論文の概要: Insights into Lunar Mineralogy: An Unsupervised Approach for Clustering of the Moon Mineral Mapper (M3) spectral data

• arxiv url: http://arxiv.org/abs/2411.03186v1
• Date: Tue, 05 Nov 2024 15:31:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-06 14:55:04.038424
• Title: Insights into Lunar Mineralogy: An Unsupervised Approach for Clustering of the Moon Mineral Mapper (M3) spectral data
• Title（参考訳）: 月ミネラルマッパー(M3)スペクトルデータのクラスタリングのための教師なしアプローチ
• Authors: Freja Thoresen, Igor Drozdovskiy, Aidan Cowley, Magdelena Laban, Sebastien Besse, Sylvain Blunier,
• Abstract要約: この方法は、畳み込み変分オートエンコーダを用いて、スペクトルデータの寸法を小さくする。 k平均アルゴリズムは、潜在変数を5つの異なるグループにクラスタリングし、支配的なスペクトル特徴に対応する。 結果として得られたグローバルなスペクトルクラスタマップは、月上の5つの星団の分布を示している。
• 参考スコア（独自算出の注目度）: 0.6597195879147557
• License:
• Abstract: This paper presents a novel method for mapping spectral features of the Moon using machine learning-based clustering of hyperspectral data from the Moon Mineral Mapper (M3) imaging spectrometer. The method uses a convolutional variational autoencoder to reduce the dimensionality of the spectral data and extract features of the spectra. Then, a k-means algorithm is applied to cluster the latent variables into five distinct groups, corresponding to dominant spectral features, which are related to the mineral composition of the Moon's surface. The resulting global spectral cluster map shows the distribution of the five clusters on the Moon, which consist of a mixture of, among others, plagioclase, pyroxene, olivine, and Fe-bearing minerals across the Moon's surface. The clusters are compared to the mineral maps from the Kaguya mission, which showed that the locations of the clusters overlap with the locations of high wt% of minerals such as plagioclase, clinopyroxene, and olivine. The paper demonstrates the usefulness of unbiased unsupervised learning for lunar mineral exploration and provides a comprehensive analysis of lunar mineralogy.
• Abstract（参考訳）: 本稿では,月ミネラルマッパー (M3) 画像による高スペクトルデータの機械学習クラスタリングを用いて,月のスペクトル特徴をマッピングする新しい手法を提案する。 この方法は、畳み込み変分オートエンコーダを用いて、スペクトルデータの次元性を低減し、スペクトルの特徴を抽出する。 次に、k平均アルゴリズムを適用して、潜伏変数を5つの異なるグループに分類し、月の表面の鉱物組成に関連する支配的なスペクトル特徴に対応する。 結果として得られたグローバルなスペクトルクラスタマップは、プラジオクラーゼ、ピロキセン、オリビン、Feを含む鉱物を混合した月上の5つの星団の分布を示している。 クラスターはカグヤのミッションのミネラルマップと比較され、クラスターの位置はプラジオクラーゼ、クリノピロキセン、オリビンなどの高wt%のミネラルの場所と重なることを示した。 本論文は, 月の鉱物探査における無バイアス無監督学習の有用性を実証し, 月の鉱物学を包括的に分析するものである。

