Fugu-MT 論文翻訳(概要): Dislocation cartography: Representations and unsupervised classification of dislocation networks with unique fingerprints

論文の概要: Dislocation cartography: Representations and unsupervised classification of dislocation networks with unique fingerprints

arxiv url: http://arxiv.org/abs/2406.15004v1
Date: Fri, 21 Jun 2024 09:32:09 GMT
ステータス: 処理完了
システム内更新日: 2024-06-24 14:03:36.853567
Title: Dislocation cartography: Representations and unsupervised classification of dislocation networks with unique fingerprints
Title（参考訳）: 転位地図:ユニークな指紋を持つ転位ネットワークの表現と教師なし分類
Authors: Benjamin Udofia, Tushar Jogi, Markus Stricker,
Abstract要約: 本研究は, 転位構造の高次元密度場データの内在構造を明らかにするために, 多様体学習手法であるIsomapを用いた。結果の地図は転位構造を定量的に比較するための体系的な枠組みを提供し、密度場に基づくユニークな指紋を提供する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Detecting structure in data is the first step to arrive at meaningful representations for systems. This is particularly challenging for dislocation networks evolving as a consequence of plastic deformation of crystalline systems. Our study employs Isomap, a manifold learning technique, to unveil the intrinsic structure of high-dimensional density field data of dislocation structures from different compression axis. The resulting maps provide a systematic framework for quantitatively comparing dislocation structures, offering unique fingerprints based on density fields. Our novel, unbiased approach contributes to the quantitative classification of dislocation structures which can be systematically extended.
Abstract（参考訳）: データ構造を検出することは、システムにとって意味のある表現に到達するための最初のステップである。これは結晶系の塑性変形の結果、転位ネットワークが進化する上で特に困難である。本研究では,異なる圧縮軸からの転位構造の高次元密度場データの固有構造を明らかにするために,Isomapを用いた。結果の地図は転位構造を定量的に比較するための体系的な枠組みを提供し、密度場に基づくユニークな指紋を提供する。我々の新しい非偏見的アプローチは、体系的に拡張できる転位構造の定量的分類に寄与する。

関連論文リスト

Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
生物学的文脈における暗黙の対応の重要性を明らかにする。モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
論文参考訳（メタデータ） (2024-07-14T04:41:16Z)
On Characterizing the Evolution of Embedding Space of Neural Networks using Algebraic Topology [9.537910170141467]
特徴埋め込み空間のトポロジがベッチ数を介してよく訓練されたディープニューラルネットワーク(DNN)の層を通過するとき、どのように変化するかを検討する。深度が増加するにつれて、トポロジカルに複雑なデータセットが単純なデータセットに変換され、ベッチ数はその最小値に達することが示される。
論文参考訳（メタデータ） (2023-11-08T10:45:12Z)
Data-Free Learning of Reduced-Order Kinematics [54.85157881323157]
画像が多様だが低エネルギーな構成のサブ多様体をパラメータ化する低次元マップを作成する。サブスペースを低次元潜在ベクトルを全構成空間にマッピングするニューラルネットワークとして表現する。この定式化は、非常に一般的な物理系において有効である。
論文参考訳（メタデータ） (2023-05-05T20:53:36Z)
NeuralSI: Structural Parameter Identification in Nonlinear Dynamical Systems [9.77270939559057]
本稿では,構造同定のための新しいフレームワークであるNeuralSIについて検討する。提案手法は, 制御方程式から非線形パラメータを推定することを目的とする。トレーニングされたモデルは、標準条件と極端な条件の両方で外挿することもできる。
論文参考訳（メタデータ） (2022-08-26T16:32:51Z)
Intrinsic dimension estimation for discrete metrics [65.5438227932088]
本稿では,離散空間に埋め込まれたデータセットの内在次元(ID)を推定するアルゴリズムを提案する。我々は,その精度をベンチマークデータセットで示すとともに,種鑑定のためのメダゲノミクスデータセットの分析に応用する。このことは、列の空間の高次元性にもかかわらず、蒸発圧が低次元多様体に作用することを示唆している。
論文参考訳（メタデータ） (2022-07-20T06:38:36Z)
Diffusion Mechanism in Residual Neural Network: Theory and Applications [12.573746641284849]
限られたトレーニングサンプルを持つ多くの学習タスクでは、拡散はラベル付きおよびラベルなしのデータポイントを接続する。本稿では,ニューラルネットワークのアーキテクチャへの拡散を内部的に導入する新しい拡散残差ネットワーク(Diff-ResNet)を提案する。構造的データ仮定により,提案した拡散ブロックは,クラス間点の分離性を向上させる距離-距離比を増大させることができることが証明された。
論文参考訳（メタデータ） (2021-05-07T10:42:59Z)
Unveiling the Potential of Structure-Preserving for Weakly Supervised Object Localization [71.79436685992128]
本稿では,WSOLの畳み込み機能に組み込まれた構造情報を完全に活用するための2段階構造保存アクティベーション(SPA)を提案する。第1段階では、分類ネットワークによって引き起こされる構造ミス問題を軽減するために制限アクティベーションモジュール(ram)が設計されている。第2段階では, 自己相関マップ生成(SCG)モジュールと呼ばれるプロセス後アプローチを提案し, 構造保存ローカライゼーションマップを得る。
論文参考訳（メタデータ） (2021-03-08T03:04:14Z)
A novel approach to the classification of terrestrial drainage networks based on deep learning and preliminary results on Solar System bodies [0.0]
深層学習は、地形学と関連分野におけるデータ探索の有効な方法である。我々は,画像によるデータ駆動教師付き学習に基づいて,地球外事例にも拡張した別のアプローチを提案する。初期の難しさにもかかわらず、利用可能なトレーニング画像の数が少なかったことと、排水サンプルの異なる形状間の類似性のために、我々は成功した結果を得ました。
論文参考訳（メタデータ） (2021-03-06T14:05:38Z)
Understanding and Diagnosing Vulnerability under Adversarial Attacks [62.661498155101654]
ディープニューラルネットワーク(DNN)は敵の攻撃に弱いことが知られている。本稿では,潜在変数の分類に使用される特徴を説明するために,新しい解釈可能性手法であるInterpretGANを提案する。また、各層がもたらす脆弱性を定量化する最初の診断方法も設計する。
論文参考訳（メタデータ） (2020-07-17T01:56:28Z)
Capturing scattered discriminative information using a deep architecture in acoustic scene classification [49.86640645460706]
本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。 2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
論文参考訳（メタデータ） (2020-07-09T08:32:06Z)

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。