PulseAugur
中
实时 22:59:36
English(EN) ML-based approach to classification and generation of structured light propagation in turbulent media

机器学习方法对湍流中的结构光进行分类和生成 · arXiv 研究

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种机器学习方法，用于对已在湍流介质中传播的结构光束进行分类和生成。该研究利用数值模拟来创建散斑图案，并采用SimpleCNN和ResNet-18分类器来分析强度和自相关输入。为了解决获取额外传播样本的成本问题，创建了一个条件化扩散模型用于生成增强，该模型具有一个感知频谱的扩散目标，结合了像素域损失和傅里叶域正则化器，以保持高频散斑统计数据。这种混合目标已被证明可以提高分类性能，尤其是在数据量较少的情况下。 AI

影响 这项研究可能带来改进在复杂环境中分析和模拟光传播的方法，可能影响光学通信和遥感等领域。

排序理由 该集群包含一篇学术论文，详细介绍了一种基于机器学习的新方法来解决物理问题。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

机器学习方法对湍流中的结构光进行分类和生成 · arXiv 研究

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇学术论文，详细介绍了一种基于机器学习的新方法来解决物理问题。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
91 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Aokun Wang, Anjali Nair, Zhongjian Wang, Guillaume Bal ·

    基于机器学习的湍流介质中结构光传播的分类与生成方法

    arXiv:2604.14208v2 Announce Type: replace-cross Abstract: We study the classification task of structured-light beams after propagation through a random turbulent medium. The received speckle patterns are generated by numerical simulation of a stochastic paraxial propagation model…

相关实体

相关话题