論文の概要: Synthetic generation of 2D data records based on Autoencoders
- arxiv url: http://arxiv.org/abs/2502.13183v1
- Date: Tue, 18 Feb 2025 10:40:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-20 13:58:56.767078
- Title: Synthetic generation of 2D data records based on Autoencoders
- Title(参考訳): オートエンコーダを用いた2次元データ記録の合成生成
- Authors: Darius Couchard, Oscar Olarte, Rob Haelterman,
- Abstract要約: ガスクロマトグラフィーとイオンモビリティ・スペクトロメトリー(GC-IMS)は二重分離分析技術である。
GC-IMSによって生成されたデータは、通常2次元のスペクトルとして表される。
本研究では,オートエンコーダに基づくディープラーニングフレームワークを用いて,合成2次元スペクトルを生成する新しい手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Gas Chromatography coupled with Ion Mobility Spectrometry (GC-IMS) is a dual-separation analytical technique widely used for identifying components in gaseous samples by separating and analysing the arrival times of their constituent species. Data generated by GC-IMS is typically represented as two-dimensional spectra, providing rich information but posing challenges for data-driven analysis due to limited labelled datasets. This study introduces a novel method for generating synthetic 2D spectra using a deep learning framework based on Autoencoders. Although applied here to GC-IMS data, the approach is broadly applicable to any two-dimensional spectral measurements where labelled data are scarce. While performing component classification over a labelled dataset of GC-IMS records, the addition of synthesized records significantly has improved the classification performance, demonstrating the method's potential for overcoming dataset limitations in machine learning frameworks.
- Abstract(参考訳): ガスクロマトグラフィーとイオンモビリティ・スペクトロメトリー(GC-IMS)を併用したガスクロマトグラフィーは、ガス試料中の成分を分離し、その成分種の到着時間を分析するために広く用いられている二重分離分析技術である。
GC-IMSによって生成されたデータは2次元のスペクトルとして表現され、豊富な情報を提供するが、ラベル付きデータセットに制限があるため、データ駆動分析の課題を提起する。
本研究では,オートエンコーダに基づくディープラーニングフレームワークを用いて,合成2次元スペクトルを生成する新しい手法を提案する。
ここではGC-IMSデータに適用するが、この手法はラベル付きデータが不足している任意の2次元スペクトル測定に広く適用できる。
GC-IMSレコードのラベル付きデータセット上でコンポーネント分類を行う一方で、合成レコードの追加により分類性能が大幅に向上し、機械学習フレームワークにおけるデータセット制限を克服する可能性を示している。
関連論文リスト
- It Takes Two: Accurate Gait Recognition in the Wild via Cross-granularity Alignment [72.75844404617959]
本稿では,XGait という新しい粒度アライメント歩行認識手法を提案する。
この目的を達成するために、XGaitはまず2つのバックボーンエンコーダの分岐を含み、シルエットシーケンスとパーシングシーケンスを2つの潜在空間にマッピングする。
2つの大規模な歩行データセットの総合的な実験では、ランク1の精度が80.5%、CCPGが88.3%である。
論文 参考訳(メタデータ) (2024-11-16T08:54:27Z) - Spectral Graph Reasoning Network for Hyperspectral Image Classification [0.43512163406551996]
畳み込みニューラルネットワーク(CNN)は、ハイパースペクトル画像(HSI)分類において顕著な性能を達成した。
本稿では、2つの重要なモジュールからなるスペクトルグラフ推論ネットワーク(SGR)学習フレームワークを提案する。
2つのHSIデータセットの実験により、提案したアーキテクチャが分類精度を大幅に改善できることが示されている。
論文 参考訳(メタデータ) (2024-07-02T20:29:23Z) - 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) - Analyze Mass Spectrometry data with Artificial Intelligence to assist
the understanding of past habitability of Mars and provide insights for
future missions [0.0]
本稿では,古代火星の居住可能性検出のための質量分析データへの人工知能の応用について述べる。
火星のデータを収集したものの、地球上のあらゆる天体に対して同じアプローチを再現することができる。
論文 参考訳(メタデータ) (2023-10-18T11:14:46Z) - Deep Spectro-temporal Artifacts for Detecting Synthesized Speech [57.42110898920759]
本稿では,トラック1(低品質フェイク音声検出)とトラック2(部分フェイク音声検出)の総合評価を行う。
本稿では, 原時間信号, スペクトル特性, 深層埋没特性を用いて, 分光時相アーティファクトを検出した。
我々はそれぞれ1番線と2番線で4位と5位にランクインした。
論文 参考訳(メタデータ) (2022-10-11T08:31:30Z) - 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) - Dual Adversarial Auto-Encoders for Clustering [152.84443014554745]
教師なしクラスタリングのためのDual-AAE(Dual-AAE)を提案する。
Dual-AAEの目的関数に対する変分推論を行うことで,一対のオートエンコーダをトレーニングすることで最適化可能な新たな再構成損失を導出する。
4つのベンチマーク実験により、Dual-AAEは最先端のクラスタリング手法よりも優れた性能を発揮することが示された。
論文 参考訳(メタデータ) (2020-08-23T13:16:34Z) - A Comparative study of Artificial Neural Networks Using Reinforcement
learning and Multidimensional Bayesian Classification Using Parzen Density
Estimation for Identification of GC-EIMS Spectra of Partially Methylated
Alditol Acetates [0.304585143845864]
本研究では, 部分的にメチル化アルジトール酢酸塩 (PMAA) のガスクロマトグラフィー-電子衝突質量スペクトル (GC-EIMS) データベース用パターン認識検索エンジンの開発について報告する。
開発システムはワールドワイドウェブ上に実装されており、GC-EIMS機器に記録されたこれらの分子のスペクトルを用いてPMAAを識別することを目的としている。
論文 参考訳(メタデータ) (2020-07-31T17:54:51Z) - Ensemble Model with Batch Spectral Regularization and Data Blending for
Cross-Domain Few-Shot Learning with Unlabeled Data [75.94147344921355]
多様な特徴変換行列を用いてマルチブランチアンサンブルフレームワークを構築する。
本研究では,未ラベルデータを利用したデータブレンディング手法を提案し,対象領域におけるスパースサポートを増強する。
論文 参考訳(メタデータ) (2020-06-08T02:27:34Z) - SVM-Lattice: A Recognition & Evaluation Frame for Double-peaked Profiles [5.2708048125255615]
SVM-Latticeと呼ばれる新しい格子構造は、SVMとFCLに基づいて設計されている。
SVM-Latticeは、二重ピークプロファイルを持つ希少スペクトルの認識と評価に特に応用される。
その結果,従来の手法との整合性が良好であり,分類結果の精度が高く,検索効率も他の類似手法よりも高いことがわかった。
論文 参考訳(メタデータ) (2020-05-02T01:56:18Z)
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。