Seismic Signals - Dificultad: MEDIUM

Volver a From Algorithms To Neurons AI Competition group B

Competición finalizada

Archivar problema

Competición: From Algorithms To Neurons AI Competition group B

Descripción del problema

Descriere

Planeta σ67 este terorizată constant de descărcări seismice dezastruoase.

65536 de senzori seismici sunt amplasați pe o suprafață de $256 \times 256$ de unități. Pentru simplitate, datele acestora sunt codificate sub forma unor matrice de numere întregi. La fiecare eveniment, senzorii produc o serie temporală de T = 16 cadre. Două cadre consecutive reprezintă două măsurători ale aceluiași eveniment, luate la intervale egale de timp.

Pentru a transmite datele într-un mod eficient (și a optimiza pentru compresie în viitor), inginerul Dorel decide ca fiecare matrice să fie transmisă sub forma unui stream secvențial de $2^{16}$ valori, a căror ordine exactă (deși identică pentru toate transmisiile) este non-trivială și știută doar de el.

Transmisia este zgomotoasă și o parte din pachete ajung distorsionate sau corupte. Unele valori se pierd complet și apar în stream ca 0.

Dorel, leneș din fire, a codat sistemul cu LLM-uri, inclusiv ordinea transmiterii datelor, pe care acum nu și-o mai amintește.

Ce-ai făcut, Dorele... :(

Din fericire, au fost găsite măsurători pentru care se cunosc atât streamul transmis, cât și datele originale ale senzorilor, intacte. Mai mult, pentru datele de antrenare se cunoaște și masca valorilor pierdute.

Dorel vă roagă să-l ajutați să dea unscramble la noile date primite, recuperând cât mai fidel măsurătorile senzorilor. Ca răsplată, el vă oferă $P \in \left[0, 100\right]$ puncte :)

Date de intrare

Fișierele disponibile sunt:
train_inputs.npz
train_targets.npz
test_inputs.npz

Setul de antrenare conține 8 serii:

1train_inputs.npz:2  stream  [8, 16, 65536] float323  mask    [8, 16, 65536] uint84  case_id [8]56train_targets.npz:7  target  [8, 16, 256, 256] float328  case_id [8]

mask = 0 simbolizează o valoare lipsă.

Setul de test conține 24 serii:

1test_inputs.npz:2  stream  [24, 16, 65536] float323  case_id [24]

Date de ieșire

Trimiteți un fișier .npz cu exact un tablou: reconstruction [24, 16, 256, 256].

Ordinea seriilor trebuie să fie aceeași ca în test_inputs.npz.

Evaluare

Evaluarea se face peste toate seriile, cadrele și celulele.
Fie Y câmpul corect și P reconstrucția trimisă, $\epsilon = 1e-8$ , iar $\rho$ este scorul Pearson dintre P și Y.

(1)

\mathrm{grad\text{-}NMSE}=\frac{\frac{1}{2n}\sum_{i=1}^{n}\left[\left(\partial_x P_i-\partial_x Y_i\right)^2+\left(\partial_y P_i-\partial_y Y_i\right)^2\right]}{\frac{1}{2n}\sum_{i=1}^{n}\left[\left(\partial_x Y_i\right)^2+\left(\partial_y Y_i\right)^2\right]+\epsilon}

Pentru consistență temporală, definim D(X)[t] = X[t] - X[t-1]:

(2)

\mathrm{temporal\text{-}NMSE}=\frac{\frac{1}{m}\sum_{i=1}^{m}\left(D_i(P)-D_i(Y)\right)^2}{\frac{1}{m}\sum_{i=1}^{m}\left(D_i(Y)\right)^2+\epsilon}

Cele două scoruri se combină astfel:

(3)

Q=\mathrm{clip}(\rho,0.00,1.00)\cdot\left(0.50\cdot\frac{1}{1+\mathrm{grad\text{-}NMSE}}+0.50\cdot\frac{1}{1+\mathrm{temporal\text{-}NMSE}}\right)

Scorul final se obține prin interpolare liniară fixă:

Python
1score = np.interp(2    Q,3    [0.00, 0.80, 0.85, 1.00],4    [5.00, 85.0, 100., 100.],5)

Submisiile invalide primesc 0.

Scorul public (vizibil în timpul concursului) se calculează în funcție de 30% din datele de test.

Good luck!

Archivos

Descargar archivos del problema

Enviar solución

Sube manualmente el archivo de resultados. También puedes adjuntar el código fuente.Máximo 100 MB en total

Archivo de envío

Haz clic para subir o arrastra y suelta

CSV, ZIP, etc. (MÁX. 100MB)

Archivo de código fuente (opcional)

Haz clic para subir o arrastra y suelta

Archivo, notebook o archivo de código

Inicia sesión para subir un envío.

Trabaja y envía desde Google Colab

Abre un cuaderno preparado para este problema. La primera celda conecta el problema y descarga los datos disponibles. Cuando termines, envía tus archivos para evaluarlos desde el cuaderno.

Los envíos desde Colab usan el mismo evaluador y los mismos límites. Consulta el resultado en Mis envíos.

MLCompete solo puede acceder al cuaderno que crea en Drive, no a tus demás archivos.

¿No se abre? Usa un código temporal

Genera el código aquí, abre el cuaderno público e introdúcelo cuando la primera celda lo solicite.

Inicia sesión en MLCompete para generar un código del espacio de trabajo.

Abrir el cuaderno público en Colab

Pega el código del espacio de trabajo solo cuando el cuaderno te lo pida. No lo compartas nunca con nadie.