Fugu-MT 論文翻訳(概要): Online optimisation for dynamic electrical impedance tomography

論文の概要: Online optimisation for dynamic electrical impedance tomography

arxiv url: http://arxiv.org/abs/2412.12944v2
Date: Mon, 17 Mar 2025 14:09:47 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-18 15:56:27.172375
Title: Online optimisation for dynamic electrical impedance tomography
Title（参考訳）: 動的インピーダンストモグラフィのオンライン最適化
Authors: Neil Dizon, Jyrki Jauhiainen, Tuomo Valkonen,
Abstract要約: 非線形時間離散逆問題に対する原始双対オンライン手法を提案する。本手法を後悔理論を用いて解析し,流体中の物体のリアルタイムモニタリングにおいてその性能を実証する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Online optimisation studies the convergence of optimisation methods as the data embedded in the problem changes. Based on this idea, we propose a primal dual online method for nonlinear time-discrete inverse problems. We analyse the method through regret theory and demonstrate its performance in real-time monitoring of moving bodies in a fluid with Electrical Impedance Tomography (EIT). To do so, we also prove the second-order differentiability of the Complete Electrode Model (CEM) solution operator on $L^\infty$.
Abstract（参考訳）: オンライン最適化は、問題に埋め込まれたデータが変化するにつれて最適化手法の収束を研究する。この考えに基づき,非線形時間離散逆問題に対する原始双対オンライン手法を提案する。電気インピーダンストモグラフィー(EIT)を用いた流体中の物体のリアルタイムモニタリングにおいて,この手法を後悔理論により解析し,その性能を実証する。そのために、$L^\infty$上での完全電極モデル(CEM)解作用素の2階微分可能性も証明する。

関連論文リスト

Convergence of Implicit Gradient Descent for Training Two-Layer Physics-Informed Neural Networks [3.680127959836384]
暗黙の勾配降下(IGD)は、ある種のマルチスケール問題を扱う場合、共通勾配降下(GD)よりも優れる。 IGDは線形収束速度で大域的に最適解を収束することを示す。
論文参考訳（メタデータ） (2024-07-03T06:10:41Z)
Multi-Scale Frequency-Enhanced Deep D-bar Method for Electrical Impedance Tomography [5.112764609048122]
本稿では,リアルタイムEIT再構築のためのディープラーニングに基づく教師ありアプローチを提案する。 D-bar法に基づいて,高画質化のためのマルチスケール周波数拡張と空間整合性を両立する手法を提案する。
論文参考訳（メタデータ） (2024-05-12T21:55:02Z)
Distributionally Robust Off-Dynamics Reinforcement Learning: Provable Efficiency with Linear Function Approximation [8.234072589087095]
我々は、オフダイナミックス強化学習(RL)を研究し、そこでポリシーはソースドメイン上でトレーニングされ、異なるターゲットドメインにデプロイされる。オフダイナミックス RL の関数近似を用いたオンライン DRMDP に関する最初の研究を行った。 DR-LSVI-UCBは,関数近似を用いたオフダイナミックスのための高速オンラインDRMDPアルゴリズムである。
論文参考訳（メタデータ） (2024-02-23T16:01:44Z)
Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文参考訳（メタデータ） (2023-12-19T21:45:38Z)
Efficient Methods for Non-stationary Online Learning [61.63338724659592]
本稿では, 動的後悔と適応的後悔を最適化する効率的な手法を提案し, ラウンド当たりの投影回数を$mathcalO(log T)$から$ $1$まで削減した。また、さらに強化された測度、すなわち「インターバル・ダイナミック・リピート」を研究し、ラウンド当たりの射影数を$mathcalO(log2 T)$から$$$$に減らした。
論文参考訳（メタデータ） (2023-09-16T07:30:12Z)
Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
論文参考訳（メタデータ） (2023-05-31T03:48:49Z)
End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
論文参考訳（メタデータ） (2023-05-25T10:58:46Z)
Implicit Stochastic Gradient Descent for Training Physics-informed Neural Networks [51.92362217307946]
物理インフォームドニューラルネットワーク(PINN)は、前方および逆微分方程式問題の解法として効果的に実証されている。 PINNは、近似すべきターゲット関数が高周波またはマルチスケールの特徴を示す場合、トレーニング障害に閉じ込められる。本稿では,暗黙的勾配降下法(ISGD)を用いてPINNを訓練し,トレーニングプロセスの安定性を向上させることを提案する。
論文参考訳（メタデータ） (2023-03-03T08:17:47Z)
Making Linear MDPs Practical via Contrastive Representation Learning [101.75885788118131]
マルコフ決定過程(MDP)における次元性の呪いに、低ランク表現を利用することで対処することが一般的である。本稿では,効率的な表現学習を可能にしつつ,正規化を自動的に保証する線形MDPの代替的定義について考察する。いくつかのベンチマークにおいて、既存の最先端モデルベースおよびモデルフリーアルゴリズムよりも優れた性能を示す。
論文参考訳（メタデータ） (2022-07-14T18:18:02Z)
Two-stage Deep Reinforcement Learning for Inverter-based Volt-VAR Control in Active Distribution Networks [3.260913246106564]
本稿では,インバータを用いたエネルギー資源の制御により,電圧分布を改善するための2段階深部強化学習法を提案する。オフライン段階では、モデルミスマッチに頑健なオフラインエージェントを訓練するために、高い効率の対向強化学習アルゴリズムが開発された。連続的なオンライン段階において、オフラインエージェントをオンラインエージェントとして安全に転送し、継続的な学習を行い、オンラインで制御し、安全性と効率を大幅に向上させる。
論文参考訳（メタデータ） (2020-05-20T08:02:13Z)
Predictive online optimisation with applications to optical flow [0.0]
オンラインは、未解決のまま問題に導入されている新しいデータを中心に展開している。我々はこのアイデアを,光学的流れを伴うビデオ処理などの動的逆問題に適用する。逆問題に対して、この効果は本質的に、時間的結合を伴う静的正規化器の不完全畳み込みに基づく新しい動的正規化器を構築することであることを示す。
論文参考訳（メタデータ） (2020-02-08T00:21:01Z)

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。