開發(fā)使用稀疏傳感器收集的數(shù)據(jù)準(zhǔn)確重建空間場的方法一直是物理學(xué)和計算機科學(xué)領(lǐng)域的長期挑戰(zhàn)。最終，這些方法可以極大地幫助復(fù)雜物理系統(tǒng)的設(shè)計、預(yù)測、分析和控制。

迄今為止，基于線性理論的傳統(tǒng)方法在重構(gòu)復(fù)雜物理系統(tǒng)或過程的全局場時表現(xiàn)不佳，尤其是當(dāng)傳感器數(shù)據(jù)量有限或傳感器位置隨機時。近年來，計算機科學(xué)家因此一直在探索用于全局場重建的替代方法的潛力，包括深度學(xué)習(xí)模型。

慶應(yīng)義塾大學(xué)、加州大學(xué)洛杉磯分校和美國其他研究所的研究人員最近開發(fā)了一種新的深度學(xué)習(xí)工具，可以準(zhǔn)確地重建全球領(lǐng)域，而無需大量且高度組織的傳感器數(shù)據(jù)。在Nature Machine Intelligence上發(fā)表的一篇論文中介紹了這種方法，它可以為地球物理學(xué)、天體物理學(xué)和大氣科學(xué)等多個研究領(lǐng)域開辟新的有趣的可能性。

“從有限數(shù)量的傳感器實現(xiàn)對復(fù)雜時間演變場的準(zhǔn)確和強大的全球態(tài)勢感知一直是一項長期挑戰(zhàn)，”深井深和他的同事在他們的論文中寫道。“當(dāng)傳感器以看似隨機或無組織的方式稀疏放置時，這種重建問題尤其困難，這在一系列科學(xué)和工程問題中經(jīng)常遇到。”

在研究大氣現(xiàn)象、天體物理過程和其他復(fù)雜的物理系統(tǒng)時，研究人員通常只能訪問由以無組織方式放置的有限數(shù)量的傳感器收集的數(shù)據(jù)。在某些情況下，這些傳感器也可能會移動，并且可能會離線一段時間。

迄今為止，由于缺乏理想的傳感器數(shù)據(jù)，因此難以為這些復(fù)雜系統(tǒng)重建全局場。雖然深度學(xué)習(xí)技術(shù)已經(jīng)取得了一些有希望的結(jié)果，但實施它們通常非常昂貴且計算量很大。

Fukami 及其同事開發(fā)的全局場重建技術(shù)將深度學(xué)習(xí)與 Voronoi 曲面細(xì)分相結(jié)合，這是一種表示和描述生物結(jié)構(gòu)或物理系統(tǒng)的方式。過去，Voronoi 曲面細(xì)分或圖表已用于科學(xué)和工程的許多領(lǐng)域。

“我們提出了一種數(shù)據(jù)驅(qū)動的空間場恢復(fù)技術(shù)，該技術(shù)基于基于結(jié)構(gòu)化網(wǎng)格的深度學(xué)習(xí)方法，適用于任意數(shù)量的任意定位傳感器，”Kai Fukami 和他的同事在他們的論文中解釋道。“我們考慮使用 Voronoi 曲面細(xì)分從傳感器位置獲得結(jié)構(gòu)化網(wǎng)格表示，從而使卷積神經(jīng)網(wǎng)絡(luò) (CNN) 在計算上易于處理。”

研究人員創(chuàng)建的技術(shù)將稀疏傳感器收集的數(shù)據(jù)合并到 CNN 中，將局部信息近似為結(jié)構(gòu)化表示，同時保留與傳感器位置相關(guān)的數(shù)據(jù)。為此，它構(gòu)建了非結(jié)構(gòu)化數(shù)據(jù)集的 Voronoi 細(xì)分，然后添加與傳感器位置對應(yīng)的輸入數(shù)據(jù)字段，將其實現(xiàn)為掩碼。

這種用于全局場重建的方法的兩個優(yōu)點是它與基于深度學(xué)習(xí)的技術(shù)兼容，這些技術(shù)已被證明在高級圖像處理方面很有前景，并且還可以使用任意數(shù)量的傳感器來實現(xiàn)。到目前為止，研究人員通過使用三組不同的傳感器數(shù)據(jù)(即不穩(wěn)定尾流、地球物理數(shù)據(jù)和 3D 湍流數(shù)據(jù))重建全球場，證明了他們的方法的有效性。

與之前提出的方法相比，F(xiàn)ukami 和他的同事開發(fā)的工具還可以處理由隨機數(shù)量的移動傳感器收集的數(shù)據(jù)。因此，在未來，它可以有許多有價值的應(yīng)用，即使在傳感器以無組織方式定位的情況下，也可以實時對不同物理系統(tǒng)進(jìn)行全局場估計。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！