Fugu-MT 論文翻訳(概要): Variational Bayes Decomposition for Inverse Estimation with Superimposed Multispectral Intensity

論文の概要: Variational Bayes Decomposition for Inverse Estimation with Superimposed Multispectral Intensity

arxiv url: http://arxiv.org/abs/2411.05805v1
Date: Tue, 29 Oct 2024 02:48:21 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-17 09:01:57.397481
Title: Variational Bayes Decomposition for Inverse Estimation with Superimposed Multispectral Intensity
Title（参考訳）: 重畳多重スペクトル強度を用いた逆推定のための変分ベイズ分解
Authors: Akinori Asahara, Yoshihiro Osakabe, Yamamoto Mitsuya, Hidekazu Morita,
Abstract要約: データは、オブジェクトの観測不能な特徴に関する情報を得るために人気がある。提案手法は, 粒子が波動を表現することを仮定し, その挙動をモデル化する。データはスムーズな設定のためノイズがあっても、推測は正確である。
参考スコア（独自算出の注目度）: 0.4499833362998487
License:
Abstract: A variational Bayesian inference for measured wave intensity, such as X-ray intensity, is proposed in this paper. The data is popular to obtain information about unobservable features of an object, such as a material sample and the components of it. The proposed method assumes particles represent the wave, and their behaviors are stochastically modeled. The inference is accurate even if the data is noisy because of a smooth prior setting. Moreover, in this paper, two experimental results show feasibility of the proposed method.
Abstract（参考訳）: 本稿では,X線強度などの測定波強度に対する変分ベイズ推定法を提案する。データは、材料サンプルやその構成要素など、オブジェクトの観測不能な特徴に関する情報を得るために人気がある。提案手法は,粒子が波動を表現することを仮定し,その挙動を確率論的にモデル化する。データはスムーズな事前設定のためノイズがあっても、推測は正確である。さらに,本論文では,提案手法の有効性を示す2つの実験結果について述べる。

関連論文リスト

Stochastic full waveform inversion with deep generative prior for uncertainty quantification [0.0]
フルウェーブフォーム・インバージョン(FWI)は非線形でしばしば不均一な逆問題を解決する。 FWIは、局所的なミニマトラップや不確実性の不十分な処理といった課題を提示している。本研究では,ベイジアン逆転に対する物理パラメータの事前分布として,深部生成モデルを活用することを提案する。
論文参考訳（メタデータ） (2024-06-07T11:44:50Z)
Full Event Particle-Level Unfolding with Variable-Length Latent Variational Diffusion [44.6263403467016]
生成機械学習モデルは、多数の次元で未結合の展開を実行することを約束している。生成的展開に対する変動潜在拡散モデル(VLD)アプローチの新たな変更について述べる。この手法の性能は、大型ハドロン衝突型加速器における半レプトニックトップクォーク対生成の文脈で評価される。
論文参考訳（メタデータ） (2024-04-22T16:47:10Z)
Deterministic and Bayesian Characterization of Quantum Computing Devices [0.4194295877935867]
本稿では,超伝導量子デバイスにおける遷移周波数と崩壊時間を推定するためのデータ駆動型特性評価手法を提案する。データは、第1および第2励起状態間の遷移周波数におけるパリティイベントを含む。 2つのリンドブラディアンモデルの平均解に基づく単純だが効果的な数学的モデルを示し、実験的な観測を正確に捉えた。
論文参考訳（メタデータ） (2023-06-23T19:11:41Z)
Anomaly Detection with Variance Stabilized Density Estimation [49.46356430493534]
本稿では, 観測試料の確率を最大化するための分散安定化密度推定問題を提案する。信頼性の高い異常検知器を得るために,分散安定化分布を学習するための自己回帰モデルのスペクトルアンサンブルを導入する。我々は52のデータセットで広範なベンチマークを行い、我々の手法が最先端の結果につながることを示した。
論文参考訳（メタデータ） (2023-06-01T11:52:58Z)
A Geometric Perspective on Diffusion Models [57.27857591493788]
本稿では,人気のある分散拡散型SDEのODEに基づくサンプリングについて検討する。我々は、最適なODEベースのサンプリングと古典的な平均シフト(モード探索)アルゴリズムの理論的関係を確立する。
論文参考訳（メタデータ） (2023-05-31T15:33:16Z)
Quantifying optical rogue waves [0.0]
本研究は, 単一モードファイバで発生する超大陸で観測される光ローグ波の分布に関する指数を推定するための2つの異なるアプローチを示す。
論文参考訳（メタデータ） (2023-03-07T12:48:30Z)
Extracting or Guessing? Improving Faithfulness of Event Temporal Relation Extraction [87.04153383938969]
本研究では,TempRel抽出モデルの忠実度を2つの観点から改善する。第1の視点は、文脈記述に基づいて真に抽出することである。第2の視点は、適切な不確実性評価を提供することである。
論文参考訳（メタデータ） (2022-10-10T19:53:13Z)
Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
論文参考訳（メタデータ） (2022-03-11T10:47:16Z)
Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文参考訳（メタデータ） (2021-02-12T12:23:13Z)
Learning Disentangled Representations with Latent Variation Predictability [102.4163768995288]
本稿では,潜在不整合表現の変動予測可能性について述べる。逆生成プロセス内では、潜時変動と対応する画像対の相互情報を最大化することにより、変動予測可能性を高める。本研究では,潜在表現の絡み合いを測るために,基礎的構造的生成因子に依存しない評価指標を開発する。
論文参考訳（メタデータ） (2020-07-25T08:54:26Z)

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。