論文の概要: Deep Learning for Active Region Classification: A Systematic Study from Convolutional Neural Networks to Vision Transformers

• arxiv url: http://arxiv.org/abs/2410.17816v1
• Date: Wed, 23 Oct 2024 12:19:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-24 13:54:59.724115
• Title: Deep Learning for Active Region Classification: A Systematic Study from Convolutional Neural Networks to Vision Transformers
• Title（参考訳）: アクティブ領域分類のためのディープラーニング:畳み込みニューラルネットワークから視覚変換器への体系的研究
• Authors: Edoardo Legnaro, Sabrina Guastavino, Michele Piana, Anna Maria Massone,
• Abstract要約: 太陽活動領域は、太陽の地球環境を著しく破壊し、太陽フレアやコロナ質量放出のような厳しい宇宙天気の原因となる。 本研究は,Mt. Wilson分類法に基づく活動領域カットアウトの分類における深層学習手法の適用に関して,本研究の結果について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: A solar active region can significantly disrupt the Sun Earth space environment, often leading to severe space weather events such as solar flares and coronal mass ejections. As a consequence, the automatic classification of active region groups is the crucial starting point for accurately and promptly predicting solar activity. This study presents our results concerned with the application of deep learning techniques to the classification of active region cutouts based on the Mount Wilson classification scheme. Specifically, we have explored the latest advancements in image classification architectures, from Convolutional Neural Networks to Vision Transformers, and reported on their performances for the active region classification task, showing that the crucial point for their effectiveness consists in a robust training process based on the latest advances in the field.
• Abstract（参考訳）: 太陽活動領域は、太陽の地球環境を著しく破壊し、しばしば太陽フレアやコロナ質量放出のような厳しい宇宙天気を引き起こす。 結果として、活動領域群の自動分類は、太陽活動の正確かつ迅速な予測の出発点となる。 本研究は,Mt. Wilson分類法に基づく活動領域カットアウトの分類におけるディープラーニング手法の適用に関して,本研究の結果について述べる。 具体的には、畳み込みニューラルネットワークからビジョントランスフォーマーまで、画像分類アーキテクチャの最新の進歩について検討し、アクティブ領域分類タスクのパフォーマンスについて報告した。

関連論文リスト

• Predicting the Emergence of Solar Active Regions Using Machine Learning [41.94295877935867]
  今後の宇宙気象障害の早期警戒機能を作成するため、61の新興活動領域のデータセットを選択した。 太陽ダイナミクス観測衛星(SDO)に搭載されたヘリオサイスミック・磁気画像装置(HMI)からのドップラーシフトと連続強度観測を利用した。 我々は,次の磁束発生に伴う音響パワーフラックス密度の変動を捉える機械学習モデルを開発した。
  論文  参考訳（メタデータ） (2024-02-14T01:41:50Z)
• Active Region-based Flare Forecasting with Sliding Window Multivariate Time Series Forest Classifiers [0.0]
  我々は、高次元データに使用される複雑で理解できないブラックボックスモデルと関連するサブインターバルの探索の間のギャップを橋渡しする。 本研究は, 太陽フレア予測において, 風下時系列森林分類器が有効であることを示す。
  論文  参考訳（メタデータ） (2024-02-05T19:34:12Z)
• Preserving Locality in Vision Transformers for Class Incremental Learning [54.696808348218426]
  ViTを漸進的に訓練すると、注目層は徐々に局所的な特徴に集中できなくなる。 ローカル機能の重要性を強調するために、ローカル性保存アテンション層を考案する。 改良されたモデルは、CIFAR100とImageNet100で一貫してパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2023-04-14T07:42:21Z)
• Dual Progressive Transformations for Weakly Supervised Semantic Segmentation [23.68115323096787]
  弱教師付きセマンティックセグメンテーション(WSSS)はコンピュータビジョンにおいて難しい課題である。 グローバルに完全かつ局所的に正確なクラスアクティベーションマップをマイニングするための畳み込みニューラルネットワーク精製変換器(CRT)を提案する。 提案したCRTは、弱教師付きセマンティックセグメンテーションタスクの両方において、最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-09-30T03:42:52Z)
• Habitat classification from satellite observations with sparse annotations [4.164845768197488]
  リモートセンシングデータを用いた生息地分類とマッピング手法を提案する。 この方法は、フィールドから収集された細粒度でスパースな単一ピクセルアノテーションを使用することによって特徴付けられる。 本研究では, 収穫増量, 試験時間増量, 半教師付き学習が, さらに分類の助けとなることを示す。
  論文  参考訳（メタデータ） (2022-09-26T20:14:59Z)
• Remote Sensing Image Classification using Transfer Learning and Attention Based Deep Neural Network [59.86658316440461]
  本稿では、転送学習技術とマルチヘッドアテンションスキームを活用した、深層学習に基づくRSISCフレームワークを提案する。 提案したディープラーニングフレームワークは、ベンチマークNWPU-RESISC45データセットに基づいて評価され、最高の分類精度94.7%を達成する。
  論文  参考訳（メタデータ） (2022-06-20T10:05:38Z)
• Embedding Earth: Self-supervised contrastive pre-training for dense land cover classification [61.44538721707377]
  本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。 提案手法による事前学習では, 25%の絶対mIoUが得られた。 学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
  論文  参考訳（メタデータ） (2022-03-11T16:14:14Z)
• Forecasting large-scale circulation regimes using deformable convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
  変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討 今後1～15日にわたって北大西洋-欧州の気象条件を予測した。 より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5～6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
  論文  参考訳（メタデータ） (2022-02-10T11:37:00Z)
• Point-Level Region Contrast for Object Detection Pre-Training [147.47349344401806]
  本稿では,物体検出作業のための自己教師付き事前学習手法である点レベル領域コントラストを提案する。 提案手法は,異なる領域から個々の点対を直接抽出することにより,コントラスト学習を行う。 領域ごとの集約表現と比較すると,入力領域の品質の変化に対して,我々のアプローチはより堅牢である。
  論文  参考訳（メタデータ） (2022-02-09T18:56:41Z)
• SCSS-Net: Solar Corona Structures Segmentation by Deep Learning [0.0]
  太陽コロナの構造は、直接的または間接的に地球に影響を与える可能性のある宇宙の気象過程の主要な要因である。 本研究では,EUVスペクトルで観測された太陽コロナ構造の自動セグメンテーション法を開発した。 このモデルの出力は、太陽活動と地球への宇宙気象の影響の間の関係について、より統計的に研究するために使われる。
  論文  参考訳（メタデータ） (2021-09-22T16:51:50Z)
• Transformer Interpretability Beyond Attention Visualization [87.96102461221415]
  自己保持技術、特にトランスフォーマーは、テキスト処理の分野を支配しています。 本研究では,トランスフォーマーネットワークの関連性を計算する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-12-17T18:56:33Z)

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。