論文の概要: In-Flight Estimation of Instrument Spectral Response Functions Using Sparse Representations
- arxiv url: http://arxiv.org/abs/2404.05298v1
- Date: Mon, 8 Apr 2024 08:35:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-09 15:04:06.774557
- Title: In-Flight Estimation of Instrument Spectral Response Functions Using Sparse Representations
- Title(参考訳): スパース表現を用いた機器分光応答関数の飛行中推定
- Authors: Jihanne El Haouari, Jean-Michel Gaucel, Christelle Pittet, Jean-Yves Tourneret, Herwig Wendt,
- Abstract要約: 本稿では,辞書に属する原子のスパース表現に基づく新しいISRF推定法について検討する。
提案手法は, より一般的に用いられるパラメトリックモデルと比較して, 非常に競争力が高いことを示す。
- 参考スコア(独自算出の注目度): 7.820031647973761
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Accurate estimates of Instrument Spectral Response Functions (ISRFs) are crucial in order to have a good characterization of high resolution spectrometers. Spectrometers are composed of different optical elements that can induce errors in the measurements and therefore need to be modeled as accurately as possible. Parametric models are currently used to estimate these response functions. However, these models cannot always take into account the diversity of ISRF shapes that are encountered in practical applications. This paper studies a new ISRF estimation method based on a sparse representation of atoms belonging to a dictionary. This method is applied to different high-resolution spectrometers in order to assess its reproducibility for multiple remote sensing missions. The proposed method is shown to be very competitive when compared to the more commonly used parametric models, and yields normalized ISRF estimation errors less than 1%.
- Abstract(参考訳): 高分解能分光器のキャラクタリゼーションを得るためには、ISRFの正確な推定が不可欠である。
分光器は異なる光学素子で構成されており、測定の誤差を誘発し、可能な限り正確にモデル化する必要がある。
現在、これらの応答関数を推定するためにパラメトリックモデルが使われている。
しかし、これらのモデルは、実用用途で遭遇するISRF形状の多様性を常に考慮してはならない。
本稿では,辞書に属する原子のスパース表現に基づく新しいISRF推定法について検討する。
この方法は、複数のリモートセンシングミッションの再現性を評価するために、様々な高分解能分光計に適用される。
提案手法は、より一般的なパラメトリックモデルと比較して非常に競争力があり、正規化ISRF推定誤差は1%未満である。
関連論文リスト
- SMRD: SURE-based Robust MRI Reconstruction with Diffusion Models [76.43625653814911]
拡散モデルは、高い試料品質のため、MRIの再生を加速するために人気を博している。
推論時に柔軟にフォワードモデルを組み込んだまま、効果的にリッチなデータプリエントとして機能することができる。
拡散モデル(SMRD)を用いたSUREに基づくMRI再構成を導入し,テスト時の堅牢性を向上する。
論文 参考訳(メタデータ) (2023-10-03T05:05:35Z) - Sequential Experimental Design for Spectral Measurement: Active Learning
Using a Parametric Model [1.9377646956063705]
分光測定では, 試料の脆性や高エネルギーコストのため, 測定時間を短縮する必要がある。
本研究では,パラメトリックモデルを用いた能動学習によるスペクトル測定の逐次的実験設計について述べる。
論文 参考訳(メタデータ) (2023-05-11T13:21:26Z) - Machine Learning Benchmarks for the Classification of Equivalent Circuit
Models from Electrochemical Impedance Spectra [0.0]
本稿では,BatteryDEVハッカソン用にQuantumScapeが提供する9,300のインピーダンススペクトルを分類する機械学習手法を紹介する。
重要な課題はラベルの識別可能性であり、モデル性能と誤分類スペクトルの比較によって下線化されている。
論文 参考訳(メタデータ) (2023-02-07T10:08:35Z) - Gaussian Process Regression for Absorption Spectra Analysis of Molecular
Dimers [68.8204255655161]
本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。
このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。
実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
論文 参考訳(メタデータ) (2021-12-14T17:46:45Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - A Novel Approach to Radiometric Identification [68.8204255655161]
本稿では,CAPoNeFの特徴工学的手法を用いて,高精度なラジオメトリック同定が可能であることを実証する。
SDRで収集した実験データに基づいて,基本的なML分類アルゴリズムを検証した。
論文 参考訳(メタデータ) (2020-12-02T10:54:44Z) - Differentiable Programming for Hyperspectral Unmixing using a
Physics-based Dispersion Model [9.96234892716562]
本稿では、スペクトル変動を物理に基づくアプローチから考慮し、エンドツーエンドのスペクトルアンミックスアルゴリズムに組み込む。
畳み込みニューラルネットワークを用いた逆レンダリング技術を導入し、トレーニングデータが利用可能な場合のパフォーマンスと速度を向上させる。
結果は、赤外線と近赤外(VNIR)データセットの両方で最先端を達成する。
論文 参考訳(メタデータ) (2020-07-12T14:16:35Z) - GPIRT: A Gaussian Process Model for Item Response Theory [0.0]
項目応答理論(IRT)モデルの目標は、二項観測指標から潜在特性を推定することである。
多くの場合、観察された振る舞いは、従来のIRTモデルのパラメトリックな仮定からかなり逸脱することができる。
論文 参考訳(メタデータ) (2020-06-17T14:35:14Z) - Deep Dimension Reduction for Supervised Representation Learning [51.10448064423656]
本研究は,本質的な特徴を持つ学習表現の次元削減手法を提案する。
提案手法は, 十分次元還元法の非パラメトリック一般化である。
推定された深度非パラメトリック表現は、その余剰リスクが0に収束するという意味で一貫したものであることを示す。
論文 参考訳(メタデータ) (2020-06-10T14:47:43Z) - A lite parametric model for the Hemodynamic Response Function [0.0]
本論文は血行動態応答関数HRFの定性モデルを示す。
他の進歩と異なり、提案モデルは他の類似のHRFモデルと比較してパラメータの数が少ない。
論文 参考訳(メタデータ) (2020-04-28T08:29:41Z) - Machine learning for causal inference: on the use of cross-fit
estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。
平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。
機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文 参考訳(メタデータ) (2020-04-21T23:09:55Z)
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。