論文の概要: ML-based approach to classification and generation of structured light propagation in turbulent media
- arxiv url: http://arxiv.org/abs/2604.14208v1
- Date: Sat, 04 Apr 2026 16:58:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-19 19:09:11.718045
- Title: ML-based approach to classification and generation of structured light propagation in turbulent media
- Title（参考訳）: MLによる乱流媒質中の構造光伝搬の分類と生成
- Authors: Aokun Wang, Anjali Nair, Zhongjian Wang, Guillaume Bal,
- Abstract要約: 本研究では, 乱れを発生させる構造光ビームを, 乱流大気中を伝播させる機械学習手法を開発した。
我々は、この特定のアプリケーションに適した畳み込みニューラルネットワークを設計し、それをワンホット符号化を用いた分類モデルに使用する。
学習段階におけるBregman距離最小化は、高周波モードの生成品質を向上させることを示す。
- 参考スコア（独自算出の注目度）: 1.2549535267918002
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work develops machine learning approaches to classify structured light wave beams developing random speckle disturbances as they propagate through turbulent atmospheres. Beam propagation is modeled by the numerical simulation of a stochastic paraxial equation. We design convolutional neural networks tailored for this specific application and use them for a classification model with one-hot encoding. To address the challenge of potentially limited available data, we develop a prediction-based generative diffusion model to provide additional data during classifier training. We show that a Bregman distance minimization during the learning step improves the quality of the generation of high-frequency modes.
- Abstract（参考訳）: この研究は、乱流大気中を伝播するランダムなスペックル障害を発生させる構造化光波ビームを分類するための機械学習手法を開発する。
ビーム伝搬は確率的同軸方程式の数値シミュレーションによってモデル化される。
我々は、この特定のアプリケーションに適した畳み込みニューラルネットワークを設計し、それをワンホット符号化を用いた分類モデルに使用する。
そこで本研究では,予測に基づく生成拡散モデルを構築し,分類器学習中に追加データを提供する。
学習段階におけるBregman距離最小化は、高周波モードの生成品質を向上させることを示す。
関連論文リスト
- On Neural Scaling Laws for Weather Emulation through Continual Training [76.70310203875866]
我々はScientific Machine Learningにおけるニューラルスケーリングについて研究し、天気予報モデルに焦点を当てた。
可能な限り簡単な設定でスケーリング動作を解析するために、最小限でスケーラブルで汎用的なSwin Transformerアーキテクチャを採用する。
この最小限の方法でトレーニングされたモデルは、予測可能なスケーリングトレンドに従っており、標準的なコサイン学習率のスケジュールよりも優れています。
論文 参考訳（メタデータ） (2026-03-26T17:37:25Z) - A Novel Cloud-Based Diffusion-Guided Hybrid Model for High-Accuracy Accident Detection in Intelligent Transportation Systems [21.082870778158313]
誘導分類と拡散手法を組み合わせた新しいハイブリッドモデルを提案する。
私たちの実装はクラウドベースで、スケーラブルで効率的な処理を可能にしています。
提案した拡散モデルでは,97.32%の精度で画像に基づく事故検出を行う。
論文 参考訳（メタデータ） (2025-10-04T05:02:15Z) - Inference-Time Scaling of Diffusion Language Models with Particle Gibbs Sampling [70.8832906871441]
我々は、モデルを再訓練することなく、所望の報酬に向けて世代を操る方法を研究する。
従来の手法では、通常は1つの認知軌道内でサンプリングやフィルタを行い、軌道レベルの改善なしに報酬をステップバイステップで最適化する。
本稿では,拡散言語モデル(PG-DLM)の粒子ギブスサンプリングについて紹介する。
論文 参考訳（メタデータ） (2025-07-11T08:00:47Z) - Beyond Fixed Horizons: A Theoretical Framework for Adaptive Denoising Diffusions [1.9116784879310031]
本稿では, ノイズ発生過程とノイズ発生過程の両方において, 時間均質な構造を実現する新しい生成拡散モデルを提案する。
モデルの主な特徴は、ターゲットデータへの適応性であり、事前訓練された無条件生成モデルを使用して、様々な下流タスクを可能にする。
論文 参考訳（メタデータ） (2025-01-31T18:23:27Z) - Generative diffusion model with inverse renormalization group flows [0.0]
拡散モデルは、ホワイトノイズによって破損したサンプルをデノナイズすることでデータを生成する。
本稿では,データ分散のマルチスケールな性質を利用する正規化群に基づく拡散モデルを提案する。
タンパク質構造予測および画像生成への応用を通じて,モデルの汎用性を検証する。
論文 参考訳（メタデータ） (2025-01-15T19:00:01Z) - Diffusion-Model-Assisted Supervised Learning of Generative Models for
Density Estimation [10.793646707711442]
本稿では,密度推定のための生成モデルを訓練するためのフレームワークを提案する。
スコアベース拡散モデルを用いてラベル付きデータを生成する。
ラベル付きデータが生成されると、シンプルな完全に接続されたニューラルネットワークをトレーニングして、教師付き方法で生成モデルを学ぶことができます。
論文 参考訳（メタデータ） (2023-10-22T23:56:19Z) - A Geometric Perspective on Diffusion Models [57.27857591493788]
本稿では,人気のある分散拡散型SDEのODEに基づくサンプリングについて検討する。
我々は、最適なODEベースのサンプリングと古典的な平均シフト(モード探索)アルゴリズムの理論的関係を確立する。
論文 参考訳（メタデータ） (2023-05-31T15:33:16Z) - Reflected Diffusion Models [93.26107023470979]
本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。
提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
論文 参考訳（メタデータ） (2023-04-10T17:54:38Z) - A Distributed Optimisation Framework Combining Natural Gradient with
Hessian-Free for Discriminative Sequence Training [16.83036203524611]
本稿では、ニューラルネットワークトレーニングのための自然勾配およびヘッセンフリー(NGHF)最適化フレームワークを提案する。
これは、自然勾配(ng)法とヘッセンフリー(hf)や他の二次法からの局所曲率情報を組み合わせた線形共役勾配(cg)アルゴリズムに依存している。
さまざまな音響モデルタイプのマルチジャンル放送データセットで実験が報告されています。
論文 参考訳（メタデータ） (2021-03-12T22:18:34Z)
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。