論文の概要: Intrinsic Dimension Estimation for Radio Galaxy Zoo using Diffusion Models

• arxiv url: http://arxiv.org/abs/2511.11490v1
• Date: Fri, 14 Nov 2025 17:09:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 22:42:18.73806
• Title: Intrinsic Dimension Estimation for Radio Galaxy Zoo using Diffusion Models
• Title（参考訳）: 拡散モデルを用いたラジオギャラクシー動物園の固有次元推定
• Authors: Joan Font-Quer Roset, Devina Mohan, Anna Scaife,
• Abstract要約: 我々は、スコアベース拡散モデルを用いて、RGZデータセットの固有次元(iD)を推定する。 アウト・オブ・ディストリビューション・ソースは、より高いiD値を示し、RGZの全体的なiDは、通常、自然言語データセットで報告されるiDを上回ることが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In this work, we estimate the intrinsic dimension (iD) of the Radio Galaxy Zoo (RGZ) dataset using a score-based diffusion model. We examine how the iD estimates vary as a function of Bayesian neural network (BNN) energy scores, which measure how similar the radio sources are to the MiraBest subset of the RGZ dataset. We find that out-of-distribution sources exhibit higher iD values, and that the overall iD for RGZ exceeds those typically reported for natural image datasets. Furthermore, we analyse how iD varies across Fanaroff-Riley (FR) morphological classes and as a function of the signal-to-noise ratio (SNR). While no relationship is found between FR I and FR II classes, a weak trend toward higher SNR at lower iD. Future work using the RGZ dataset could make use of the relationship between iD and energy scores to quantitatively study and improve the representations learned by various self-supervised learning algorithms.
• Abstract（参考訳）: 本研究では,Radio Galaxy Zoo(RGZ)データセットの固有次元(iD)をスコアベース拡散モデルを用いて推定する。 RGZデータセットのMiraBestサブセットと、電波源がどの程度類似しているかを測定するため、iD推定がベイズニューラルネットワーク(BNN)エネルギースコアの関数としてどのように異なるかを検討する。 アウト・オブ・ディストリビューション・ソースは、より高いiD値を示し、RGZの全体的なiDは、通常、自然言語データセットで報告されるiDを上回ることが判明した。 さらに,信号-雑音比 (SNR) の関数として, ファナロフ-ライリー (FR) 形態類間でiDがどのように変化するかを分析する。 FRIクラスとFRIIクラスの間には関係はみられないが, 低いiDではSNRが高い傾向がみられた。 RGZデータセットを用いた今後の研究は、iDとエネルギースコアの関係を利用して、様々な自己教師付き学習アルゴリズムによって学習された表現を定量的に研究し、改善する可能性がある。

関連論文リスト

• Adapting HFMCA to Graph Data: Self-Supervised Learning for Generalizable fMRI Representations [57.054499278843856]
  機能的磁気共鳴画像(fMRI)解析は、データセットのサイズが限られ、研究間でのドメインの変動が原因で大きな課題に直面している。 コンピュータビジョンにインスパイアされた従来の自己教師付き学習手法は、正と負のサンプルペアに依存することが多い。 本稿では,最近開発された階層関数最大相関アルゴリズム(HFMCA)をグラフ構造fMRIデータに適用することを提案する。
  論文  参考訳（メタデータ） (2025-10-05T12:35:01Z)
• DDaTR: Dynamic Difference-aware Temporal Residual Network for Longitudinal Radiology Report Generation [19.120393411105887]
  放射線学報告生成(RRG)は、医療画像からの放射線学レポートの作成を自動化し、報告プロセスの効率を向上する。 LRRGはRRGを拡張し、現在の検査と事前試験を比較し、臨床所見の時間的変化の追跡を容易にする。 既存のLRRGアプローチは、視覚的事前訓練エンコーダを使用して、前と現在の画像からのみ特徴を抽出し、最終的なレポートを生成する。
  論文  参考訳（メタデータ） (2025-05-06T10:29:23Z)
• NeuroADDA: Active Discriminative Domain Adaptation in Connectomic [3.241925400160274]
  我々は、最適なドメイン選択とソース不要なアクティブラーニングを組み合わせて、トレーニング済みのバックボーンを新しいデータセットに適応させる方法であるNeuroADDAを紹介する。 NeuroADDAは、さまざまなデータセットと微調整されたサンプルサイズで、スクラッチからトレーニングを一貫して上回る。
  論文  参考訳（メタデータ） (2025-03-08T12:40:30Z)
• Brain Network Diffusion-Driven fMRI Connectivity Augmentation for Enhanced Autism Spectrum Disorder Diagnosis [12.677178802864029]
  fMRIデータ取得とラベル付けのコストが高いため、fMRIデータの量は少ないことが多い。 生成モデル、特に拡散モデルの増加に伴い、実際のデータ分布に近い現実的なサンプルを生成する能力は、データ拡張に広く利用されている。
  論文  参考訳（メタデータ） (2024-09-11T08:02:57Z)
• Assessing Neural Network Representations During Training Using Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
  ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。 データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。 本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
  論文  参考訳（メタデータ） (2023-12-04T01:32:42Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Improving Out-of-Distribution Robustness of Classifiers via Generative Interpolation [56.620403243640396]
  ディープニューラルネットワークは、独立かつ同一に分散されたデータ(すなわち、d)から学習する上で、優れたパフォーマンスを達成する。 しかし、アウト・オブ・ディストリビューション(OoD)データを扱う場合、その性能は著しく低下する。 多様なOoDサンプルを合成するために,複数のドメインから学習した生成モデルを融合するための生成補間法(Generative Interpolation)を開発した。
  論文  参考訳（メタデータ） (2023-07-23T03:53:53Z)
• Robust Fiber Orientation Distribution Function Estimation Using Deep Constrained Spherical Deconvolution for Diffusion MRI [9.570365838548073]
  測定したDW-MRI信号をモデル化するための一般的なプラクティスは、繊維配向分布関数(fODF)である。 DW-MRIの取得において、測定変数(サイト内およびサイト内変動、ハードウェア性能、シーケンス設計など)は避けられない。 既存のモデルベース手法(例えば、制約付き球面デコンボリューション(CSD))や学習ベース手法(例えば、ディープラーニング(DL))は、fODFモデリングにおいてそのような変動を明示的に考慮していない。 本稿では,データ駆動型深部制約付き球面デコンボリューション法を提案する。
  論文  参考訳（メタデータ） (2023-06-05T14:06:40Z)
• Score Approximation, Estimation and Distribution Recovery of Diffusion Models on Low-Dimensional Data [68.62134204367668]
  本稿では,未知の低次元線形部分空間上でデータをサポートする場合の拡散モデルのスコア近似,推定,分布回復について検討する。 適切に選択されたニューラルネットワークアーキテクチャでは、スコア関数を正確に近似し、効率的に推定することができる。 推定スコア関数に基づいて生成された分布は、データ幾何学構造を捕捉し、データ分布の近傍に収束する。
  論文  参考訳（メタデータ） (2023-02-14T17:02:35Z)
• Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
  被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。 グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。 まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
  論文  参考訳（メタデータ） (2020-06-11T17:29:53Z)

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。