論文の概要: Transfer Learning with Convolutional Networks for Atmospheric Parameter
Retrieval
- arxiv url: http://arxiv.org/abs/2012.10395v1
- Date: Wed, 9 Dec 2020 09:28:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 01:48:36.067139
- Title: Transfer Learning with Convolutional Networks for Atmospheric Parameter
Retrieval
- Title（参考訳）: 畳み込みネットワークを用いた大気パラメータ検索のための転送学習
- Authors: David Malmgren-Hansen and Allan Aasbjerg Nielsen and Valero Laparra
and Gustau Camps- Valls
- Abstract要約: MetOp衛星シリーズに搭載された赤外線音波干渉計(IASI)は、数値気象予測(NWP)に重要な測定値を提供する
IASIが提供する生データから正確な大気パラメータを取得することは大きな課題であるが、NWPモデルでデータを使用するには必要である。
本研究では,iasiデータから抽出した特徴を,低い高度で異なる物理変数を予測するように設計された別の統計手法への入力として使用できることを示す。
- 参考スコア（独自算出の注目度）: 14.131127382785973
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The Infrared Atmospheric Sounding Interferometer (IASI) on board the MetOp
satellite series provides important measurements for Numerical Weather
Prediction (NWP). Retrieving accurate atmospheric parameters from the raw data
provided by IASI is a large challenge, but necessary in order to use the data
in NWP models. Statistical models performance is compromised because of the
extremely high spectral dimensionality and the high number of variables to be
predicted simultaneously across the atmospheric column. All this poses a
challenge for selecting and studying optimal models and processing schemes.
Earlier work has shown non-linear models such as kernel methods and neural
networks perform well on this task, but both schemes are computationally heavy
on large quantities of data. Kernel methods do not scale well with the number
of training data, and neural networks require setting critical hyperparameters.
In this work we follow an alternative pathway: we study transfer learning in
convolutional neural nets (CNN s) to alleviate the retraining cost by departing
from proxy solutions (either features or networks) obtained from previously
trained models for related variables. We show how features extracted from the
IASI data by a CNN trained to predict a physical variable can be used as inputs
to another statistical method designed to predict a different physical variable
at low altitude. In addition, the learned parameters can be transferred to
another CNN model and obtain results equivalent to those obtained when using a
CNN trained from scratch requiring only fine tuning.
- Abstract（参考訳）: MetOp衛星シリーズに搭載されている赤外線音波干渉計(IASI)は、数値気象予測(NWP)に重要な測定値を提供する。
IASIが提供する生データから正確な大気パラメータを取得することは大きな課題であるが、NWPモデルでデータを使用するには必要である。
統計的モデルの性能は、非常に高いスペクトル次元と、大気列をまたいで同時に予測すべき変数の多さによって損なわれる。
これらすべてが最適なモデルと処理スキームの選択と研究に挑戦する。
初期の研究では、カーネルメソッドやニューラルネットワークのような非線形モデルがこのタスクでうまく機能することを示したが、どちらのスキームも大量のデータに計算量重くなっている。
カーネルメソッドはトレーニングデータ数とうまくスケールせず、ニューラルネットワークは重要なハイパーパラメータを設定する必要がある。
本研究では、畳み込みニューラルネット(CNN)における伝達学習について研究し、関連する変数に対する以前に訓練されたモデルから得られたプロキシソリューション(特徴またはネットワーク)から逸脱することで、再学習コストを軽減する。
本研究では,iasiデータから抽出した特徴を,低い高度で異なる物理変数を予測するように設計された別の統計手法への入力として使用できることを示す。
さらに、学習したパラメータを別のCNNモデルに転送し、スクラッチからトレーニングされたCNNを使用する場合、微調整のみを必要とする結果が得られる。
関連論文リスト
- Assessing Neural Network Representations During Training Using
Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。
データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。
本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
論文 参考訳（メタデータ） (2023-12-04T01:32:42Z) - Few-shot Learning using Data Augmentation and Time-Frequency
Transformation for Time Series Classification [6.830148185797109]
データ拡張による新しい数ショット学習フレームワークを提案する。
シークエンス・スペクトログラム・ニューラルネット(SSNN)も開発している。
本手法は,時系列分類における数ショット問題への対処法の適用性を実証する。
論文 参考訳（メタデータ） (2023-11-06T15:32:50Z) - Online Evolutionary Neural Architecture Search for Multivariate
Non-Stationary Time Series Forecasting [72.89994745876086]
本研究は、オンラインニューロ進化に基づくニューラルアーキテクチャサーチ(ONE-NAS)アルゴリズムを提案する。
ONE-NASは、オンライン予測タスクのためにリカレントニューラルネットワーク(RNN)を自動設計し、動的にトレーニングする新しいニューラルネットワーク探索手法である。
その結果、ONE-NASは従来の統計時系列予測法よりも優れていた。
論文 参考訳（メタデータ） (2023-02-20T22:25:47Z) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳（メタデータ） (2022-09-26T17:59:58Z) - Human Trajectory Prediction via Neural Social Physics [63.62824628085961]
軌道予測は多くの分野において広く研究され、多くのモデルベースおよびモデルフリーな手法が研究されている。
ニューラル微分方程式モデルに基づく新しい手法を提案する。
我々の新しいモデル(ニューラル社会物理学またはNSP)は、学習可能なパラメータを持つ明示的な物理モデルを使用するディープニューラルネットワークである。
論文 参考訳（メタデータ） (2022-07-21T12:11:18Z) - Automatic Machine Learning for Multi-Receiver CNN Technology Classifiers [16.244541005112747]
畳み込みニューラルネットワーク(CNN)は、信号分類のための最も研究されているディープラーニングモデルの1つである。
我々は、複数の同期受信機から収集した生のI/Qサンプルに基づく技術分類に焦点を当てた。
論文 参考訳（メタデータ） (2022-04-28T23:41:38Z) - An advanced spatio-temporal convolutional recurrent neural network for
storm surge predictions [73.4962254843935]
本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。
本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
論文 参考訳（メタデータ） (2022-04-18T23:42:18Z) - Lost Vibration Test Data Recovery Using Convolutional Neural Network: A
Case Study [0.0]
本稿では,アラモサキャニオン橋のCNNアルゴリズムを実構造として提案する。
3つの異なるCNNモデルは、1つと2つの故障したセンサーを予測するものとされた。
畳み込み層を追加することによりモデルの精度が向上した。
論文 参考訳（メタデータ） (2022-04-11T23:24:03Z) - Combining data assimilation and machine learning to estimate parameters
of a convective-scale model [0.0]
対流を許容する数値気象予測モデルにおける雲の表現の誤差は、異なる情報源によって導入することができる。
本研究では,2種類のニューラルネットワークをトレーニングすることにより,人工知能レンズによるパラメータ推定の問題を検討する。
論文 参考訳（メタデータ） (2021-09-07T09:17:29Z) - Pre-Trained Models for Heterogeneous Information Networks [57.78194356302626]
異種情報ネットワークの特徴を捉えるための自己教師付き事前学習・微調整フレームワークPF-HINを提案する。
PF-HINは4つのデータセットにおいて、各タスクにおける最先端の代替よりも一貫して、大幅に優れています。
論文 参考訳（メタデータ） (2020-07-07T03:36:28Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。