基于信息熵初始化的Concrete自编码器用于地球物理场的最优传感器布设与重构
机器学习
2022-06-29 v1 计算机视觉与模式识别
大气与海洋物理
摘要
我们提出了一种从稀疏观测中重构地球物理场的最优传感器布设问题的新方法。我们的方法包括两个阶段。在第一阶段，我们通过Conditional PixelCNN网络近似其信息熵，来估计物理场随空间坐标变化的变率。为了计算熵，提出了一种二维数据数组的新排序方式（螺旋排序），使得能够同时获得物理场在多个空间尺度上的熵。在第二阶段，物理场的熵被用于初始化最优传感器位置的分布。该分布进一步通过带有直通梯度估计器和对抗损失的Concrete自编码器架构进行优化，以同时最小化传感器数量并最大化重构精度。与常用的主成分分析（Principal Component Analysis, PCA）不同，我们的方法随数据量线性扩展。我们在两个例子上展示了我们的方法：（a）巴伦支海和斯瓦尔巴群岛周边海域的温度场和（b）盐度场。对于这些例子，我们计算了我们的方法与几个基线的重构误差。我们将我们的方法与两个基线进行了对比测试：（1）带QR分解的PCA和（2）气候态。我们发现所获得的最优传感器位置具有清晰的物理意义，并对应于海流之间的边界。
引用
@article{arxiv.2206.13968,
title = {Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields},
author = {Nikita Turko and Alexander Lobashev and Konstantin Ushakov and Maxim Kaurkin and Rashit Ibrayev},
journal= {arXiv preprint arXiv:2206.13968},
year = {2022}
}
备注
18 pages, 6 figures