抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文の目的は,例えば天文画像やスペクトルのような1次元および2次元データの信号対雑音比を自動的に改善するかもしれないBayes推論の観点から,新しいノンパラメトリック雑音低減技術を記述することである。このアルゴリズムは,データの可能な平滑化バージョンを反復的に評価し,滑らかなモデルであり,雑音測定に統計的に互換性のある基礎となる信号の推定を得た。最後の円滑モデルの証拠とχ ̄2統計に基づいて,反復停止を停止し,滑らかなモデルの全体の集合の加重平均として信号の期待値を計算した。本論文では,アルゴリズムの数学的定式化と数値実装を説明し,実際の天文観測の電池を用いて,ピーク信号対雑音比,構造類似性指数,および時間ペイロードに関してその性能を評価した。データ分析(FABADA)のための完全適応Bayesアルゴリズムは,パラメータ調整なしに,実際の応用では不可能であった,真の信号に基づいて最適化される標準画像処理アルゴリズムに匹敵する結果をもたらす。BM3Dのような最先端の非パラメトリック方法は,高信号対雑音比でわずかに良い性能を提供するが,提案アルゴリズムは,極めて雑音の多いデータ(相対誤差20~40%以上,天文学分野における特定の関心の状況)に対して,かなり正確である。この範囲で,著者らの再構成によって得られた残差の標準偏差は,元の測定よりも1桁以上低い。本論文に提示したすべての結果を再現するのに必要なソースコードは,この方法の実施を含めて,https://github.com/PabloMSanAla/fabadaで公的に利用可能である。【JST・京大機械翻訳】