כתבה
arXiv cs.LG ·
EB-gMCR: דגימה-ברירתי תפקודי לפיצול סיגנלים ופיצול קרבי מרוב-משתנה
EB-gMCR: Energy-Based Generative Modeling for Signal Unmixing and Multivariate Curve Resolution
מודל תפקודי-אנרגטי לפיצול סיגנלים ופיצול קרבי מרוב-משתנה. המאמר מציג פתרון לבעיה של פיצול סיגנלים ופיצול קרבי מרוב-משתנה, ומציע דגימה-ברירתי תפקודי לפיצול סיגנלים. הפתרון נבחן על נתונים סינתטיים ועל נתונים ציבוריים מתחום הספקטרוסקופיה.
תקציר מקורי באנגליתarXiv:2507.23600v5 Announce Type: replace Abstract: A single measurement of a chemical mixture, a reaction mixture, a natural extract, or a tissue, records the sum of the profiles of the few components it contains, each weighted by its concentration. Recovering the components and their concentrations from a collection of such samples is multivariate curve resolution (MCR). Classical MCR factorizes the data matrix, takes the component count as input, and leaves a rotational ambiguity that constraints narrow. This paper keeps the forward direction and models how a sample is made: each sample activates a few components from a pool of candidate components and is observed as their linear superposition plus noise. Under this model the continuous ambiguity of factorization collapses to the number
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית