論文の概要: Graph neural networks for sampling-invariant embeddings of organized signal sets

• arxiv url: http://arxiv.org/abs/2609.35934v1
• Date: Mon, 28 Sep 2026 15:08:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:46.899281
• Title: Graph neural networks for sampling-invariant embeddings of organized signal sets
• Title（参考訳）: 組織的信号集合のサンプリング不変な埋め込みのためのグラフニューラルネットワーク
• Abstract要約: 本稿では,ニューラルネットワークエンコーダを編成した信号セットについて検討する。 このようなエンコーダの目的は、不均一にサンプリングされた信号集合を任意の固定サイズのベクトル空間に投影することである。
• 参考スコア（独自算出の注目度）: 0.8857443660746979
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sensor networks and radars can deliver signals as organized sets, e.g. ordered signals, signals describing range cells within a grid or signals perceived as graph nodes. Within such sets, individual signals may be characterized by distinct sampling parameters. This paper investigates organized signal sets neural network encoders. In the context of this work, the purpose of such encoders is to project heterogeneously sampled signal sets into an arbitrary fixed-size vectors space. This new representation space is designed so that signal sets can be processed as vectors rid of sampling differences to allow for arbitrary topology-aware processing with no signal processing constraints. Within this representation space designed to reduce the influence of heterogeneous sampling parameters, the relevance of signal sets representations is evaluated by considering signal sets discrimination potential with a focus on waveforms separation. The encoding and embeddings discrimination experiments conducted rely exclusively on synthetic complex-valued radiofrequency signals.
• Abstract（参考訳）: センサネットワークとレーダーは、整理されたセット、例えば、順序付けられた信号、グリッド内のレンジセルを表す信号、あるいはグラフノードとして認識される信号として信号を配信することができる。 このような集合の中では、個々の信号は異なるサンプリングパラメータによって特徴づけられる。 本稿では,ニューラルネットワークエンコーダを編成した信号セットについて検討する。 この研究の文脈において、そのようなエンコーダの目的は、不均一にサンプリングされた信号集合を任意の固定サイズのベクトル空間に投影することである。 この新しい表現空間は、信号集合をサンプリング差を排除したベクトルとして処理できるように設計されており、信号処理制約のない任意のトポロジ対応処理を可能にする。 異種サンプリングパラメータの影響を低減するために設計されたこの表現空間内では、波形分離に着目した信号集合判別電位を考慮し、信号集合表現の関連性を評価する。 符号化と埋め込みの識別実験は、合成複素値の電波信号にのみ依存している。

関連論文リスト

• Sheaf-theoretic Signal Processing on Graphs: Spectral Theory, Filtering, and Sampling [13.687470962704744]
  本稿では,ネットワークシーブ上での統一的なシーフ信号処理フレームワークを開発する。 これは信号処理、すなわちスペクトル分析、フィルタリング、サンプリングの基本的な操作を拡張する。 合成、モーションキャプチャ、財務データセットの実験は、提案したフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-08-02T15:39:26Z)
• Implicit Neural Representations: A Signal Processing Perspective [54.57279006229212]
  入射神経表現(INR)は、離散的なサンプルデータから連続的な機能的表現へと、信号モデリングの根本的な変化を示す。 本稿では、信号処理の観点からのINRの進化を考察し、スペクトル挙動、サンプリング理論、マルチスケール表現を強調する。 医療・レーダ画像の逆問題,圧縮,3次元シーン表現など,幅広い応用分野におけるINRの有用性を強調した。
  論文  参考訳（メタデータ） (2026-04-16T14:12:06Z)
• Graph Neural Networks for Edge Signals: Orientation Equivariance and Invariance [50.277959544420455]
  我々は、新しい方向対応エッジレベルグラフシフト演算子からなるアーキテクチャであるEIGNを開発する。 EIGNは、例えばRMSEのフローシミュレーションタスクを最大23.5%改善するなど、エッジレベルのタスクにおける以前の作業より優れていた。
  論文  参考訳（メタデータ） (2024-10-22T12:12:43Z)
• Compressed Sensing of Generative Sparse-latent (GSL) Signals [9.00058212634219]
  本研究では、ニューラルネットワークに基づく生成モデルを持つ圧縮センシング(CS)システムにおいて、周囲信号の再構成を検討する。 生成信号としての周囲信号はスパース遅延入力を生成する。
  論文  参考訳（メタデータ） (2023-10-16T12:49:33Z)
• Non Commutative Convolutional Signal Models in Neural Networks: Stability to Small Deformations [111.27636893711055]
  非可換畳み込みフィルタのフィルタ特性と安定性について検討する。 この結果は,グループニューラルネットワーク,マルチグラフニューラルネットワーク,四元系ニューラルネットワークに直接影響する。
  論文  参考訳（メタデータ） (2023-10-05T20:27:22Z)
• Dirac signal processing of higher-order topological signals [5.70896453969985]
  本稿では,ノード,リンク,三角形でサポートされている位相信号を協調フィルタリングする適応的教師なし信号処理アルゴリズムを提案する。 我々は,海中の漂流者のノイズの多い合成データとノイズの多いデータを用いて,我々のアルゴリズムを検証した。
  論文  参考訳（メタデータ） (2023-01-12T13:53:27Z)
• Meta-Learning Sparse Implicit Neural Representations [69.15490627853629]
  入射神経表現は、一般的な信号を表す新しい道である。 現在のアプローチは、多数の信号やデータセットに対してスケールすることが難しい。 メタ学習型スパースニューラル表現は,高密度メタ学習モデルよりもはるかに少ない損失が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-27T18:02:53Z)
• iNNformant: Boundary Samples as Telltale Watermarks [68.8204255655161]
  4つの試験されたマイクロアーキテクチャのいずれかを識別できる境界サンプルの集合を生成することができることを示す。 これらのセットは70dBよりも悪いピーク信号-雑音比のサンプルを含まないように構築することができる。
  論文  参考訳（メタデータ） (2021-06-14T11:18:32Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Cross-modal variational inference for bijective signal-symbol translation [11.444576186559486]
  本稿では,この問題を密度推定タスクに変換することで,信号・記号変換の手法を提案する。 この結合分布を2つの異なる変分オートエンコーダで推定する。 本稿では,音符,オクターブ,ダイナミクスの記号を用いたモデル実験を行い,音楽の書き起こしとラベル制約による音声生成の基本的なステップを構成する。
  論文  参考訳（メタデータ） (2020-02-10T15:25:48Z)

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。