Fugu-MT 論文翻訳(概要): Multi-Span Optical Power Spectrum Evolution Modeling using ML-based Multi-Decoder Attention Framework

論文の概要: Multi-Span Optical Power Spectrum Evolution Modeling using ML-based Multi-Decoder Attention Framework

arxiv url: http://arxiv.org/abs/2503.17072v1
Date: Fri, 21 Mar 2025 11:54:36 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-24 14:55:22.005686
Title: Multi-Span Optical Power Spectrum Evolution Modeling using ML-based Multi-Decoder Attention Framework
Title（参考訳）: MLに基づくマルチデコーダアテンションフレームワークを用いたマルチスパン光パワースペクトル進化モデル
Authors: Agastya Raj, Zehao Wang, Frank Slyne, Tingjun Chen, Dan Kilper, Marco Ruffini,
Abstract要約: コンポーネント固有デコーダを用いたMLベースのアテンションフレームワークを実装し、マルチスパンネットワークにおける光パワースペクトル予測を改善する。各コンポーネントの詳細なトレーニングの必要性を減らすことで、フレームワークは最小限のデータ収集でマルチスパントポロジにスケールできる。
参考スコア（独自算出の注目度）: 9.760722658935931
License:
Abstract: We implement a ML-based attention framework with component-specific decoders, improving optical power spectrum prediction in multi-span networks. By reducing the need for in-depth training on each component, the framework can be scaled to multi-span topologies with minimal data collection, making it suitable for brown-field scenarios.
Abstract（参考訳）: コンポーネント固有デコーダを用いたMLベースのアテンションフレームワークを実装し、マルチスパンネットワークにおける光パワースペクトル予測を改善する。各コンポーネントの詳細なトレーニングの必要性を減らすことで、フレームワークは最小限のデータ収集でマルチスパントポロジにスケールできるため、ブラウンフィールドシナリオに適している。

関連論文リスト

Optimizing Speech Multi-View Feature Fusion through Conditional Computation [51.23624575321469]
自己教師付き学習(SSL)機能は、軽量で多目的な多視点音声表現を提供する。 SSLは、FBanksのような従来のスペクトル機能とアップデートの方向で競合する。本稿では,条件計算に基づく新しい一般化された特徴融合フレームワークを提案する。
論文参考訳（メタデータ） (2025-01-14T12:12:06Z)
EMMA: Empowering Multi-modal Mamba with Structural and Hierarchical Alignment [39.870809905905325]
微細な視覚情報を抽出するための構造的・階層的アライメント(EMMA)を用いたマルチモーダルマンバのエンパワーディングを提案する。本モデルでは,他のマンバ系MLLMよりもレイテンシが低く,推論時の変圧器系MLLMよりも約4倍高速であることを示す。
論文参考訳（メタデータ） (2024-10-08T11:41:55Z)
CoMMIT: Coordinated Instruction Tuning for Multimodal Large Language Models [68.64605538559312]
本稿では,MLLM命令のチューニングを理論的・経験的両面から解析する。そこで本研究では,学習バランスを定量的に評価する尺度を提案する。さらに,MLLMの生成分布の更新を促進する補助的損失正規化手法を提案する。
論文参考訳（メタデータ） (2024-07-29T23:18:55Z)
TOP-ReID: Multi-spectral Object Re-Identification with Token Permutation [64.65950381870742]
マルチスペクトルオブジェクトReID, Dubbled TOP-ReIDのための循環トークン置換フレームワークを提案する。また,巡回多スペクトル特徴アグリゲーションのためのToken Permutation Module (TPM)を提案する。提案するフレームワークは,ロバストなオブジェクトReIDに対して,より識別性の高いマルチスペクトル特徴を生成できる。
論文参考訳（メタデータ） (2023-12-15T08:54:15Z)
Contrastive Learning-Based Spectral Knowledge Distillation for Multi-Modality and Missing Modality Scenarios in Semantic Segmentation [2.491548070992611]
CSK-Netと呼ばれる新しいマルチモーダル融合手法を提案する。対照的な学習に基づくスペクトル知識蒸留技術を用いる。実験の結果、CSK-Netはマルチモーダルタスクや欠落したモダリティにおいて最先端のモデルを上回ることがわかった。
論文参考訳（メタデータ） (2023-12-04T10:27:09Z)
SpectralGPT: Spectral Remote Sensing Foundation Model [60.023956954916414]
SpectralGPTという名前のユニバーサルRS基盤モデルは、新しい3D生成事前学習変換器(GPT)を用いてスペクトルRS画像を処理するために構築されている。既存の基礎モデルと比較して、SpectralGPTは、様々なサイズ、解像度、時系列、領域をプログレッシブトレーニング形式で対応し、広範なRSビッグデータのフル活用を可能にする。我々の評価では、事前訓練されたスペクトルGPTモデルによる顕著な性能向上が強調され、地球科学分野におけるスペクトルRSビッグデータ応用の進展に有意な可能性を示唆している。
論文参考訳（メタデータ） (2023-11-13T07:09:30Z)
Collaborative Wideband Spectrum Sensing and Scheduling for Networked UAVs in UTM Systems [2.755290959487378]
ネットワーク型無人航空機(UAV)の協調広帯域スペクトルセンシングとスケジューリングのためのデータ駆動型フレームワークを提案する。スペクトルスケジューリングフェーズにおいて、検出されたスペクトル穴を二次ユーザ(UAV)に動的に割り当てるために強化学習(RL)ソリューションを利用する。この評価手法は、航空機用ML/AIベースのスペクトル管理ソリューションの開発に使用できる大規模なスペクトルデータセットを生成するフレキシブルなフレームワークを提供する。
論文参考訳（メタデータ） (2023-08-09T16:08:44Z)
Learning with Multigraph Convolutional Filters [153.20329791008095]
MSPモデルに基づいて情報を処理する階層構造として多グラフ畳み込みニューラルネットワーク(MGNN)を導入する。また,MGNNにおけるフィルタ係数のトラクタブルな計算手法と,レイヤ間で転送される情報の次元性を低減するための低コストな手法を開発した。
論文参考訳（メタデータ） (2022-10-28T17:00:50Z)
spectrai: A deep learning framework for spectral data [0.0]
本稿では、スペクトルデータに基づくニューラルネットワークのトレーニングを容易にするために設計されたオープンソースのフレームワークであるspectraiを紹介する。 Spectiは、多数のスペクトルデータ前処理と拡張方法、スペクトル(画像)のデノイズ化、スペクトル(画像)分類、スペクトル画像セグメンテーション、スペクトル画像超解像を含むスペクトルデータのためのニューラルネットワークを提供する。
論文参考訳（メタデータ） (2021-08-17T12:54:34Z)
PSConv: Squeezing Feature Pyramid into One Compact Poly-Scale Convolutional Layer [76.44375136492827]
畳み込みニューラルネットワーク(CNN)は、しばしばスケールに敏感である。我々は、この後悔を、より細かい粒度でマルチスケールの機能を利用して埋める。提案した畳み込み演算は、PSConv(Poly-Scale Convolution)と呼ばれ、拡張率のスペクトルを混合する。
論文参考訳（メタデータ） (2020-07-13T05:14:11Z)

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。