Fugu-MT 論文翻訳(概要): An autoencoder for compressing angle-resolved photoemission spectroscopy data

論文の概要: An autoencoder for compressing angle-resolved photoemission spectroscopy data

arxiv url: http://arxiv.org/abs/2407.04631v1
Date: Fri, 5 Jul 2024 16:41:49 GMT
ステータス: 処理完了
システム内更新日: 2024-07-08 12:41:40.807106
Title: An autoencoder for compressing angle-resolved photoemission spectroscopy data
Title（参考訳）: 角分解光電子分光データ圧縮用オートエンコーダ
Authors: Steinn Ymir Agustsson, Mohammad Ahsanul Haque, Thi Tam Truong, Marco Bianchi, Nikita Klyuchnikov, Davide Mottin, Panagiotis Karras, Philip Hofmann,
Abstract要約: 本稿では, ARPESデータセットを効率よく要約し圧縮する汎用オートエンコーダネットワークである ARPESNet を紹介する。我々は、標準的な3次元ARPESデータセットを$mathbfk$でランダムな方向に沿って切断して抽出した2次元ARPESデータの大規模で多様なデータセットに基づいてARPESNetを訓練する。 ARPESNetのデータ表現能力をテストするために、ARPESNetで圧縮されたデータと離散コサイン変換で圧縮されたデータと、異なるノイズレベルで生データを比較した。
参考スコア（独自算出の注目度）: 10.515573743179266
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Angle-resolved photoemission spectroscopy (ARPES) is a powerful experimental technique to determine the electronic structure of solids. Advances in light sources for ARPES experiments are currently leading to a vast increase of data acquisition rates and data quantity. On the other hand, access time to the most advanced ARPES instruments remains strictly limited, calling for fast, effective, and on-the-fly data analysis tools to exploit this time. In response to this need, we introduce ARPESNet, a versatile autoencoder network that efficiently summmarises and compresses ARPES datasets. We train ARPESNet on a large and varied dataset of 2-dimensional ARPES data extracted by cutting standard 3-dimensional ARPES datasets along random directions in $\mathbf{k}$. To test the data representation capacity of ARPESNet, we compare $k$-means clustering quality between data compressed by ARPESNet, data compressed by discrete cosine transform, and raw data, at different noise levels. ARPESNet data excels in clustering quality despite its high compression ratio.
Abstract（参考訳）: 角度分解光電子分光法(ARPES)は、固体の電子構造を決定するための強力な実験手法である。 ARPES実験のための光源の進歩は、現在、データ取得率とデータ量を大幅に増加させています。一方、最も先進的なARPES機器へのアクセス時間は厳格に制限されており、この時間を利用するために高速で効果的でオンザフライのデータ分析ツールが必要である。このニーズに応えて、ARPESデータセットを効率的に要約し圧縮する汎用オートエンコーダネットワークであるARPESNetを導入する。我々は、標準的な3次元ARPESデータセットを$\mathbf{k}$でランダムな方向に沿って切断して抽出した2次元ARPESデータの大規模かつ多様なデータセット上でARPESNetを訓練する。 ARPESNetのデータ表現能力をテストするために、ARPESNetで圧縮されたデータと離散コサイン変換で圧縮されたデータと、異なるノイズレベルで生データを比較した。 ARPESNetデータは高い圧縮比にもかかわらずクラスタリング品質が優れている。

