Основні поняття
본 연구는 SOHO/MDI 자기장 영상의 품질을 향상시키기 위해 SDO/HMI 데이터와 주의력 보조 합성곱 신경망 모델(SolarCNN)을 사용하였다.
Анотація
본 연구는 SOHO/MDI와 SDO/HMI 데이터의 중첩 기간(2010년 5월 1일 - 2011년 4월 11일)에서 수집된 태양 활동 영역(AR) 영상을 활용하여 SolarCNN 모델을 개발하였다.
주요 내용은 다음과 같다:
SolarCNN은 SOHO/MDI 자기장 영상의 품질을 SDO/HMI 수준으로 향상시키는 것을 목표로 한다.
SolarCNN 모델은 다운샘플링, 업샘플링, 잔차 블록, 주의력 메커니즘 등의 기술을 활용하여 설계되었다.
실험 결과, SolarCNN은 구조 유사도 지수(SSIM), 피어슨 상관계수(PCC), 신호 대 잡음비(PSNR) 등의 지표에서 우수한 성능을 보였다.
비교 실험에서도 SolarCNN이 관련 방법들보다 우수한 성능을 나타냈다.
SolarCNN은 SOHO/MDI 자기장 영상을 SDO/HMI 수준으로 변환할 수 있으며, 이를 통해 태양 활동 예측 등에 활용될 수 있다.
Статистика
SOHO/MDI 자기장 영상과 SDO/HMI 자기장 영상의 상관계수는 약 0.8627이다.
SolarCNN으로 향상된 SOHO/MDI 자기장 영상과 SDO/HMI 자기장 영상의 상관계수는 약 0.8842이다.
Цитати
"SolarCNN은 SOHO/MDI 자기장 영상의 품질을 SDO/HMI 수준으로 향상시킬 수 있다."
"SolarCNN은 구조 유사도 지수(SSIM), 피어슨 상관계수(PCC), 신호 대 잡음비(PSNR) 등의 지표에서 우수한 성능을 보였다."