論文の概要: Encoder-Decoder Neural Networks in Interpretation of X-ray Spectra

• arxiv url: http://arxiv.org/abs/2406.14044v1
• Date: Thu, 20 Jun 2024 07:08:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-21 15:00:17.688320
• Title: Encoder-Decoder Neural Networks in Interpretation of X-ray Spectra
• Title（参考訳）: X線スペクトルの解釈におけるエンコーダ・デコーダニューラルネットワーク
• Authors: Jalmari Passilahti, Anton Vladyka, Johannes Niskanen,
• Abstract要約: シミュレーションX線分光データのエミュレーションと解釈におけるこのアーキテクチャの利用について検討する。 EDNNは対象変数の分散度でECAを上回り、物理用語で潜伏変数を解釈する際の複雑さも発見できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Encoder-decoder neural networks (EDNN) condense information most relevant to the output of the feedforward network to activation values at a bottleneck layer. We study the use of this architecture in emulation and interpretation of simulated X-ray spectroscopic data with the aim to identify key structural characteristics for the spectra, previously studied using emulator-based component analysis (ECA). We find an EDNN to outperform ECA in covered target variable variance, but also discover complications in interpreting the latent variables in physical terms. As a compromise of the benefits of these two approaches, we develop a network where the linear projection of ECA is used, thus maintaining the beneficial characteristics of vector expansion from the latent variables for their interpretation. These results underline the necessity of information recovery after its condensation and identification of decisive structural degrees for the output spectra for a justified interpretation.
• Abstract（参考訳）: エンコーダデコーダニューラルネットワーク(EDNN)は、フィードフォワードネットワークの出力に最も関連性の高い情報をボトルネック層におけるアクティベーション値に収束させる。 本研究では,エミュレータを用いた成分分析 (ECA) を用いて従来研究されてきたスペクトルの重要構造特性の同定を目的とした,シミュレーションX線分光データのエミュレーションと解釈におけるこのアーキテクチャの利用について検討する。 EDNNは対象変数の分散度でECAを上回り、物理用語で潜伏変数を解釈する際の複雑さも発見できる。 これら2つのアプローチの利点の妥協として,ECAの線形射影を用いたネットワークを開発し,その解釈のために潜伏変数からのベクトル展開の有益な特性を維持する。 これらの結果は、その凝縮後の情報回復の必要性と、正当化された解釈のための出力スペクトルに対する決定的構造次数を同定することの要点である。

関連論文リスト

• Advancing Aspect-Based Sentiment Analysis through Deep Learning Models [4.0064131990718606]
  本研究では,セティシィス(SentiSys)と呼ばれる革新的なエッジ強化GCNを導入し,無傷な特徴情報を保存しながら構文グラフをナビゲートする。 実験結果から,SentiSysを用いたアスペクトベース感情分析の性能向上が示された。
  論文  参考訳（メタデータ） (2024-04-04T07:31:56Z)
• HoloNets: Spectral Convolutions do extend to Directed Graphs [59.851175771106625]
  従来の知恵は、スペクトル畳み込みネットワークは無向グラフ上にしか展開できないと規定している。 ここでは、このグラフフーリエ変換への伝統的な依存が超フルであることを示す。 本稿では,新たに開発されたフィルタの周波数応答解釈を行い,フィルタ表現に使用するベースの影響を調査し,ネットワークを基盤とする特性演算子との相互作用について議論する。
  論文  参考訳（メタデータ） (2023-10-03T17:42:09Z)
• Hodge-Aware Contrastive Learning [101.56637264703058]
  単純コンプレックスは、マルチウェイ依存によるデータのモデリングに有効である。 我々は、単純なデータを処理するための対照的な自己教師付き学習手法を開発した。
  論文  参考訳（メタデータ） (2023-09-14T00:40:07Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Algorithmic Hallucinations of Near-Surface Winds: Statistical Downscaling with Generative Adversarial Networks to Convection-Permitting Scales [0.0]
  我々は、畳み込みニューラルネットワークに基づくジェネレーティブ・アドバイサル・ネットワーク(GAN)に焦点を当てる。 気象調査と予測モデルシミュレーションを模擬した高分解能(HR)表面風を生成するために,我々は低分解能(LR)入力にGANを条件付けている。 本研究は、コンピュータビジョン分野からの新しい周波数分離(FS)アプローチを実験することにより、現在のSRに基づく統計的ダウンスケーリングに基づいている。
  論文  参考訳（メタデータ） (2023-02-17T06:29:12Z)
• Toward a Geometrical Understanding of Self-supervised Contrastive Learning [55.83778629498769]
  自己教師付き学習(SSL)は、人間のアノテーションがなければ、伝達学習に有効なデータ表現を作成するための最重要技術の一つである。 メインストリームSSL技術は、エンコーダとプロジェクタという2つのカスケードニューラルネットワークを備えた、特定のディープニューラルネットワークアーキテクチャに依存している。 本稿では,データ拡張ポリシーの強みがデータ埋め込みに与える影響について検討する。
  論文  参考訳（メタデータ） (2022-05-13T23:24:48Z)
• NOTMAD: Estimating Bayesian Networks with Sample-Specific Structures and Parameters [70.55488722439239]
  提案するNOTMADは,サンプルコンテキストに応じてアーキティパルネットワークの混合を学習する。 患者固有の遺伝子発現ネットワークを含む分析および実験を通じて,NOTMADとサンプル特異的ネットワーク推論の有用性を実証する。
  論文  参考訳（メタデータ） (2021-11-01T17:17:34Z)
• Variational Autoencoders: A Harmonic Perspective [79.49579654743341]
  本研究では,高調波解析の観点から変分オートエンコーダ(VAE)について検討する。 VAEのエンコーダ分散は、VAEエンコーダとデコーダニューラルネットワークによってパラメータ化された関数の周波数内容を制御する。
  論文  参考訳（メタデータ） (2021-05-31T10:39:25Z)
• Spectral Analysis for Semantic Segmentation with Applications on Feature Truncation and Weak Annotation [19.967870811543737]
  U-NetのようなSSNNの精度とトレーニングコストの顕著なバランスが存在する。 本稿では,ダウンサンプルグリッドの分解能,損失関数,SSNNの精度の相関関係をスペクトル解析により解析する。
  論文  参考訳（メタデータ） (2020-12-28T07:18:25Z)

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。