論文の概要: Gas Source Localization Using physics Guided Neural Networks

• arxiv url: http://arxiv.org/abs/2405.04151v1
• Date: Tue, 7 May 2024 09:41:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-08 14:39:54.634706
• Title: Gas Source Localization Using physics Guided Neural Networks
• Title（参考訳）: 物理誘導ニューラルネットワークを用いたガス源位置推定
• Authors: Victor Scott Prieto Ruiz, Patrick Hinsen, Thomas Wiedemann, Constantin Christof, Dmitriy Shutin,
• Abstract要約: 提案手法では,物理誘導ニューラルネットワークを用いて,ガス分散とソース位置をネットワーク入力として近似する。 実験の結果, ノイズによる測定でも, 音源の局所化は良好であることがわかった。
• 参考スコア（独自算出の注目度）: 4.974900944107265
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work discusses a novel method for estimating the location of a gas source based on spatially distributed con- centration measurements taken, e.g., by a mobile robot or flying platform that follows a predefined trajectory to collect samples. The proposed approach uses a Physics-Guided Neural Network to approximate the gas dispersion with the source location as an additional network input. After an initial offline training phase, the neural network can be used to efficiently solve the inverse problem of localizing the gas source based on measurements. The proposed approach allows avoiding rather costly numerical simulations of gas physics needed for solving inverse problems. Our experiments show that the method localizes the source well, even when dealing with measurements affected by noise.
• Abstract（参考訳）: 本研究では,移動ロボットや飛行プラットフォームが収集した空間分布のコンセントレーション測定に基づいて,ガス源の位置を推定する新しい手法について述べる。 提案手法では,物理誘導ニューラルネットワークを用いて,ガス分散とソース位置をネットワーク入力として近似する。 最初のオフライントレーニングフェーズの後、ニューラルネットワークを使用して、測定に基づいてガス源をローカライズする逆問題を効率的に解決することができる。 提案手法により、逆問題の解法に必要な気体物理学の比較的コストのかかる数値シミュレーションを回避することができる。 実験の結果, ノイズによる測定でも, 音源の局所化は良好であることがわかった。

関連論文リスト

• Modeling State Shifting via Local-Global Distillation for Event-Frame Gaze Tracking [61.44701715285463]
  本稿では,イベントデータとフレームデータの両方を用いた受動的視線推定の問題に取り組む。 我々は、現在の状態からいくつかの事前登録されたアンカー状態に移行する状態の定量化として、視線推定を再構成する。 大規模視線推定ネットワークを直接学習する代わりに,地域の専門家グループと学生ネットワークを連携させることにより,一般化能力の向上を図る。
  論文  参考訳（メタデータ） (2024-03-31T03:30:37Z)
• Improved off-policy training of diffusion samplers [93.66433483772055]
  本研究では,非正規化密度やエネルギー関数を持つ分布からサンプルを抽出する拡散モデルの訓練問題について検討する。 シミュレーションに基づく変分法や非政治手法など,拡散構造推論手法のベンチマークを行った。 我々の結果は、過去の研究の主張に疑問を投げかけながら、既存のアルゴリズムの相対的な利点を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-02-07T18:51:49Z)
• Applications of ML-Based Surrogates in Bayesian Approaches to Inverse Problems [0.41942958779358674]
  2次元音響波動方程式の雑音解を考慮し、正方形領域上の波源の位置を推定する逆問題を考える。 標準的なニューラルネットワークを代理モデルとして使用することにより、この可能性を数回評価することが可能である。 本研究では,ノイズの多いデータから音源位置を正確に推定できることを実証する。
  論文  参考訳（メタデータ） (2023-10-18T15:32:30Z)
• Decentralized diffusion-based learning under non-parametric limited prior knowledge [6.432713915216638]
  本研究では, 雑音環境下で収集した局所エージェントの測定値から, 非線形現象の拡散に基づくネットワーク学習問題である$m$について検討した。 本研究では、生データ交換を回避し、$m$の知識しか必要としない非パラメトリック学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-05T05:50:07Z)
• GibbsDDRM: A Partially Collapsed Gibbs Sampler for Solving Blind Inverse Problems with Denoising Diffusion Restoration [64.8770356696056]
  本稿では,DDRM(Denoising Diffusion Restoration Models)の拡張であるGibbsDDRMを提案する。 提案手法は問題に依存しないため,様々な逆問題に対して事前学習した拡散モデルを適用することができる。
  論文  参考訳（メタデータ） (2023-01-30T06:27:48Z)
• Dencentralized learning in the presence of low-rank noise [57.18977364494388]
  ネットワーク内のエージェントが収集した観測は、観測ノイズや干渉のために信頼性が低い。 本稿では,各ノードが自身の観測の信頼性を向上させる分散アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-18T09:13:57Z)
• Exploring the efficacy of neural networks for trajectory compression and the inverse problem [0.0]
  非線型軌跡の文脈における初期値問題の解を推定するためにニューラルネットワークを用いる。 目標地点では、半径2kmまでの距離で軌道の初期条件を正確に予測できる。
  論文  参考訳（メタデータ） (2021-07-19T13:05:50Z)
• Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
  ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。 LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。 標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
  論文  参考訳（メタデータ） (2021-06-23T18:00:05Z)
• Supervised learning in Hamiltonian reconstruction from local measurements on eigenstates [0.45880283710344055]
  固有状態の測定を通じてハミルトニアン系を再構成することは、量子物理学において重要な逆問題である。 本研究では,この問題をより深く議論し,ニューラルネットワークによる教師あり学習手法を適用した。
  論文  参考訳（メタデータ） (2020-07-12T11:37:17Z)
• Effective Version Space Reduction for Convolutional Neural Networks [61.84773892603885]
  アクティブラーニングでは、サンプリングバイアスは深刻な矛盾問題を引き起こし、アルゴリズムが最適な仮説を見つけるのを妨げる可能性がある。 本稿では,畳み込みニューラルネットワークを用いた能動学習について,バージョン空間削減の原理的レンズを用いて検討する。
  論文  参考訳（メタデータ） (2020-06-22T17:40:03Z)

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。