関連論文リスト

CRA5: Extreme Compression of ERA5 for Portable Global Climate and Weather Research via an Efficient Variational Transformer [22.68937280154092]
気候データを極端に圧縮するために,効率的なニューラルネットワークである変分オートエンコーダ変換器(VAEformer)を導入する。 VAEformerは、気候データにおける既存の最先端圧縮手法よりも優れています。実験により、CRA5データセットでトレーニングされた地球規模の天気予報モデルが、元のデータセットでトレーニングされたモデルに匹敵する予測精度を達成することが示された。
論文参考訳（メタデータ） (2024-05-06T11:30:55Z)
Computationally and Memory-Efficient Robust Predictive Analytics Using Big Data [0.0]
本研究では、データ不確実性、ストレージ制限、ビッグデータを用いた予測データ駆動モデリングの課題をナビゲートする。本稿では,ロバスト主成分分析(RPCA)を有効ノイズ低減と外乱除去に利用し,最適センサ配置(OSP)を効率的なデータ圧縮・記憶に活用する。
論文参考訳（メタデータ） (2024-03-27T22:39:08Z)
Compression of Structured Data with Autoencoders: Provable Benefit of Nonlinearities and Depth [83.15263499262824]
勾配勾配勾配は入力のスパース構造を完全に無視する解に収束することを示す。浅層構造にデノナイジング関数を付加することにより,スパースデータの圧縮におけるガウス性能の改善方法を示す。 CIFAR-10 や MNIST などの画像データセットに対して,本研究の成果を検証した。
論文参考訳（メタデータ） (2024-02-07T16:32:29Z)
Accelerate Support Vector Clustering via Spectrum-Preserving Data Compression [5.825190876052149]
提案手法は,まず圧縮されたデータセットを圧縮し,元のデータセットの鍵クラスタ特性を保ちながら計算する。スペクトル圧縮されたデータセットは、ベクトルクラスタリングをサポートする高速で高品質なアルゴリズムの開発に活用される。
論文参考訳（メタデータ） (2023-04-19T01:35:05Z)
Towards Data-Efficient Detection Transformers [77.43470797296906]
我々は、ほとんどの検出トランスフォーマーが、小さなデータセットで大きなパフォーマンス低下に悩まされていることを示す。我々はデータ効率に影響を与える要因を、データ効率のRCNNから代表DETRへのステップバイステップ遷移によって実証的に分析する。本稿では,よりリッチな監視とデータ効率向上を目的とした,シンプルながら効果的なラベル拡張手法を提案する。
論文参考訳（メタデータ） (2022-03-17T17:56:34Z)
Deep Reinforcement Learning Assisted Federated Learning Algorithm for Data Management of IIoT [82.33080550378068]
産業用IoT(Industrial Internet of Things)の継続的な拡大により、IIoT機器は毎回大量のユーザデータを生成する。 IIoTの分野で、これらの時系列データを効率的かつ安全な方法で管理する方法は、依然として未解決の問題である。本稿では,無線ネットワーク環境におけるIIoT機器データ管理におけるFL技術の適用について検討する。
論文参考訳（メタデータ） (2022-02-03T07:12:36Z)
Anchor-free Oriented Proposal Generator for Object Detection [59.54125119453818]
オブジェクト指向物体検出はリモートセンシング画像解釈において実用的で困難な課題である。今日では、指向性検出器は主に水平方向の箱を中間体として使用し、それらから指向性のある箱を導出している。本稿では,ネットワークアーキテクチャから水平ボックス関連操作を放棄する,AOPG(Anchor-free Oriented Proposal Generator)を提案する。
論文参考訳（メタデータ） (2021-10-05T10:45:51Z)
MuSCLE: Multi Sweep Compression of LiDAR using Deep Entropy Models [78.93424358827528]
本稿では,LiDARセンサデータのストレージストリームを削減するための新しい圧縮アルゴリズムを提案する。本手法は,従来のLiDAR圧縮法よりも接合形状と強度を著しく低減する。
論文参考訳（メタデータ） (2020-11-15T17:41:14Z)
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)
PILArNet: Public Dataset for Particle Imaging Liquid Argon Detectors in High Energy Physics [0.0]
PILArNetは、最初の2Dおよび3Dオープンデータセットで、いくつかの重要な分析タスクに使用される。データセットには、シミュレーションされた30万のサンプルが含まれ、3つの異なるボリュームサイズで記録されている。体積のシミュレーション粒子に関する補助情報を備えたスパース2Dおよび3Dマトリックス形式で効率よく保存される。
論文参考訳（メタデータ） (2020-06-03T00:36:04Z)
OctSqueeze: Octree-Structured Entropy Model for LiDAR Compression [77.8842824702423]
本稿では,LiDAR点雲のメモリフットプリントを削減するための新しいディープ圧縮アルゴリズムを提案する。本手法は,メモリフットプリントを低減するために,点間の間隔と構造的冗長性を利用する。我々のアルゴリズムは、自動運転車などのアプリケーションにおいて、LiDARポイントのオンボードおよびオフボードストレージを減らすために使用できる。
論文参考訳（メタデータ） (2020-05-14T17:48:49Z)

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。