論文の概要: Selection of Filters for Photonic Crystal Spectrometer Using Domain-Aware Evolutionary Algorithms

• arxiv url: http://arxiv.org/abs/2410.13657v2
• Date: Fri, 07 Nov 2025 10:34:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-10 14:53:49.384318
• Title: Selection of Filters for Photonic Crystal Spectrometer Using Domain-Aware Evolutionary Algorithms
• Title（参考訳）: ドメイン認識進化アルゴリズムを用いたフォトニック結晶分光器用フィルタの選択
• Authors: Kirill Antonov, Marijn Siemons, Niki van Stein, Thomas H. W. Bäck, Ralf Kohlhaas, Anna V. Kononova,
• Abstract要約: ノイズを伴うガスの検索をモデル化するシミュレータを開発した。 我々は、新しい距離駆動拡張を用いて、トップパフォーマンスのアルゴリズムを改良する。 得られたトップパフォーマンスソリューションは,ベースラインに比べて有意に改善した。
• 参考スコア（独自算出の注目度）: 0.8737619431048763
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work addresses the critical challenge of optimal filter selection for a novel trace gas measurement device. This device uses photonic crystal filters to retrieve trace gas concentrations affected by photon and read noise. The filter selection directly influences the accuracy and precision of the gas retrieval and, therefore, is a crucial performance driver. We formulate the problem as a stochastic combinatorial optimization problem and develop a simulator modeling gas retrieval with noise. Metaheuristics representing various families of optimizers are used to minimize the retrieval error objective function. We improve the top-performing algorithms using our novel distance-driven extensions, which employ metrics on the space of filter selections. This leads to a new adaptation of the Univariate Marginal Distribution Algorithm (UMDA), called the Univariate Marginal Distribution Algorithm Unified by Probabilistic Logic Sampling driven by Distance (UMDA-U-PLS-Dist), equipped with one of the proposed distance metrics as the most efficient and robust solver among the considered ones. We apply this algorithm to obtain a diverse set of high-performing solutions and analyze them to draw general conclusions about better combinations of transmission profiles. The analysis reveals that filters with large local differences in transmission improve the device performance. Moreover, the obtained top-performing solutions show significant improvement compared to the baseline.
• Abstract（参考訳）: 本研究は, 微量ガス測定装置の最適フィルタ選択の課題に対処するものである。 この装置は、フォトニック結晶フィルターを使用して、フォトンおよびリードノイズに影響された微量ガス濃度を検索する。 フィルタ選択は、ガス抽出の精度と精度に直接影響を与え、そのため、重要な性能ドライバである。 本稿では,確率的組合せ最適化問題として問題を定式化し,ノイズを伴うガス検索をモデル化するシミュレータを開発した。 様々なオプティマイザの族を表すメタヒューリスティックスは、検索誤差目的関数の最小化に使用される。 フィルタ選択の空間のメトリクスを利用する新しい距離駆動拡張を用いて、トップパフォーマンスアルゴリズムを改善した。 これにより、Univariate Marginal Distribution Algorithm (UMDA) が新たに導入され、Univariate Marginal Distribution Algorithm (UMDA-U-PLS-Dist) によって統一された確率論的論理サンプリングアルゴリズム (UMDA-U-PLS-Dist) が提案される。 提案アルゴリズムは,多種多様なハイパフォーマンスな解を得るために適用され,それを分析し,伝送プロファイルのより優れた組み合わせに関する一般的な結論を導出する。 分析の結果,送信の局所的な違いが大きいフィルタにより,デバイスの性能が向上することが判明した。 さらに, 得られたトップパフォーマンスソリューションは, ベースラインに比べて有意に改善した。

