論文の概要: Physics-Guided Regime Unmixing

• arxiv url: http://arxiv.org/abs/2605.04247v1
• Date: Tue, 05 May 2026 19:32:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.514686
• Title: Physics-Guided Regime Unmixing
• Title（参考訳）: 物理誘導レジームアンミックス
• Authors: Paula Pacheco, Pablo Granitto, Juan B. Cabral,
• Abstract要約: 我々は,観測可能な物理特徴から画素ワイドスカラーを推定し,正当性のある場所でのみ非線形混合を活性化する物理誘導レジームアンミキシング(PGRU)を提案する。 サムソン、ジャスパーリッジ、アーバンの実験では、ベースラインよりも一貫した改善が見られ、物理的コヒーレンスは0.90ドルである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Linear Mixing Model (LMM) dominates spectral unmixing for its simplicity, but fails under multiple scattering; existing nonlinear models compensate by applying a fixed regime uniformly across entire scenes. We propose Physics-Guided Regime Unmixing (PGRU), which estimates a pixel-wise scalar $ξ_i \in [0,1]$ from observable physical features to activate nonlinear mixing only where justified. Residuals from the Generalized Bilinear Model (GBM), the Post-Nonlinear Mixing Model (PPNM), and Hapke are combined via learned attention, yielding interpretable regime maps. Experiments on Samson, Jasper Ridge, and Urban show consistent improvements over baselines, with physical coherence $ρ> 0.90$.
• Abstract（参考訳）: 線形混合モデル(LMM)はその単純さのためにスペクトルアンミックスを支配しているが、多重散乱の下では失敗する。 我々は,観測可能な物理特徴から画素単位のスカラー $ _i \in [0,1]$ を推定し,正当性のある場合にのみ同期混合を活性化する物理誘導型レジームアンミックス (PGRU) を提案する。 一般双線形モデル(GBM)、ポスト非線形混合モデル(PPNM)およびハプケの残余は、学習された注意によって結合され、解釈可能なレジームマップが得られる。 Samson、Jasper Ridge、Urbanの実験では、物理的コヒーレンスを0.90$で、ベースラインよりも一貫した改善が見られた。

関連論文リスト

• Looking into a Pixel by Nonlinear Unmixing -- A Generative Approach [4.008552520886025]
  双方向GANフレームワークを用いた可逆混合混合プロセスを開発した。 提案手法を線形拘束型CycleGANアンミックスネット(LCGU)と呼ぶ。 実験結果から,提案したLCGUネットは,異なるデータセット間で安定かつ競争的な性能を示すことが示された。
  論文  参考訳（メタデータ） (2026-04-01T16:58:05Z)
• Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
  プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。 我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。 重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
  論文  参考訳（メタデータ） (2026-02-24T05:32:03Z)
• The Phase-Coupled Caldeira-Leggett Model: Non-Markovian Open Quantum Dynamics beyond Linear Dissipation [11.975083401255583]
  我々は、量子散逸のtextitPhase-Coupled Caldeira-Leggett (PCL) モデルを導入する。 PCLモデルは指数関数的な相互作用が$H_mathrmSBpropto eilambda hat F$であり、$hat F$は集合浴座標を表す。 数値シミュレーションにより、従来のカルデイラ・レゲットモデルで予測されたものとは大きく異なる特異な力学挙動が明らかになる。
  論文  参考訳（メタデータ） (2025-10-29T03:23:44Z)
• Robustness of Nonlinear Representation Learning [60.15898117103069]
  本研究では,教師なし表現学習の問題を,わずかに不特定な環境で研究する。 混合は線形変換と小さな誤差で識別可能であることを示す。 これらの結果は、実世界のデータに対する教師なし表現学習における識別可能性向上へのステップである。
  論文  参考訳（メタデータ） (2025-03-19T15:57:03Z)
• Nonlinear Stochastic Gradient Descent and Heavy-tailed Noise: A Unified Framework and High-probability Guarantees [56.80920351680438]
  本研究では,重音の存在下でのオンライン学習における高確率収束について検討する。 ノイズモーメントを仮定することなく、幅広い種類の非線形性を保証する。
  論文  参考訳（メタデータ） (2024-10-17T18:25:28Z)
• Nonlinear Hyperspectral Unmixing based on Multilinear Mixing Model using Convolutional Autoencoders [6.867229549627128]
  リフレクションに基づく教師なしアンミキシングのための新しいオートエンコーダネットワークを提案する。 合成データと実データの両方を用いた実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-03-14T18:11:52Z)
• Nonlinear optical generation of entangled squeezed states in lossy nonorthogonal quasimodes: an analytic solution [0.0]
  ナノキャビティ系の損失非直交準モードのM$$の非線形生成量子状態に対する密度演算子は、マルチモード圧縮熱状態の解析形式を有することを証明した。 我々は2つの非直交準同型系にアプローチを適用し、フォック状態の基底を用いてシミュレーションとの良好な一致を得る。
  論文  参考訳（メタデータ） (2022-10-12T18:28:24Z)
• The Generalized Lasso with Nonlinear Observations and Generative Priors [63.541900026673055]
  我々は、幅広い測定モデルで満たされるガウス下測度を仮定する。 この結果から, 局所埋込特性を仮定して, 均一回復保証まで拡張できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-22T16:43:35Z)
• Sparse Identification of Nonlinear Dynamical Systems via Reweighted $\ell_1$-regularized Least Squares [62.997667081978825]
  本研究は, 非線形系の制御方程式をノイズ状態測定から復元するための繰り返しスパース規則化回帰法を提案する。 本研究の目的は、状態測定ノイズの存在下での手法の精度とロバスト性を改善することである。
  論文  参考訳（メタデータ） (2020-05-27T08:30:15Z)

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。