論文の概要: Wavenumber-Aware Deep Learning for Robust Analysis of Raman Spectra

• arxiv url: http://arxiv.org/abs/2610.30746v1
• Date: Thu, 22 Oct 2026 05:16:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.220336
• Title: Wavenumber-Aware Deep Learning for Robust Analysis of Raman Spectra
• Title（参考訳）: ラマンスペクトルのロバスト解析のためのウェーブナンバー対応深層学習
• Abstract要約: スペクトル点をインテンシティとウェーブナンバーのペアとして表現し、ウェーブナンバー自体からトランスフォーマーの位置エンコーディングを計算する。 3種の細菌とそれらの合成混合物のラマンスペクトルでは、この表現はノイズに対して頑丈であった。 明示的な物理座標は、可変測定条件下でのロバストスペクトル解析への簡単な経路を提供する。
• 参考スコア（独自算出の注目度）: 8.532769228253452
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Machine-learning models for spectroscopy usually treat a spectrum as a fixed-grid intensity vector, leaving the physical coordinate implicit in the array index. Such models are tied to a single sampling grid, spectral range and resolution, which limits their use when measurement conditions change. Here we represent each spectral point as a pair of intensity and wavenumber and compute Transformer positional encodings from the wavenumber itself. On Raman spectra of three bacterial species and their synthetic mixtures, this representation remained robust to noise, sparser sampling and partial spectral coverage across convolutional, residual and Transformer networks. In controlled comparisons, wavenumber-based encoding outperformed index-based and learned encodings under partial observation and retained its performance on sampling grids never seen during training, where index-based encoding degraded. These findings were reproduced on a public 30-isolate bacterial benchmark. Explicit physical coordinates offer a simple route to robust spectral analysis under variable measurement conditions.
• Abstract（参考訳）: 分光の機械学習モデルは、通常、スペクトルを固定格子強度ベクトルとして扱い、物理座標を配列インデックスに暗黙的に残す。 このようなモデルは、単一のサンプリンググリッド、スペクトル範囲、解像度に結び付けられており、測定条件が変化した場合の使用を制限する。 ここでは、各スペクトル点をインテンシティとウェーブナンバーのペアとして表現し、ウェーブナンバー自体からトランスフォーマーの位置エンコーディングを計算する。 3種の細菌とそれらの合成混合物のラマンスペクトルにおいて、この表現は、畳み込み、残留、変換器ネットワークにわたるノイズ、スペーサーサンプリング、部分スペクトルカバレッジに頑健なままであった。 制御された比較では、波数に基づく符号化はインデックスベースよりも優れており、部分的な観察下での符号化を学習し、インデックスベース符号化が劣化したトレーニング中に見られないサンプリンググリッド上でのパフォーマンスを維持した。 これらの所見は, 一般の30種類の細菌ベンチマークで再現された。 明示的な物理座標は、可変測定条件下でのロバストスペクトル解析への簡単な経路を提供する。

関連論文リスト

• Faster 3D Gaussian Splatting Convergence via Structure-Aware Densification [52.517763621139956]
  3Dガウススプラッティングは、リアルタイムのノベルビュー合成のための強力なシーン表現として登場した。 標準適応密度制御は画面空間の位置勾配に依存する。 本稿では,3次元ガウススプラッティングのための構造認識型密度化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-30T15:37:20Z)
• 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)
• Data-Driven Graph Filters via Adaptive Spectral Shaping [10.449640808601199]
  本稿では,グラフフィルタリングのためのデータ駆動型フレームワークであるAdaptive Spectral Shapingを紹介する。 このフレームワークは、グラフ信号処理パイプラインとグラフニューラルネットワークにプラグインする、コンパクトなスペクトルモジュールを提供する。
  論文  参考訳（メタデータ） (2026-02-03T16:20:49Z)
• Resolving Node Identifiability in Graph Neural Processes via Laplacian Spectral Encodings [9.343292907600913]
  固有ベクトル符号のフリップや固有空間内の回転の基底に不変なラプラシアン位置符号化の理論を提供する。 この符号化により、一定数の観測からノード識別性が得られ、Weisfeiler-Lehmanテストで制約されたアーキテクチャからサンプル複雑度を分離することが証明される。
  論文  参考訳（メタデータ） (2025-11-24T12:20:36Z)
• LSCD: Lomb-Scargle Conditioned Diffusion for Time series Imputation [55.800319453296886]
  欠落または不規則なサンプルデータを持つ時系列は、機械学習において永続的な課題である。 我々は,不規則サンプルデータのパワースペクトルの信頼性の高い計算を可能にする,異なるLombiable-Scargle層を導入する。
  論文  参考訳（メタデータ） (2025-06-20T14:48:42Z)
• SinBasis Networks: Matrix-Equivalent Feature Extraction for Wave-Like Optical Spectrograms [8.37266944852829]
  フラットな入力上での線形変換として、畳み込みと注意を再解釈する統一的行列等価フレームワークを提案する。 これらの変換をCNN、ViT、Capsuleアーキテクチャに埋め込むことで、Sin-Basis Networksは周期的なモチーフに対する感度を高めることができる。
  論文  参考訳（メタデータ） (2025-05-06T16:16:42Z)
• On Optimal Sampling for Learning SDF Using MLPs Equipped with Positional Encoding [76.78321723602636]
  我々は、好ましくない副作用を伴わずに、正確な暗黙の場を学習するための適切なサンプリング率を決定するツールを考案した。 PEを具備したPEは、PE層の最高周波数成分よりも内在周波数がはるかに高いことが観察された。 SDFフィッティングの設定において,この推奨サンプリングレートは正確なフィッティング結果の確保に十分であることを示す。
  論文  参考訳（メタデータ） (2024-01-02T10:51:52Z)
• Hodge-Aware Contrastive Learning [101.56637264703058]
  単純コンプレックスは、マルチウェイ依存によるデータのモデリングに有効である。 我々は、単純なデータを処理するための対照的な自己教師付き学習手法を開発した。
  論文  参考訳（メタデータ） (2023-09-14T00:40:07Z)
• Understanding the Spectral Bias of Coordinate Based MLPs Via Training Dynamics [2.9443230571766854]
  本稿では,ReLUネットワークの計算結果と勾配勾配収束速度の関連性について検討する。 次に、この定式化を用いて、低次元設定におけるスペクトルバイアスの重症度と位置符号化がこれを克服する方法について研究する。
  論文  参考訳（メタデータ） (2023-01-14T04:21:25Z)
• Scale Dependencies and Self-Similar Models with Wavelet Scattering Spectra [1.5866079116942815]
  複雑なウェーブレット変換は、各スケールで信号の変動を計算する。 スケール間の依存性は、ウェーブレット係数の時間とスケールのジョイント相関によって捉えられる。 このモーメントのベクトルは多スケールプロセスのガウス的でない幅広い性質を特徴付けることを示す。
  論文  参考訳（メタデータ） (2022-04-19T22:31:13Z)

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。