
EBMコンポーネントを使用して、モデルから非データライクな領域を明示的に排除し、イメージサンプルを精査する。
論文 参考訳（メタデータ） (2020-10-01T19:28:28Z) - Learning Latent Space Energy-Based Prior Model [118.86447805707094]
我々はジェネレータモデルの潜在空間でエネルギーベースモデル(EBM)を学習する。
学習したモデルが画像やテキストの生成や異常検出の点で強い性能を示すことを示す。
論文 参考訳（メタデータ） (2020-06-15T08:11:58Z)
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。