Deep-SWIM:太陽WInd磁場構造を分類するための少数ショット学習アプローチ【JST・京大機械翻訳】

Lamdouar Hala; Sundaresan Sairam; Jungbluth Anna; Saikia Sudeshna Boro; Camarata Amanda Joy; Miles Nathan; Scoczynski Marcella; Stone Mavis; Sarah Anthony; Munoz-Jaramillo Andres; Narock Ayris; Szabo Adam

プレプリント

J-GLOBAL ID：202202216920041130 整理番号：22P0297834

Deep-SWIM:太陽WInd磁場構造を分類するための少数ショット学習アプローチ【JST・京大機械翻訳】

Deep-SWIM: A few-shot learning approach to classify Solar WInd Magnetic field structures

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (12件)： , , , , , , , , , , ,
資料名：
発行年： 2022年03月02日プレプリントサーバーでの情報更新日： 2022年03月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

太陽風は,太陽から惑星間空間と地球に向かって放出される荷電粒子から成る。太陽風の磁場を理解することは,将来の宇宙天気と惑星大気損失を予測するために重要である。大規模磁気事象と比較して,磁気不連続性のような小規模構造は検出が困難であるが,太陽風の発展に関する重要な情報を必要とする。ラベル付きデータの欠如は,これらの不連続性の自動検出を困難にする。太陽風磁場データにおける不連続性をロバストに同定するために,コントラスト学習,擬似ラベリング,およびオンラインハード例マイニングにおける進歩をレバレッジするアプローチであるDeep-SWIMを提案した。系統的アブレーション研究を通して,限られたラベル付きデータからの学習にもかかわらず,不連続性を正確に分類できることを示した。さらに,提案アプローチはよく一般化し,エキスパート手ラベリングと一致する結果を生成することを示した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

太陽系一般

, , ,

前のページに戻る