Fugu-MT 論文翻訳(概要): Averaging Atmospheric Gas Concentration Data using Wasserstein Barycenters

論文の概要: Averaging Atmospheric Gas Concentration Data using Wasserstein Barycenters

arxiv url: http://arxiv.org/abs/2010.02762v1
Date: Tue, 6 Oct 2020 14:31:25 GMT
ステータス: 処理完了
システム内更新日: 2022-10-10 07:57:45.172603
Title: Averaging Atmospheric Gas Concentration Data using Wasserstein Barycenters
Title（参考訳）: wasserstein barycentersを用いた大気ガス濃度平均化
Authors: Mathieu Barr\'e, Cl\'ement Giron, Matthieu Mazzolini, Alexandre d'Aspremont
Abstract要約: ハイパースペクトル衛星画像は、世界中の温室効果ガス濃度を毎日報告している。気象データと組み合わさったワッサーシュタイン・バリセンタを用いて, ガス濃度データセットの平均化と, 質量集中性の向上を提案する。
参考スコア（独自算出の注目度）: 68.978070616775
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Hyperspectral satellite images report greenhouse gas concentrations worldwide on a daily basis. While taking simple averages of these images over time produces a rough estimate of relative emission rates, atmospheric transport means that simple averages fail to pinpoint the source of these emissions. We propose using Wasserstein barycenters coupled with weather data to average gas concentration data sets and better concentrate the mass around significant sources.
Abstract（参考訳）: hyperspectral satellite imagesは、世界中の温室効果ガス濃度を毎日報告している。これらの画像の単純な平均を時間とともに取ると、相対的な放射率を大まかに見積もるが、大気輸送は、単純な平均がこれらの放出源を特定できないことを意味する。気象データと組み合わさったワッサーシュタイン・バリセンタを用いて, ガス濃度データセットの平均化と, 質量集中性の向上を提案する。

関連論文リスト

Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文参考訳（メタデータ） (2024-08-27T15:03:20Z)
Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文参考訳（メタデータ） (2024-01-22T14:02:56Z)
A Framework for Scalable Ambient Air Pollution Concentration Estimation [0.0]
英国では大気汚染が重要な問題であり、大気汚染濃度のデータが大気質の改善を目的とした介入の基礎となっている。欠落した測度を埋めることにより,時間的・空間的データギャップに対処するデータ駆動型機械学習モデルフレームワークを提案する。このアプローチは、2018年を通してイングランドの包括的なデータセットを1kmx1kmの時間分解能で提供する。
論文参考訳（メタデータ） (2024-01-16T18:03:07Z)
Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文参考訳（メタデータ） (2023-08-21T19:36:50Z)
An Adaptive GViT for Gas Mixture Identification and Concentration Estimation [9.331787778137945]
ガス識別の精度は97.61%に達し、純粋なガス濃度推定のR2は平均で99.5%を超える。 GViTモデルは、センサアレイの可変長リアルタイム信号データを入力として直接利用することができる。
論文参考訳（メタデータ） (2023-03-10T03:37:05Z)
Counting Carbon: A Survey of Factors Influencing the Emissions of Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文参考訳（メタデータ） (2023-02-16T18:35:00Z)
IS-COUNT: Large-scale Object Counting from Satellite Images with Covariate-based Importance Sampling [90.97859312029615]
本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
論文参考訳（メタデータ） (2021-12-16T18:59:29Z)
Estimation of Air Pollution with Remote Sensing Data: Revealing Greenhouse Gas Emissions from Space [1.9659095632676094]
地上レベルの大気汚染の既存のモデルは、しばしば局所的に制限され、時間的に静的な土地利用データセットに依存している。本研究は,世界規模で利用でき,頻繁に更新されるリモートセンシングデータにのみ依存する環境大気汚染の予測のための深層学習手法を提案する。
論文参考訳（メタデータ） (2021-08-31T14:58:04Z)
HVAQ: A High-Resolution Vision-Based Air Quality Dataset [3.9523800511973017]
PM2.5, PM10, 温度, 湿度データからなる高時間・空間分解能空気質データセットを提案する。我々は,センサの密度と画像によって予測精度が向上することを示すために,いくつかの視覚に基づくPM濃度予測アルゴリズムをデータセット上で評価した。
論文参考訳（メタデータ） (2021-02-18T13:42:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。