論文の概要: Effectiveness of High-Dimensional Distance Metrics on Solar Flare Time Series

• arxiv url: http://arxiv.org/abs/2511.01873v1
• Date: Tue, 21 Oct 2025 22:58:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-09 16:58:40.052048
• Title: Effectiveness of High-Dimensional Distance Metrics on Solar Flare Time Series
• Title（参考訳）: 太陽フレア時系列における高次元距離測定値の有効性
• Authors: Elaina Rohlfing, Azim Ahmadzadeh, V Aparna,
• Abstract要約: 太陽フレアデータセットSWAN-SFにおけるパターン検出のための弾性距離測定 我々は,高度・高次元距離メトリクスの有効性を評価するために,単純な$k$-medoidsクラスタリングアルゴリズムを用いる。
• 参考スコア（独自算出の注目度）: 0.764671395172401
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Solar-flare forecasting has been extensively researched yet remains an open problem. In this paper, we investigate the contributions of elastic distance measures for detecting patterns in the solar-flare dataset, SWAN-SF. We employ a simple $k$-medoids clustering algorithm to evaluate the effectiveness of advanced, high-dimensional distance metrics. Our results show that, despite thorough optimization, none of the elastic distances outperform Euclidean distance by a significant margin. We demonstrate that, although elastic measures have shown promise for univariate time series, when applied to the multivariate time series of SWAN-SF, characterized by the high stochasticity of solar activity, they effectively collapse to Euclidean distance. We conduct thousands of experiments and present both quantitative and qualitative evidence supporting this finding.
• Abstract（参考訳）: 太陽フレア予測は広く研究されているが、未解決の問題である。 本稿では,太陽フレアデータセットSWAN-SFのパターン検出における弾性距離測定の寄与について検討する。 我々は,高度・高次元距離メトリクスの有効性を評価するために,単純な$k$-medoidsクラスタリングアルゴリズムを用いる。 その結果, 徹底的な最適化にもかかわらず, どちらの弾性距離も有意差でユークリッド距離を上回っていないことがわかった。 本研究では, 太陽活動の確率性が高いことを特徴とするSWAN-SFの多変量時系列に適用した場合, 有効にユークリッド距離に崩壊することを示す。 我々は何千もの実験を行い、この発見を裏付ける量的および質的な証拠を提示する。

関連論文リスト

• Seek in the Dark: Reasoning via Test-Time Instance-Level Policy Gradient in Latent Space [92.6187727249868]
  テスト時間インスタンスレベルの適応(TTIA)を通じて推論を強化するフレームワークであるLatentSeekを紹介した。 LatentSeekは、GSM8K、MATH-500、AIME2024など、さまざまな推論ベンチマークで評価されている。 結果は、LatentSeekが一貫して強力なベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2025-05-19T16:26:02Z)
• GeoMM: On Geodesic Perspective for Multi-modal Learning [55.41612200877861]
  本稿では,マルチモーダル学習における測地線距離を新しい距離測定基準として導入する。 我々のアプローチは、現在のマルチモーダル学習に測地距離を適用するための包括的な戦略を取り入れている。
  論文  参考訳（メタデータ） (2025-05-16T13:12:41Z)
• Towards Hybrid Embedded Feature Selection and Classification Approach with Slim-TSF [0.0]
  本研究の目的は、太陽フレアとその起源領域の隠れた関係と進化的特性を明らかにすることである。 True Skill Statistic (TSS) とHeidke Skill Score (HSS) の双方で平均5%の増加が認められた。
  論文  参考訳（メタデータ） (2024-09-06T18:12:05Z)
• Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
  近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。 本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
  論文  参考訳（メタデータ） (2024-07-12T18:00:02Z)
• Active Region-based Flare Forecasting with Sliding Window Multivariate Time Series Forest Classifiers [0.0]
  我々は、高次元データに使用される複雑で理解できないブラックボックスモデルと関連するサブインターバルの探索の間のギャップを橋渡しする。 本研究は, 太陽フレア予測において, 風下時系列森林分類器が有効であることを示す。
  論文  参考訳（メタデータ） (2024-02-05T19:34:12Z)
• Improving day-ahead Solar Irradiance Time Series Forecasting by Leveraging Spatio-Temporal Context [46.72071291175356]
  太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。 しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。 本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-06-01T19:54:39Z)
• Feature Selection on a Flare Forecasting Testbed: A Comparative Study of 24 Methods [0.7768952514701895]
  SWAN-SFには54のユニークな特徴があり、24の定量的特徴が活動領域の光球磁場マップから計算されている。 本研究では,これらの特徴がフレア予測の野心的な課題に与える影響を定量的に評価する問題を,初めて体系的に攻撃した。
  論文  参考訳（メタデータ） (2021-09-30T00:23:09Z)
• Sparse Generalized Yule-Walker Estimation for Large Spatio-temporal Autoregressions with an Application to NO2 Satellite Data [0.0]
  高次元モデルのクラスをスパース推定する。 我々は,ユル=ヴァルカー方程式の集合をペナルティ化することにより,空間的および時間的依存を完全駆動的に支配する関係を推定する。 衛星シミュレーションは、競合する手順と比較して強い有限サンプル性能を示す。
  論文  参考訳（メタデータ） (2021-08-05T21:51:45Z)
• How to Train Your Flare Prediction Model: Revisiting Robust Sampling of Rare Events [0.9851812512860351]
  本稿では,メタデータの特徴時系列による太陽フレア予測のケーススタディとして,顕著なクラス不均衡と時間的コヒーレントな問題として扱う。 時系列予測における連続性の要求によって引き起こされる時間的コヒーレンスの概念を概観し、この効果の適切な理解の欠如がモデルの性能を飛躍的に向上させることを示した。 これらの課題に対する主要な改善策を再考し、これらの改善がパフォーマンスに与える影響を正確に示すいくつかの実験を示す。
  論文  参考訳（メタデータ） (2021-03-12T21:37:08Z)

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。