関連論文リスト

• Vector Optimization with Gaussian Process Bandits [7.049738935364297]
  複数の目的を同時に考慮しなければならない学習問題は、工学、薬物設計、環境管理など、様々な分野においてしばしば発生する。 複数のブラックボックスの目的関数を扱う従来の方法は、目的の選好を取り入れ、それに応じて解空間を探索することに制限がある。 ガウス過程の帯域幅を用いてブラックボックスベクトル最適化を行う適応除去アルゴリズムであるガウス過程を用いたベクトル最適化(VOGP)を提案する。
  論文  参考訳（メタデータ） (2024-12-03T14:47:46Z)
• Beyond Kalman Filters: Deep Learning-Based Filters for Improved Object Tracking [3.5693768338940304]
  本稿では,追跡検出システムのための2つの革新的なデータ駆動フィルタリング手法を提案する。 最初の方法は、トレーニング可能な運動モデルを持つベイズフィルタを用いて、物体の将来の位置を予測する。 第2の方法は、エンドツーエンドのトレーニング可能なフィルタで、検出エラーの修正を学習することでさらに前進する。
  論文  参考訳（メタデータ） (2024-02-15T10:47:44Z)
• 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)
• Implicit Maximum a Posteriori Filtering via Adaptive Optimization [4.767884267554628]
  標準ベイズフィルタ問題を時間変化目標に対する最適化として検討する。 我々のフレームワークは、高次元システムに対して効率的で堅牢でスケーラブルなフィルタをもたらすことを示す。
  論文  参考訳（メタデータ） (2023-11-17T15:30:44Z)
• An Ensemble Score Filter for Tracking High-Dimensional Nonlinear Dynamical Systems [10.997994515823798]
  本研究では,高次元非線形フィルタ問題に対するアンサンブルスコアフィルタ(EnSF)を提案する。 ニューラルネットワークをトレーニングしてスコア関数を近似する既存の拡散モデルとは異なり、トレーニング不要スコア推定を開発する。 EnSFは、最先端のLocal Ensemble Transform Kalman Filter法と比較して、驚くべきパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2023-09-02T16:48:02Z)
• Filter Pruning for Efficient CNNs via Knowledge-driven Differential Filter Sampler [103.97487121678276]
  フィルタプルーニングは同時に計算を加速し、CNNのメモリオーバーヘッドを低減する。 本稿では,MFM(Masked Filter Modeling)フレームワークを用いた知識駆動型微分フィルタサンプリング(KDFS)を提案する。
  論文  参考訳（メタデータ） (2023-07-01T02:28:41Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• A Hybrid SFANC-FxNLMS Algorithm for Active Noise Control based on Deep Learning [17.38644275080562]
  Filtered-X normalized least-mean-square (FxNLMS)アルゴリズムは適応最適化により低い定常誤差を得ることができる。 本稿では,適応アルゴリズムの緩やかな収束を克服するためのハイブリッドSFANC-FxNLMS手法を提案する。 実験の結果,ハイブリッドSFANC-FxNLMSアルゴリズムは高速応答時間,低雑音低減誤差,高強靭性を実現可能であることがわかった。
  論文  参考訳（メタデータ） (2022-08-17T05:42:39Z)
• Filter-enhanced MLP is All You Need for Sequential Recommendation [89.0974365344997]
  オンラインプラットフォームでは、ログされたユーザの行動データはノイズを含まないことは避けられない。 周波数領域の雑音を減衰させる信号処理から,フィルタアルゴリズムのアイデアを借用する。 逐次レコメンデーションタスクのための学習可能なフィルタを備えたオールMLPモデルである textbfFMLP-Rec を提案する。
  論文  参考訳（メタデータ） (2022-02-28T05:49:35Z)
• Direct design of biquad filter cascades with deep learning by sampling random polynomials [5.1118282767275005]
  本研究では, 何百万ものランダムフィルタで学習したニューラルネットワークを用いて, フィルタ係数空間に対する目標規模の応答から直接写像を学習する。 提案手法は,所望の応答に対するフィルタ係数の高速かつ高精度な推定を可能にする。 修正Yule-Walkerや勾配降下などの既存手法と比較し,IIRNetが平均的に高速かつ高精度であることを示す。
  論文  参考訳（メタデータ） (2021-10-07T17:58:08Z)
• Fourier Series Expansion Based Filter Parametrization for Equivariant Convolutions [73.33133942934018]
  2次元フィルタパラメトリゼーション技術は同変畳み込みの設計において重要な役割を果たす。 F-Convというフィルタパラメトリゼーション法に基づく新しい同変畳み込み法 F-Convは、画像超解像タスクにおいて、以前のフィルタパラメトリゼーション法よりも明らかに優れている。
  論文  参考訳（メタデータ） (2021-07-30T10:01:52Z)
• Rethinking Differentiable Search for Mixed-Precision Neural Networks [83.55785779504868]
  低ビット幅に量子化された重みとアクティベーションを持つ低精度ネットワークは、エッジデバイスでの推論を加速するために広く利用されている。 現在の解は均一であり、全てのフィルタに同じビット幅を使用する。 これは異なるフィルタの異なる感度を考慮せず、最適以下である。 混合精度ネットワークは、ビット幅を個々のフィルタ要求に調整することでこの問題に対処する。
  論文  参考訳（メタデータ） (2020-04-13T07:02:23Z)

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。