Fugu-MT 論文翻訳(概要): GAUDI: Geometry-Aware Diffusion for Calibrated Air-Quality Time-Series Imputation

論文の概要: GAUDI: Geometry-Aware Diffusion for Calibrated Air-Quality Time-Series Imputation

arxiv url: http://arxiv.org/abs/2609.30340v1
Date: Thu, 24 Sep 2026 10:24:31 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-28 18:27:51.070194
Title: GAUDI: Geometry-Aware Diffusion for Calibrated Air-Quality Time-Series Imputation
Title（参考訳）: GAUDI:空調時間列インプットの校正のための幾何学的拡散
Abstract要約: 時間的および特徴的処理、可視値およびマスク条件付け、可変ID、拡散ステップ情報を保持するブロック固有なGAUDI整列型条件拡散インダクタ。実験はブロック不足下で幾何学的条件付け効果を分離する。
参考スコア（独自算出の注目度）: 3.1732002723226107
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Air-quality sensor outages often create contiguous missing blocks, where side information useful for isolated missingness may be less reliable. We study a block-specific, GAUDI-aligned conditional diffusion imputer that retains temporal and feature processing, visible-value and mask conditioning, variable identity, and diffusion-step information, while suppressing absolute time-position side embeddings. On ItalyAir (13 variables, length-32 windows, nominal 50% block missingness; three archived seeds), this feature-side configuration achieves RMSE 0.340, versus 0.355 for full context and 0.355 for local CSDI. The experiment isolates a geometry-aware conditioning effect under block missingness.
Abstract（参考訳）: 空気質のセンサーの故障は、しばしば連続した欠落ブロックを発生させ、孤立した欠落に有用な副次情報は信頼性が低い可能性がある。本研究では,時間的および特徴的処理,可視値,マスク条件,可変ID,拡散ステップ情報を保持できるブロック固有なGAUDI整列型拡散インバータについて検討する。イタリア航空 (13変数、長さ32ウィンドウ、名目上の50%ブロック欠如、3つのアーカイドシード) では、この機能はRMSE 0.340を達成し、フルコンテキストでは0.355、ローカルCSDIでは0.355を達成している。この実験はブロック不足下での幾何学的条件付け効果を分離する。

