論文の概要: High-Quality and Full Bandwidth Seismic Signal Synthesis using Operational GANs
- arxiv url: http://arxiv.org/abs/2407.11040v1
- Date: Sat, 6 Jul 2024 08:07:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 12:09:54.939203
- Title: High-Quality and Full Bandwidth Seismic Signal Synthesis using Operational GANs
- Title(参考訳): 操作型GANを用いた高品質全帯域地震信号合成
- Authors: Ozer Can Devecioglu, Serkan Kiranyaz, Zafer Yilmaz, Onur Avci, Moncef Gabbouj, Ertugrul Taciroglu,
- Abstract要約: そこで我々は,下層センサから取得した信号を変換することで,新しい,高品質,全帯域地震信号合成を提案する。
我々は,新しい損失関数を持つOp-GAN (Operational Generative Adversarial Networks) を用いた。
提案手法は,Simulated Ground Motion (SimGM) ベンチマークデータセット上で広範囲に評価されている。
- 参考スコア(独自算出の注目度): 13.94568670805613
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vibration sensors are essential in acquiring seismic activity for an accurate earthquake assessment. The state-of-the-art sensors can provide the best signal quality and the highest bandwidth; however, their high cost usually hinders a wide range of applicability and coverage, which is otherwise possible with their basic and cheap counterparts. But, their poor quality and low bandwidth can significantly degrade the signal fidelity and result in an imprecise analysis. To address these drawbacks, in this study, we propose a novel, high-quality, and full bandwidth seismic signal synthesis by transforming the signal acquired from an inferior sensor. We employ 1D Operational Generative Adversarial Networks (Op-GANs) with novel loss functions to achieve this. Therefore, the study's key contributions include releasing a new dataset, addressing operational constraints in seismic monitoring, and pioneering a deep-learning transformation technique to create the first virtual seismic sensor. The proposed method is extensively evaluated over the Simulated Ground Motion (SimGM) benchmark dataset, and the results demonstrated that the proposed approach significantly improves the quality and bandwidth of seismic signals acquired from a variety of sensors, including a cheap seismic sensor, the CSN-Phidgets, and the integrated accelerometers of an Android, and iOS phone, to the same level as the state-of-the-art sensor (e.g., Kinemetrics-Episensor). The SimGM dataset, our results, and the optimized PyTorch implementation of the proposed approach are publicly shared.
- Abstract(参考訳): 振動センサは、地震の正確な評価のために地震活動を取得するのに不可欠である。
最先端のセンサーは、最高の信号品質と最高帯域幅を提供することができるが、その高価さは、通常幅広い適用性と適用範囲を妨げる。
しかし、その粗悪な品質と低帯域幅は信号の忠実度を著しく低下させ、不正確な分析をもたらす。
これらの欠点に対処するため,本研究では,下級センサから取得した信号を変換することにより,新しい,高品質でフル帯域の地震信号合成を提案する。
我々は,新しい損失関数を持つOp-GAN (Operational Generative Adversarial Networks) を用いた。
そのため、この研究の重要な貢献は、新しいデータセットの公開、地震モニタリングの運用上の制約への対処、そして最初の仮想地震センサを作成するためのディープラーニング変換技術の開拓である。
提案手法はSimulated Ground Motion (SimGM) ベンチマークデータセットを用いて広範囲に評価され, 提案手法は, 安価な地震センサ, CSN-Phidgets, Android, iOS携帯の加速度計など, 各種センサから取得した地震信号の品質と帯域幅を, 最先端センサ(例えば, Kinemetrics-Episensor)と同じレベルに向上することを示した。
SimGMデータセット、我々の結果、提案手法の最適化されたPyTorch実装を公開共有する。
関連論文リスト
- Quantifying Noise of Dynamic Vision Sensor [49.665407116447454]
動的視覚センサ(DVS)は、大量のバックグラウンドアクティビティ(BA)ノイズによって特徴付けられる。
標準的な画像処理技術を用いて,ノイズとクリーン化センサ信号とを区別することは困難である。
Detrended Fluctuation Analysis (DFA) から得られたBAノイズを特徴付ける新しい手法が提案されている。
論文 参考訳(メタデータ) (2024-04-02T13:43:08Z) - One Masked Model is All You Need for Sensor Fault Detection, Isolation and Accommodation [1.0359008237358598]
マスク付きモデルと自己教師型学習を用いたセンサ故障検出のための新しいフレームワークを提案する。
提案手法を,オフショアGE風力タービンのパブリックデータセットと実世界のデータセットの両方で検証する。
提案手法は,センサ計測の精度と信頼性をリアルタイムに向上する可能性がある。
論文 参考訳(メタデータ) (2024-03-24T13:44:57Z) - Fully Data-Driven Model for Increasing Sampling Rate Frequency of
Seismic Data using Super-Resolution Generative Adversarial Networks [0.0]
本研究では,超解像生成逆数ネットワーク(SRGAN)を用いて,時系列データの分解能を向上させる。
SRGANはこれらの低解像度画像のアップスケールに利用され、全体的なセンサー解像度が向上する。
SRGAN法は実地震データを用いて厳密に評価し,その性能を従来の拡張手法と比較した。
論文 参考訳(メタデータ) (2024-01-31T20:15:35Z) - Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文 参考訳(メタデータ) (2023-12-08T13:50:30Z) - Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User
Experiences [118.91584633024907]
テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
論文 参考訳(メタデータ) (2023-04-29T00:39:50Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - Sensor Sampling Trade-Offs for Air Quality Monitoring With Low-Cost
Sensors [0.1957338076370071]
本研究では, 対流圏オゾン, 二酸化窒素, 一酸化窒素の低コストセンサの校正におけるデータサンプリング戦略の影響について述べる。
具体的には,センササブシステムのデューティサイクルを最小化するサンプリング戦略によって,データ品質を維持しながら消費電力を削減できることを示す。
論文 参考訳(メタデータ) (2021-12-14T11:05:55Z) - Signal Processing and Machine Learning Techniques for Terahertz Sensing:
An Overview [89.09270073549182]
テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。
THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。
本稿では,信号前処理に着目した手法の概要を示す。
また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
論文 参考訳(メタデータ) (2021-04-09T01:38:34Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳(メタデータ) (2021-03-18T11:01:21Z) - GEM: Glare or Gloom, I Can Still See You -- End-to-End Multimodal Object
Detector [11.161639542268015]
厳しい照明条件下での2次元物体検出のためのセンサ対応マルチモーダル融合戦略を提案する。
本ネットワークは,各センサモダリティの測定信頼性をスカラーウェイトとマスクの形で推定する。
提案手法はFLIR-Thermalデータセット上で既存の最先端手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-02-24T14:56:37Z)
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。