Fugu-MT 論文翻訳(概要): Nonlinear Gaussian process tomography with imposed non-negativity constraints on physical quantities for plasma diagnostics

論文の概要: Nonlinear Gaussian process tomography with imposed non-negativity constraints on physical quantities for plasma diagnostics

arxiv url: http://arxiv.org/abs/2410.11454v1
Date: Tue, 15 Oct 2024 10:00:23 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-16 14:00:41.270664
Title: Nonlinear Gaussian process tomography with imposed non-negativity constraints on physical quantities for plasma diagnostics
Title（参考訳）: プラズマ診断のための物理量に非負性制約を課した非線形ガウス過程トモグラフィー
Authors: Kenji Ueda, Masaki Nishiura,
Abstract要約: 我々は,新しいトモグラフィ法,非線形ガウス過程トモグラフィ(非線形GPT)を提案する。プラズマ光診断の放射率などの非負の物理量を確保するために,Laplace近似を用いた。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We propose a novel tomographic method, nonlinear Gaussian process tomography (nonlinear GPT) that employs the Laplace approximation to ensure the non-negative physical quantity, such as the emissivity of plasma optical diagnostics. This new method implements a logarithmic Gaussian process (log-GP) to model plasma distribution more naturally, thereby expanding the limitations of standard GPT, which are restricted to linear problems and may yield non-physical negative values. The effectiveness of the proposed log-GP tomography is demonstrated through a case study using the Ring Trap 1 (RT-1) device, where log-GPT outperforms existing methods, standard GPT, and the Minimum Fisher Information (MFI) methods in terms of reconstruction accuracy. The result highlights the effectiveness of nonlinear GPT for imposing physical constraints in applications to an inverse problem.
Abstract（参考訳）: プラズマ光診断装置の放射率などの非負の物理量を確保するために,Laplace近似を用いた新しいトモグラフィー法,非線形ガウスプロセストモグラフィ(非線形GPT)を提案する。本手法はプラズマ分布をより自然にモデル化するために対数ガウス過程(log-GP)を実装し,線形問題に制限された標準GPTの限界を拡大し,非物理的負の値が得られる。提案手法の有効性は,Ring Trap 1 (RT-1) デバイスを用いたケーススタディにより実証された。その結果、逆問題への応用における物理的な制約を課す非線形GPTの有効性を強調した。

関連論文リスト

Nonlinear bayesian tomography of ion temperature and velocity for Doppler coherence imaging spectroscopy in RT-1 [0.0]
我々はコヒーレンスイメージング分光法(CIS)のための新しいベイズトモグラフィー手法を提案する。プラズマ中のイオン温度と速度分布を同時に再構成する。この研究はCISトモグラフィーの範囲を大きく広げ、プラズマ診断のための堅牢なツールを提供する。
論文参考訳（メタデータ） (2024-10-16T10:07:07Z)
Biomechanics-informed Non-rigid Medical Image Registration and its Inverse Material Property Estimation with Linear and Nonlinear Elasticity [11.39300419376046]
本稿では,生体力学的制約のない医用画像登録と軟組織材料特性の正確な同定を物理インフォームドニューラルネットワーク(PINN)を用いて検討する。複素非線形弾性理論を利用して、満たすべき生体力学的制約の物理法則を表す偏微分方程式(PDE)を正式に確立する。前立腺癌生検の臨床例から、変形しないMRI画像と変形したMR画像のペアを用いて、2つの実験が実施された。
論文参考訳（メタデータ） (2024-07-03T17:26:07Z)
Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文参考訳（メタデータ） (2024-02-15T08:51:49Z)
Model-Based Reparameterization Policy Gradient Methods: Theory and Practical Algorithms [88.74308282658133]
Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
論文参考訳（メタデータ） (2023-10-30T18:43:21Z)
Gradient Descent Provably Solves Nonlinear Tomographic Reconstruction [60.95625458395291]
計算トモグラフィー(CT)では、フォワードモデルは線形変換と、ベル=ランベルト法則に従って光の減衰に基づく指数非線形性によって構成される。金属クラウンを用いた人間の頭蓋骨の商業的再構築と比較すると,このアプローチは金属人工物を減らすことが示されている。
論文参考訳（メタデータ） (2023-10-06T00:47:57Z)
BayesDAG: Gradient-Based Posterior Inference for Causal Discovery [30.027520859604955]
マルコフ・チェイン・モンテカルロと変分推論を組み合わせたスケーラブルな因果探索フレームワークを提案する。本手法では,DAG正則化を必要とせず,直接後部からDAGを採取する。我々は、置換に基づくDAG学習に新しい等価性をもたらし、置換によって定義された緩和された推定器を使用する可能性を開く。
論文参考訳（メタデータ） (2023-07-26T02:34:13Z)
Discrete-Time Nonlinear Feedback Linearization via Physics-Informed Machine Learning [0.0]
非線形システムのフィードバック線形化のための物理インフォームド機械学習手法を提案する。提案したPIMLは従来の数値実装よりも優れていることを示す。
論文参考訳（メタデータ） (2023-03-15T19:03:23Z)
ECG Artifact Removal from Single-Channel Surface EMG Using Fully Convolutional Networks [9.468136300919062]
本研究は,完全畳み込みネットワーク(FCN)を用いた単一チャネルsEMG信号からECGアーチファクトを除去する新しい復号法を提案する。提案手法は,SEMGデノナイズのためのニューラルネットワークのデノエーズオートエンコーダ構造と強力な非線形マッピング機能を採用する。
論文参考訳（メタデータ） (2022-10-24T14:12:11Z)
An Accelerated Doubly Stochastic Gradient Method with Faster Explicit Model Identification [97.28167655721766]
本稿では、分散正規化損失最小化問題に対する2倍加速勾配降下法(ADSGD)を提案する。まず、ADSGDが線形収束率を達成でき、全体的な計算複雑性を低減できることを示す。
論文参考訳（メタデータ） (2022-08-11T22:27:22Z)
Computational Doob's h-transforms for Online Filtering of Discretely Observed Diffusions [65.74069050283998]
本研究では,Doobの$h$-transformsを近似する計算フレームワークを提案する。提案手法は、最先端粒子フィルタよりも桁違いに効率的である。
論文参考訳（メタデータ） (2022-06-07T15:03:05Z)
Sample Complexity Bounds for Two Timescale Value-based Reinforcement Learning Algorithms [65.09383385484007]
2つの時間スケール近似(SA)は、値に基づく強化学習アルゴリズムで広く使われている。本稿では,2つの時間スケール線形および非線形TDCとGreedy-GQアルゴリズムの漸近収束率について検討する。
論文参考訳（メタデータ） (2020-11-10T11:36:30Z)

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。