関連論文リスト

• From Spectra to Geography: Intelligent Mapping of RRUFF Mineral Data [0.0]
  我々は1次元のConvNeXt1Dニューラルネットワークアーキテクチャを用いて、スペクトル信号のみに基づいてミネラルスペクトルを分類する。 処理されたデータセットは、101か国にまたがる32,900以上の鉱物サンプルからなる。
  論文  参考訳（メタデータ） (2024-11-18T16:15:00Z)
• Clustering Based on Density Propagation and Subcluster Merging [92.15924057172195]
  本稿では,クラスタ数を自動的に決定し,データ空間とグラフ空間の両方に適用可能な密度に基づくノードクラスタリング手法を提案する。 二つのノード間の距離を計算する従来の密度クラスタリング法とは異なり,提案手法は伝播過程を通じて密度を決定する。
  論文  参考訳（メタデータ） (2024-11-04T04:09:36Z)
• A Machine Learning Approach to Detecting Albedo Anomalies on the Lunar Surface [0.0]
  本研究では、月面のアルベド異常を探索・予測するために機械学習(ML)技術を用いたデータ駆動アプローチを提案する。 主な目的は、化学元素とアルベドの関係を識別し、惑星表面の理解を深めることである。 本稿では,予測誤差を可視化し,その空間的および化学的特性を記述するための対話型解析ツールを提案する。
  論文  参考訳（メタデータ） (2024-07-08T11:25:30Z)
• Datacube segmentation via Deep Spectral Clustering [76.48544221010424]
  拡張ビジョン技術は、しばしばその解釈に挑戦する。 データ立方体スペクトルの巨大な次元性は、その統計的解釈において複雑なタスクを生じさせる。 本稿では,符号化空間における教師なしクラスタリング手法の適用の可能性について検討する。 統計的次元削減はアドホック訓練(可変)オートエンコーダで行い、クラスタリング処理は(学習可能な)反復K-Meansクラスタリングアルゴリズムで行う。
  論文  参考訳（メタデータ） (2024-01-31T09:31:28Z)
• Unsupervised ore/waste classification on open-cut mine faces using close-range hyperspectral data [1.8111829286068908]
  地雷面のスペクトルの教師なしマッピングのためのパイプラインを提案する。 提案したパイプラインは、鉱山の表面にミネラルをマッピングする統一システムにおいて、教師なしと自己教師付きのアルゴリズムを結合する。 マッピング機能の一貫性は、2つの異なる時間で取得されたデータを用いて実証される。
  論文  参考訳（メタデータ） (2023-02-09T21:03:03Z)
• Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet Transmission Spectra [68.8204255655161]
  我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。 スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。 主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
  論文  参考訳（メタデータ） (2022-01-07T22:26:33Z)
• Hyperspectral Image Segmentation based on Graph Processing over Multilayer Networks [51.15952040322895]
  ハイパースペクトル画像(HSI)処理の1つの重要な課題は、スペクトル空間的特徴の抽出である。 M-GSP特徴抽出に基づくHSIセグメンテーションへのいくつかのアプローチを提案する。 HSI処理とスペクトル空間情報抽出におけるM-GSPの強度を実験的に検証した。
  論文  参考訳（メタデータ） (2021-11-29T23:28:18Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• Spectral-Spatial Global Graph Reasoning for Hyperspectral Image Classification [50.899576891296235]
  畳み込みニューラルネットワークは、ハイパースペクトル画像分類に広く応用されている。 近年の手法は空間トポロジのグラフ畳み込みによってこの問題に対処しようとしている。
  論文  参考訳（メタデータ） (2021-06-26T06:24:51Z)
• Generalized Unsupervised Clustering of Hyperspectral Images of Geological Targets in the Near Infrared [0.0]
  スペクトルに類似した物質のクラスター化と分類は、しばしば、地球上の経済鉱物探査から火星での惑星探査まで、応用の第一歩である。 ここでは、専門的なスペクトル地質学者の入力と量的指標の両方から情報を得た特徴抽出とクラスタリングのための、完全に教師なしのワークフローを開発する。 このパイプラインは、類似の地質資料の高速かつ正確なクラスタリングマップを提供し、実験室の画像とリモートセンシング画像の両方の主要な鉱物クラスを一貫して識別し、分離する。
  論文  参考訳（メタデータ） (2021-06-24T21:05:10Z)
• Machine Learning for recognition of minerals from multispectral data [1.231476564107544]
  本稿では,異なる分光法から得られたデータを組み合わせた鉱物の自動同定手法を提案する。 これらの手法はRaman + VNIR, Raman + LIBS, VNIR + LIBSと組み合わせられ, それぞれに異なるデータ融合法を適用してミネラルを分類した。 また,ラマンスペクトルからミネラル分類を行うDeep Learningアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-28T22:25:15Z)

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。