関連論文リスト

Mechanism-Aware Ensemble Conditioning for Data-Limited Emulation of Extreme Events [1.0032961794537367]
本研究では, 粗いアンサンブルを局所不安定な形状の非侵入センサに変換する機構対応コンディショニング・プラグイン・フレームワークを提案する。固定アンサンブル条件付きFiLM-STORNモデルは(50)時間単位のみで訓練され、長距離レアイベント統計を著しく改善する。
論文参考訳（メタデータ） (2026-09-25T03:23:41Z)
Odometry-Aided Real-Time Mapping for Underwater Robots Using Forward-Looking Sonar [51.8931180857129]
前向きソナー(FLS)のリアルタイムマッピングは、未解決の目標高度、空間的に一様でないノイズ、断片化された目標境界のため、依然として困難である。本稿では,高速フーリエ変換(FFT)に基づくデノイング,高速マルチスケール定数偽アラームレート(MCFAR)検出,勾配適応境界接続を組み合わせたケースケード型特徴再構成パイプラインを提案する。 3m×5mプールにおける実験では,3列に3cm未満のルート平均二乗誤差(RMSE)とフレーム平均処理時間42.4msのセンチスケール平面マッピング精度が示された。
論文参考訳（メタデータ） (2026-09-21T07:10:04Z)
Feature-Spectral Fragility in Segmentation: Dataset Dependence, Architecture-Specific Localization, and Spectral Correlates [0.0]
学習した特徴表現の周波数依存性を学習後低域介入を用いて調査する。 CNN、SSM、Transformerはそれぞれ100%、73.2%、30.9%減少し、ISICでは9.4%、10.3%、0.6%となっている。ネイティブな特徴領域スペクトル測定は、CVCにおける高周波エネルギーと不安定性の逆相関を示す。
論文参考訳（メタデータ） (2026-08-29T09:33:45Z)
FedGuard-DC: Privacy-Preserving Federated Load Forecasting and Cyber-Attack Detection for Data-Center Loads in Transmission Systems [0.4125187280299247]
FedGuard-DCは、プライバシ保護されたDC負荷予測とローカルな偽データ注入攻撃検出のためのフレームワークである。校正された異常スコアは、予測残差と再構成誤差を組み合わせて、局所的に破損した測定を検知する。このフレームワークは, IEEE 39-bus New Englandシステムに統合された150MWから350MWの4大DC負荷のEMTシミュレーションデータを用いて検証した。
論文参考訳（メタデータ） (2026-08-19T17:40:59Z)
Structured-Sparse Attention for Entity Tracking with Subquadratic Sequence Complexity [45.829192030010006]
また, 大部分の質量は, 光遮断残余を有する局所ブロック対角近傍に集中していることが示唆された。ブロック内相互作用を正確に保ち、還元されたシステムを介してブロック間相互作用を経路するリゾルペント型演算子のブロックワイズ評価を導出する。本手法は,高密度演算子の精度に一致し,標準化された測定プロトコルの下で壁面時間を12～29%削減する。
論文参考訳（メタデータ） (2026-05-21T13:35:48Z)
RAFT-MSF++: Temporal Geometry-Motion Feature Fusion for Self-Supervised Monocular Scene Flow [51.43025173196566]
単眼のシーンフロー推定は画像列から高密度な3次元動きを復元することを目的としている。 RAFT-MSF++は,時間的特徴を融合して深度とシーンフローを推定する自己教師型マルチフレームフレームワークである。実験の結果、RAFT-MSF++はKITTI Scene Flowベンチマークで24.14%のSF-allを達成した。
論文参考訳（メタデータ） (2026-04-21T11:32:49Z)
Understanding Latent Diffusability via Fisher Geometry [27.84196444245208]
最小平均二乗誤差(MMSE)の変化率による潜時空間拡散率の定量化我々のフレームワークは、このMMSEレートをFier Information(FI)とFier Information Rate(FIR)のコントリビューションに分解する。我々の分析では, 遅延幾何学的歪みを次元圧縮, 接形歪み, 曲率注入の3つの測定可能なペナルティに明確に分解した。
論文参考訳（メタデータ） (2026-04-03T05:52:09Z)
AGRI-Fidelity: Evaluating the Reliability of Listenable Explanations for Poultry Disease Detection [4.2983704620741685]
AGRI-Fidelityは,空間的根拠のない養鶏病検出における聴取可能な説明のための信頼性指向評価フレームワークである。実データと制御されたデータセット全体で、AGRI-Fidelityは、マスキングベースのメトリクスに対して、すべてのデータポイントに対して信頼性に配慮した識別を効果的に提供する。
論文参考訳（メタデータ） (2026-03-18T20:12:02Z)
Perfectly-Private Analog Secure Aggregation in Federated Learning [51.61616734974475]
連合学習では、複数のパーティがモデルをローカルにトレーニングし、パラメータを中央サーバと共有する。本稿では,有限場ではなくトーラスを用いた新しいセキュアパラメータアグリゲーション法を提案する。
論文参考訳（メタデータ） (2025-09-10T15:22:40Z)
Over-the-Air Federated Learning with Privacy Protection via Correlated Additive Perturbations [57.20885629270732]
我々は、複数のユーザ/エージェントからエッジサーバへの勾配更新をOtA(Over-the-Air)で送信することで、無線フェデレーション学習のプライバシー面を考察する。従来の摂動に基づく手法は、トレーニングの精度を犠牲にしてプライバシー保護を提供する。本研究では,エッジサーバにおけるプライバシリークの最小化とモデル精度の低下を目標とする。
論文参考訳（メタデータ） (2022-10-05T13:13:35Z)

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。