論文の概要: Target localization, identification and sensing using latent symmetries
- arxiv url: http://arxiv.org/abs/2606.01421v1
- Date: Sun, 31 May 2026 19:42:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:29.695081
- Title: Target localization, identification and sensing using latent symmetries
- Title（参考訳）: 潜在対称性を用いた目標定位・識別・センシング
- Authors: David Dukov, Malte Röntgen, Bryn Davies,
- Abstract要約: 潜伏対称性が問題検出のためにうまく活用されたのはこれが初めてである。
また、スパースグラフで近似できない3次元開系において潜在対称性が観測されたのは、これが初めてである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We show that an array of scatterers which has been designed to have latent ("hidden") symmetries can be used as a sensor. We use the capacitance matrix as a canonical model for three-dimensional hybridisation and study how the introduction of an "intruder'' scatterer breaks the latent symmetries. By analysing the degree to which each symmetry is broken, we identify the radius of the intruder and localize its position. This can be achieved using a dictionary-based approach, however Bayesian inference or an artificial neural network (multi-layer perceptron) perform better in the presence of measurement noise. To our knowledge, this is the first time latent symmetries have been exploited successfully for sensing problems. It is also the first time latent symmetries have been observed in a three-dimensional open system that cannot be approximated by a sparse graph.
- Abstract（参考訳）: 隠れた)対称性を持つように設計された散乱器の配列をセンサとして使用できることを示す。
キャパシタンス行列を3次元ハイブリダイゼーションの標準モデルとして使用し、「イントルーダ」散乱器の導入が潜在対称性を破る方法について検討する。
それぞれの対称性が壊れている程度を分析して、侵入者の半径を特定し、その位置を定位する。
これは辞書ベースのアプローチで実現できるが、ベイジアン推論や人工ニューラルネットワーク(多層パーセプトロン)は測定ノイズの存在下でより優れた性能を発揮する。
我々の知る限り、潜伏対称性が問題検出のためにうまく活用されたのはこれが初めてである。
また、スパースグラフで近似できない3次元開系において潜在対称性が観測されたのは、これが初めてである。
関連論文リスト
- Axis-level Symmetry Detection with Group-Equivariant Representation [48.813587457507786]
最近の熱マップに基づくアプローチは対称性軸のポテンシャル領域をローカライズすることができるが、個々の軸を特定する精度に欠けることが多い。
本稿では,2つの最も一般的な対称性-反射と回転の軸レベル検出のための新しい枠組みを提案する。
提案手法は最先端の性能を達成し,既存手法より優れている。
論文 参考訳（メタデータ） (2025-08-14T15:26:53Z) - Robust Symmetry Detection via Riemannian Langevin Dynamics [39.342336146118015]
本稿では, 従来の対称性検出技術と, 生成モデリングの最近の進歩を融合した新しい対称性検出手法を提案する。
具体的には、騒音に対するロバスト性を高めるために、対称性空間にランゲヴィン力学を適用する。
提案手法は雑音に対して頑健であるだけでなく,部分対称性と大域対称性の両方を識別できることを示す様々な形状に関する実験結果を提供する。
論文 参考訳（メタデータ） (2024-09-18T02:28:20Z) - A Generative Model of Symmetry Transformations [44.87295754993983]
我々はデータの近似対称性を明示的に捉えることを目的とした生成モデルを構築した。
我々は、アフィンおよび色変換の下で対称性を捕捉する能力を実証的に実証した。
論文 参考訳（メタデータ） (2024-03-04T11:32:18Z) - Latent Space Symmetry Discovery [31.28537696897416]
本稿では,非線形群作用の対称性を発見できる新しい生成モデルであるLatent LieGANを提案する。
本モデルでは,群作用に関する条件下で非線形対称性を表現できることが示されている。
LaLiGANはまた、方程式発見や長期予測を含む下流のタスクに有用な構造化された潜在空間をもたらす。
論文 参考訳（メタデータ） (2023-09-29T19:33:01Z) - Third quantization of open quantum systems: new dissipative symmetries
and connections to phase-space and Keldysh field theory formulations [77.34726150561087]
3つの方法全てを明示的に接続する方法で第3量子化の手法を再構成する。
まず、我々の定式化は、すべての二次ボゾンあるいはフェルミオンリンドブラディアンに存在する基本散逸対称性を明らかにする。
ボソンに対して、ウィグナー関数と特徴関数は密度行列の「波動関数」と考えることができる。
論文 参考訳（メタデータ） (2023-02-27T18:56:40Z) - Machine-learning hidden symmetries [0.0]
本稿では,新しい座標系にのみ現れる隠れ対称性を自動検出する手法を提案する。
その中心となる考え方は、ある偏微分方程式の違反として非対称性を定量化し、すべての可逆変換の空間上のそのような違反を数値的に最小化し、可逆ニューラルネットワークとしてパラメータ化することである。
論文 参考訳（メタデータ） (2021-09-20T17:55:02Z) - Detecting Symmetries with Neural Networks [0.0]
ニューラルネットワークの埋め込み層における構造を広範囲に活用する。
我々は、対称性が存在するかどうかを特定し、入力中の対称性の軌道を特定する。
この例では、グラフの観点で新しいデータ表現を示す。
論文 参考訳（メタデータ） (2020-03-30T17:58:24Z)
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。