論文の概要: Reinforcement Learning for Data-Driven Workflows in Radio Interferometry. I. Principal Demonstration in Calibration

• arxiv url: http://arxiv.org/abs/2410.17135v1
• Date: Tue, 22 Oct 2024 16:07:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-23 14:27:18.579843
• Title: Reinforcement Learning for Data-Driven Workflows in Radio Interferometry. I. Principal Demonstration in Calibration
• Title（参考訳）: 電波干渉計におけるデータ駆動ワークフローの強化学習 I. 校正における主要な実証
• Authors: Brian M. Kirk, Urvashi Rau, Ramyaa Ramyaa,
• Abstract要約: 電波干渉計(Radio Interferometry)は、天体物理学的な現象を研究するために用いられる観測技術である。 干渉計によって収集されたデータは、天文学者が科学的な情報を抽出する前に、かなりの処理を必要とする。 本稿では、干渉法の背後にある原理とデータ処理に必要な手順を簡易に記述する。
• 参考スコア（独自算出の注目度）: 1.167489362272148
• License:
• Abstract: Radio interferometry is an observational technique used to study astrophysical phenomena. Data gathered by an interferometer requires substantial processing before astronomers can extract the scientific information from it. Data processing consists of a sequence of calibration and analysis procedures where choices must be made about the sequence of procedures as well as the specific configuration of the procedure itself. These choices are typically based on a combination of measurable data characteristics, an understanding of the instrument itself, an appreciation of the trade-offs between compute cost and accuracy, and a learned understanding of what is considered "best practice". A metric of absolute correctness is not always available and validity is often subject to human judgment. The underlying principles and software configurations to discern a reasonable workflow for a given dataset is the subject of training workshops for students and scientists. Our goal is to use objective metrics that quantify best practice, and numerically map out the decision space with respect to our metrics. With these objective metrics we demonstrate an automated, data-driven, decision system that is capable of sequencing the optimal action(s) for processing interferometric data. This paper introduces a simplified description of the principles behind interferometry and the procedures required for data processing. We highlight the issues with current automation approaches and propose our ideas for solving these bottlenecks. A prototype is demonstrated and the results are discussed.
• Abstract（参考訳）: 電波干渉計(Radio Interferometry)は、天体物理学的な現象を研究するために用いられる観測技術である。 干渉計によって収集されたデータは、天文学者が科学的な情報を抽出する前に、かなりの処理を必要とする。 データ処理はキャリブレーションと分析の一連の手順で構成されており、手順のシーケンスとプロシージャ自体の特定の構成について選択する必要がある。 これらの選択は典型的には測定可能なデータ特性、楽器自体の理解、計算コストと精度のトレードオフの認識、そして「ベストプラクティス」と見なされるものの理解に基づく。 絶対的正当性の測定基準は必ずしも得られず、有効性はしばしば人間の判断に従う。 与えられたデータセットの適切なワークフローを特定するための基礎となる原則とソフトウェア構成は、学生や科学者のためのトレーニングワークショップのテーマです。 私たちの目標は、ベストプラクティスを定量化する客観的なメトリクスを使用して、メトリクスに関する決定空間を数値的にマップすることにあります。 これらの客観的指標を用いて、干渉データを処理するための最適なアクション(s)をシーケンシング可能な、自動でデータ駆動の意思決定システムを示す。 本稿では、干渉法の背後にある原理とデータ処理に必要な手順を簡易に記述する。 現在の自動化アプローチの問題点を強調し、これらのボトルネックを解決するためのアイデアを提案します。 プロトタイプを実演し、その結果について論じる。

関連論文リスト

• What Do Learning Dynamics Reveal About Generalization in LLM Reasoning? [83.83230167222852]
  モデルの一般化動作は,事前記憶列車の精度と呼ばれるトレーニング指標によって効果的に特徴づけられることがわかった。 モデルの学習行動と一般化を結びつけることで、トレーニング戦略に目標とする改善を導くことができる。
  論文  参考訳（メタデータ） (2024-11-12T09:52:40Z)
• Scalability of memorization-based machine unlearning [2.5782420501870296]
  機械学習(MUL)は、事前訓練されたモデルからデータの特定のサブセットの影響を取り除くことに焦点を当てている。 記憶に基づく未学習法が開発され、未学習の品質に関して例外的な性能を示した。 我々は、一連の記憶スコアプロキシを用いて、最先端の記憶型MULアルゴリズムのスケーラビリティに挑戦する。
  論文  参考訳（メタデータ） (2024-10-21T21:18:39Z)
• Human-in-the-loop Reinforcement Learning for Data Quality Monitoring in Particle Physics Experiments [0.0]
  本稿では,データ品質モニタリングプロセスを自動化するために,人間によるループ強化学習を適用するための概念実証を提案する。 人間の分類におけるランダムな非バイアスノイズが低減され,ベースラインの精度が向上することを示す。
  論文  参考訳（メタデータ） (2024-05-24T12:52:46Z)
• A Self-Commissioning Edge Computing Method for Data-Driven Anomaly Detection in Power Electronic Systems [0.0]
  現場応用のための制御されたラボ環境でうまく機能する手法は、重大な課題を提示する。 オンライン機械学習は、この問題を克服するための強力なツールだが、トレーニングプロセスの安定性と予測可能性を保証する上で、さらなる課題がもたらされる。 この研究は、これらの欠点を最小限のメモリ使用量で軽減するエッジコンピューティング手法を提案する。
  論文  参考訳（メタデータ） (2023-12-05T10:56:25Z)
• Tailoring Machine Learning for Process Mining [5.237999056930947]
  我々は、プロセスマイニングと機械学習の健全な統合を構築する上で、機械学習モデルをプロセスデータでトレーニングすることで生じる問題に対する深い洞察が不可欠であると主張している。 本研究の目的は,機械学習とプロセスマイニングの要件を正しく整合させることを目的とした方法論の基礎を構築することである。
  論文  参考訳（メタデータ） (2023-06-17T12:59:51Z)
• MARS: Meta-Learning as Score Matching in the Function Space [79.73213540203389]
  本稿では,一連の関連するデータセットから帰納バイアスを抽出する手法を提案する。 機能的ベイズニューラルネットワーク推論を用いて、前者をプロセスとみなし、関数空間で推論を行う。 本手法は,データ生成プロセスのスコア関数をメタラーニングすることにより,複雑な事前知識をシームレスに獲得し,表現することができる。
  論文  参考訳（メタデータ） (2022-10-24T15:14:26Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
  我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。 本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
  論文  参考訳（メタデータ） (2021-08-09T17:39:09Z)
• Causal Feature Selection for Algorithmic Fairness [61.767399505764736]
  データ管理の統合コンポーネントにおける公平性について検討する。 本稿では,データセットの公平性を保証する特徴のサブコレクションを同定する手法を提案する。
  論文  参考訳（メタデータ） (2020-06-10T20:20:10Z)
• Machine Learning to Tackle the Challenges of Transient and Soft Errors in Complex Circuits [0.16311150636417257]
  機械学習モデルは、回路インスタンスの完全なリストに対して、インスタンスごとの正確な関数デレートデータを予測するために使用される。 提案手法を実例に適用し,各種機械学習モデルの評価と比較を行った。
  論文  参考訳（メタデータ） (2020-02-18T18:38:54Z)

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。