Fugu-MT 論文翻訳(概要): Attention-based Convolutional Autoencoders for 3D-Variational Data Assimilation

論文の概要: Attention-based Convolutional Autoencoders for 3D-Variational Data Assimilation

arxiv url: http://arxiv.org/abs/2101.02121v1
Date: Wed, 6 Jan 2021 16:23:58 GMT
ステータス: 処理完了
システム内更新日: 2021-04-11 00:03:34.950169
Title: Attention-based Convolutional Autoencoders for 3D-Variational Data Assimilation
Title（参考訳）: 3次元変動データ同化のためのアテンションベース畳み込みオートエンコーダ
Authors: Julian Mack, Rossella Arcucci, Miguel Molina-Solana and Yi-Ke Guo
Abstract要約: 本論文では,畳み込みオートエンコーダを用いた3次元変分データ同化の解法を提案する。提案手法は,従来の手法と同一の解法を持つが,計算複雑性が著しく低いことを示す。
参考スコア（独自算出の注目度）: 11.143409762586638
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a new 'Bi-Reduced Space' approach to solving 3D Variational Data Assimilation using Convolutional Autoencoders. We prove that our approach has the same solution as previous methods but has significantly lower computational complexity; in other words, we reduce the computational cost without affecting the data assimilation accuracy. We tested the new method with data from a real-world application: a pollution model of a site in Elephant and Castle, London and found that we could reduce the size of the background covariance matrix representation by O(10^3) and, at the same time, increase our data assimilation accuracy with respect to existing reduced space methods.
Abstract（参考訳）: 本論文では,畳み込みオートエンコーダを用いた3次元変分データ同化の解法を提案する。提案手法は従来の手法と同一解であるが,計算複雑性が著しく低いことを証明し,データ同化精度に影響を与えることなく計算コストを削減できることを示す。ロンドン・エレファント・アンド・キャッスルにある遺跡の汚染モデルを用いて, 実世界のデータを用いて新しい手法を検証したところ, 背景共分散行列表現のサイズをo(10^3)削減できることがわかった。

関連論文リスト

Scalable Data Assimilation with Message Passing [9.55393191483615]
ベイズ推論問題としてデータ同化を定式化して,空間的推論問題の解法としてメッセージパスアルゴリズムを適用した。高い精度と計算とメモリ要件を維持しながら、アルゴリズムを非常に大きなグリッドサイズにスケールすることができる。
論文参考訳（メタデータ） (2024-04-19T15:54:15Z)
GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文参考訳（メタデータ） (2023-11-20T12:08:23Z)
InvKA: Gait Recognition via Invertible Koopman Autoencoder [15.718065380333718]
ほとんどの歩行認識法は、解釈可能性の低下と高い計算コストに悩まされている。解釈性を改善するために,クープマン作用素理論に基づく埋め込み空間における歩行特徴について検討する。アルゴリズムの計算コストを削減するため,モデルサイズを削減し,畳み込み層を除去するために可逆的オートエンコーダを用いる。
論文参考訳（メタデータ） (2023-09-26T08:53:54Z)
Improved Distribution Matching for Dataset Condensation [91.55972945798531]
本稿では,分布マッチングに基づく新しいデータセット凝縮法を提案する。提案手法は,計算資源の少ない従来の最適化指向手法よりも優れている。
論文参考訳（メタデータ） (2023-07-19T04:07:33Z)
Federated Sufficient Dimension Reduction Through High-Dimensional Sparse Sliced Inverse Regression [4.561305216067566]
フェデレーション学習は、ビッグデータ時代において、近年人気の高いツールとなっている。本稿では,初めてフェデレートされたスパースススライス逆回帰アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-01-23T15:53:06Z)
Minimizing the Accumulated Trajectory Error to Improve Dataset Distillation [151.70234052015948]
本稿では,フラットな軌道を求める最適化アルゴリズムを提案する。合成データに基づいてトレーニングされた重みは、平坦な軌道への正規化を伴う累積誤差摂動に対して頑健であることを示す。本手法はFTD (Flat Trajectory Distillation) と呼ばれ, 勾配整合法の性能を最大4.7%向上させる。
論文参考訳（メタデータ） (2022-11-20T15:49:11Z)
Inception Convolution with Efficient Dilation Search [121.41030859447487]
拡散畳み込みは、効果的な受容場を制御し、オブジェクトの大規模な分散を処理するための標準的な畳み込みニューラルネットワークの重要な変異体である。そこで我々は,異なる軸,チャネル,層間の独立な拡散を有する拡張畳み込みの新たな変異体,すなわち開始(拡張)畳み込みを提案する。本稿では,データに複雑なインセプション・コンボリューションを適合させる実用的な手法を探索し,統計的最適化に基づく簡易かつ効果的な拡張探索アルゴリズム(EDO)を開発した。
論文参考訳（メタデータ） (2020-12-25T14:58:35Z)
DecAug: Augmenting HOI Detection via Decomposition [54.65572599920679]
現在のアルゴリズムでは、データセット内のトレーニングサンプルやカテゴリの不均衡が不足している。本稿では,HOI検出のためのDECAugと呼ばれる効率的かつ効率的なデータ拡張手法を提案する。実験の結果,V-COCOおよびHICODETデータセットの3.3mAPと1.6mAPの改善が得られた。
論文参考訳（メタデータ） (2020-10-02T13:59:05Z)
Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
論文参考訳（メタデータ） (2020-08-31T17:10:48Z)

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。