論文の概要: Light-cone feature selection in methane hyperspectral images

• arxiv url: http://arxiv.org/abs/2504.00793v1
• Date: Tue, 01 Apr 2025 13:51:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:20:58.194528
• Title: Light-cone feature selection in methane hyperspectral images
• Title（参考訳）: メタンハイパースペクトル画像における光円錐の特徴選択
• Authors: Artur Miroszewski, Jakub Nalepa, Agata M. Wijata,
• Abstract要約: 本研究は,HSIを用いたメタン検出および局在化のための量子機械学習における光コーン特徴選択の適用に焦点を当てた。 提案手法は,特徴選択と分類精度を高めるために量子法を利用する。 これは、環境モニタリングのためのリモートセンシングデータ分析を改善するための量子機械学習の可能性を示す。
• 参考スコア（独自算出の注目度）: 2.7847706215729597
• License:
• Abstract: Hyperspectral images (HSIs) capture detailed spectral information across numerous contiguous bands, enabling the extraction of intrinsic characteristics of scanned objects and areas. This study focuses on the application of light-cone feature selection in quantum machine learning for methane detection and localization using HSIs. The proposed method leverages quantum methods to enhance feature selection and classification accuracy. The dataset used includes HSIs collected by the AVIRIS-NG instrument captured in geographically diverse locations. In this study, we investigate the performance of support vector machine classifiers with different classic and quantum kernels. The results indicate that the quantum kernel classifier, combined with light-cone feature selection, provides in one metric, superior performance when compared to the classic techniques. It demonstrates the potential of quantum machine learning in improving the remote sensing data analysis for environmental monitoring.
• Abstract（参考訳）: ハイパースペクトル画像(HSI)は、多数の連続した帯域にまたがる詳細なスペクトル情報をキャプチャし、スキャン対象や領域の固有特性の抽出を可能にする。 本研究は,HSIを用いたメタン検出および局在化のための量子機械学習における光コーン特徴選択の適用に焦点を当てた。 提案手法は,特徴選択と分類精度を高めるために量子法を利用する。 使用されるデータセットには、地理的に多様な場所でキャプチャされたAVIRIS-NG機器によって収集されたHISが含まれている。 本研究では,古典カーネルと量子カーネルの異なるサポートベクトルマシン分類器の性能について検討する。 その結果、量子カーネル分類器は、光円錐の特徴選択と組み合わせて、1つのメートル法で、古典的手法と比較して優れた性能が得られることを示した。 これは、環境モニタリングのためのリモートセンシングデータ分析を改善するための量子機械学習の可能性を示す。

関連論文リスト

• SpectralKAN: Kolmogorov-Arnold Network for Hyperspectral Images Change Detection [23.75924656112022]
  ハイパースペクトル画像(HSI)から特徴を正確に抽出する深層学習法 これらのアルゴリズムは、HSIs Change Detection (HSIs-CD) において非常によく機能する。 我々は、HSIs-CD(SpectralKAN)のためのスペクトルKolmogorov-Arnoldネットワークを提案する。 SpectralKANは、パラメータ、FLOP、GPUメモリ、トレーニングとテスト時間が少なくながら、高いHSIs-CD精度を維持している。
  論文  参考訳（メタデータ） (2024-07-01T04:09:24Z)
• Unsupervised Band Selection Using Fused HSI and LiDAR Attention Integrating With Autoencoder [16.742768644585684]
  ハイパースペクトルイメージング(HSI)における帯域選択は,データ処理の最適化と解析精度の向上に重要である。 従来のアプローチは、個々のバンド内のスペクトル特性と画素特性を独立して分析することに集中してきた。 本稿では、アテンション機構と、再構成に基づくバンド選択のためのオートエンコーダを組み込んだ、新しい教師なしバンド選択フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-08T07:47:28Z)
• Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
  本稿では,革新的な深層学習に基づく量子センシング手法を提案する。 これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。 我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
  論文  参考訳（メタデータ） (2023-11-13T09:46:05Z)
• A Survey of Graph and Attention Based Hyperspectral Image Classification Methods for Remote Sensing Data [5.1901440366375855]
  ハイパースペクトルイメージング(HSI)の分類におけるディープラーニング技術の利用は急速に増加している。 最近の手法では、グラフ畳み込みネットワークの利用と、予測にノード機能を使用するユニークな機能についても検討されている。
  論文  参考訳（メタデータ） (2023-10-16T00:42:25Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
  S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
  論文  参考訳（メタデータ） (2023-06-14T09:01:50Z)
• An Unsupervised Machine Learning Approach for Ground-Motion Spectra Clustering and Selection [6.3376363722490145]
  本稿では,地震動スペクトルの特徴を抽出する教師なし機械学習アルゴリズムを提案する。 潜時特性は、ニューラルネットワークオートエンコーダの非線形関係を通して学習された低次元の機械によるスペクトル特性である。 合成およびフィールド記録された地動データセットの使用など、このアプローチを検証するための3つの例が提示される。
  論文  参考訳（メタデータ） (2022-12-06T18:02:55Z)
• Supervised classification methods applied to airborne hyperspectral images: Comparative study using mutual information [0.0]
  本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。 実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
  論文  参考訳（メタデータ） (2022-10-27T13:39:08Z)
• Enhanced detection techniques of Orbital Angular Momentum states in the classical and quantum regimes [48.7576911714538]
  Orbital Angular Momentum(OAM)状態に固有の複雑な構造は、それらの検出と分類を非自明にする。 現在の検出方式のほとんどは、ラゲール・ガウスモードを用いて構築されたOAM状態のモデルに基づいている。 我々は、OAM検出技術を改善するために(特定のシナリオにおいて)洗練されたモデルの基礎状態として、ハイパー幾何-ガウスモードを用いる。
  論文  参考訳（メタデータ） (2022-01-19T18:46:34Z)
• 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)
• Advantages and Bottlenecks of Quantum Machine Learning for Remote Sensing [63.69764116066747]
  本稿では,量子コンピュータの概要を説明し,量子画像分類手法の既存手法を考察し,これらのアルゴリズムを現在利用可能なオープンソースプラットフォーム上で実行する際のボトルネックについて考察する。 次のステップでは、量子隠蔽層のサイズを拡大し、さまざまな出力イメージオプションを拡大する。
  論文  参考訳（メタデータ） (2021-01-26T09:31:46Z)

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。