Fugu-MT 論文翻訳(概要): Remote sensing framework for geological mapping via stacked autoencoders and clustering

論文の概要: Remote sensing framework for geological mapping via stacked autoencoders and clustering

arxiv url: http://arxiv.org/abs/2404.02180v1
Date: Tue, 2 Apr 2024 09:15:32 GMT
ステータス: 処理完了
システム内更新日: 2024-04-04 21:38:27.814938
Title: Remote sensing framework for geological mapping via stacked autoencoders and clustering
Title（参考訳）: スタック化されたオートエンコーダとクラスタリングによる地質マッピングのためのリモートセンシングフレームワーク
Authors: Sandeep Nagar, Ehsan Farahbakhsh, Joseph Awange, Rohitash Chandra,
Abstract要約: 地形単位のマッピングのための次元縮小とk平均クラスタリングのために積み重ねられたオートエンコーダを用いて、リモートセンシングデータを処理するための教師なし機械学習フレームワークを提案する。本研究により, 岩盤単位を効率的に識別し, 高精度かつ解釈可能な地質図を作成できることが判明した。
参考スコア（独自算出の注目度）: 0.15833270109954137
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Supervised learning methods for geological mapping via remote sensing face limitations due to the scarcity of accurately labelled training data. In contrast, unsupervised learning methods, such as dimensionality reduction and clustering have the ability to uncover patterns and structures in remote sensing data without relying on predefined labels. Dimensionality reduction methods have the potential to play a crucial role in improving the accuracy of geological maps. Although conventional dimensionality reduction methods may struggle with nonlinear data, unsupervised deep learning models such as autoencoders have the ability to model nonlinear relationship in data. Stacked autoencoders feature multiple interconnected layers to capture hierarchical data representations that can be useful for remote sensing data. In this study, we present an unsupervised machine learning framework for processing remote sensing data by utilizing stacked autoencoders for dimensionality reduction and k-means clustering for mapping geological units. We use the Landsat-8, ASTER, and Sentinel-2 datasets of the Mutawintji region in Western New South Wales, Australia to evaluate the framework for geological mapping. We also provide a comparison of stacked autoencoders with principal component analysis and canonical autoencoders. Our results reveal that the framework produces accurate and interpretable geological maps, efficiently discriminating rock units. We find that the stacked autoencoders provide better accuracy when compared to the counterparts. We also find that the generated maps align with prior geological knowledge of the study area while providing novel insights into geological structures.
Abstract（参考訳）: 正確なラベル付きトレーニングデータの不足によるリモートセンシング顔制限による地質図作成のための教師付き学習法対照的に、次元減少やクラスタリングのような教師なし学習手法は、事前に定義されたラベルに頼ることなく、リモートセンシングデータのパターンや構造を明らかにすることができる。次元性低減法は、地質地図の精度向上に重要な役割を果たす可能性がある。従来の次元減少法は非線形データと競合する可能性があるが、オートエンコーダのような教師なしのディープラーニングモデルは、データの非線形関係をモデル化する能力を持っている。スタックされたオートエンコーダは複数の相互接続されたレイヤを備え、リモートセンシングデータに有用な階層データ表現をキャプチャする。本研究では,地形単位のマッピングのための次元縮小とk平均クラスタリングに積み重ねられたオートエンコーダを用いることで,リモートセンシングデータを処理するための教師なし機械学習フレームワークを提案する。オーストラリア, ニューサウスウェールズ州西部のムタウィンチ地域のランドサット8, ASTER, Sentinel-2データセットを用いて, 地質マッピングの枠組みを評価する。また,重畳されたオートエンコーダと主成分分析および正準オートエンコーダとの比較を行った。本研究により, 岩盤単位を効率的に識別し, 高精度かつ解釈可能な地質図を作成できることが判明した。積み重ねられたオートエンコーダは、それと比較して精度が良いことがわかった。また, 生成した地図は, 地質構造に関する新たな知見を提供しながら, それまでの地質学的知識と一致していることがわかった。

関連論文リスト

Topograph: An efficient Graph-Based Framework for Strictly Topology Preserving Image Segmentation [78.54656076915565]
位相的正しさは多くの画像分割タスクにおいて重要な役割を果たす。ほとんどのネットワークは、Diceのようなピクセル単位の損失関数を使って、トポロジカルな精度を無視して訓練されている。トポロジ的に正確な画像セグメンテーションのための新しいグラフベースのフレームワークを提案する。
論文参考訳（メタデータ） (2024-11-05T16:20:14Z)
Surrogate Modeling of Trajectory Map-matching in Urban Road Networks using Transformer Sequence-to-Sequence Model [1.3812010983144802]
本稿では、オフラインマップマッチングアルゴリズムのサロゲートとして機能するディープラーニングモデル、特にトランスフォーマーベースのエンコーダデコーダモデルを提案する。このモデルは、ニューヨーク州マンハッタンで収集されたGPSトレースを使って訓練され、評価されている。
論文参考訳（メタデータ） (2024-04-18T18:39:23Z)
Local distance preserving auto-encoders using Continuous k-Nearest Neighbours graphs [12.607603625414573]
データ空間から潜在空間へのマッピングにおける局所的な距離を保存する自動エンコーダモデルをいくつか導入する。提案手法は,複数の標準データセットと評価指標にまたがって最先端のパフォーマンスを提供する。
論文参考訳（メタデータ） (2022-06-13T05:38:44Z)
Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
自律運転システムには2つの主要なアルゴリズムアプローチがある。ディープラーニングだけでは、多くの分野で最先端の結果が得られています。しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
論文参考訳（メタデータ） (2022-03-28T20:29:50Z)
Sim-to-Real Domain Adaptation for Lane Detection and Classification in Autonomous Driving [0.0]
教師なしのドメイン適応(UDA)アプローチは低コストで時間を要すると考えられている。自動走行における車線検出と分類のための逆判別および生成手法を用いたUDAスキームを提案する。
論文参考訳（メタデータ） (2022-02-15T02:10:14Z)
AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
論文参考訳（メタデータ） (2022-01-31T20:02:22Z)
Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
論文参考訳（メタデータ） (2021-12-31T10:03:47Z)
G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文参考訳（メタデータ） (2021-01-27T19:28:04Z)
Graph Regularized Autoencoder and its Application in Unsupervised Anomaly Detection [42.86693635734333]
本稿では,最小スパンニングツリー(MST)を用いて局所的な近傍構造を近似し,データ点間の構造保存距離を生成することを提案する。我々は,20個のベンチマーク異常検出データセットに対して,多種多様な代替手法より優れた新しいグラフ正規化オートエンコーダを開発した。
論文参考訳（メタデータ） (2020-10-29T21:17:41Z)
Encoded Prior Sliced Wasserstein AutoEncoder for learning latent manifold representations [0.7614628596146599]
本稿では,Encoded Prior Sliced Wasserstein AutoEncoderを紹介する。追加のプリエンコーダネットワークは、データ多様体の埋め込みを学習する。従来のオートエンコーダとは違って,前者はデータの基盤となる幾何を符号化する。
論文参考訳（メタデータ） (2020-10-02T14:58:54Z)
Dual Adversarial Auto-Encoders for Clustering [152.84443014554745]
教師なしクラスタリングのためのDual-AAE(Dual-AAE)を提案する。 Dual-AAEの目的関数に対する変分推論を行うことで,一対のオートエンコーダをトレーニングすることで最適化可能な新たな再構成損失を導出する。 4つのベンチマーク実験により、Dual-AAEは最先端のクラスタリング手法よりも優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2020-08-23T13:16:34Z)

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。