論文の概要: Improvements to short-term weather prediction with
recurrent-convolutional networks
- arxiv url: http://arxiv.org/abs/2111.06240v1
- Date: Thu, 11 Nov 2021 14:38:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-12 18:11:22.340298
- Title: Improvements to short-term weather prediction with
recurrent-convolutional networks
- Title(参考訳): リカレント畳み込みネットワークによる短期気象予測の改善
- Authors: Jussi Leinonen
- Abstract要約: 本稿では,第2回Weather4cast 2021コンペティションにおいて,モデルをさらに改良するための著者の取り組みについて述べる。
競技の指標に対する最大の量的改善は、競技の第2段階で利用可能なトレーニングデータの量の増加に起因する可能性がある。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Weather4cast 2021 competition gave the participants a task of predicting
the time evolution of two-dimensional fields of satellite-based meteorological
data. This paper describes the author's efforts, after initial success in the
first stage of the competition, to improve the model further in the second
stage. The improvements consisted of a shallower model variant that is
competitive against the deeper version, adoption of the AdaBelief optimizer,
improved handling of one of the predicted variables where the training set was
found not to represent the validation set well, and ensembling multiple models
to improve the results further. The largest quantitative improvements to the
competition metrics can be attributed to the increased amount of training data
available in the second stage of the competition, followed by the effects of
model ensembling. Qualitative results show that the model can predict the time
evolution of the fields, including the motion of the fields over time, starting
with sharp predictions for the immediate future and blurring of the outputs in
later frames to account for the increased uncertainty.
- Abstract(参考訳): weather4cast 2021コンペティションでは、参加者は衛星ベースの気象データの2次元フィールドの時間発展を予測するタスクを与えられた。
本稿は,第1段階において最初の成功をおさめた後,第2段階においてモデルをさらに改善するための著者の努力について述べる。
改良は、より深いバージョンと競争力のある浅いモデル変種、adabeliefオプティマイザの採用、トレーニングセットが検証セットをうまく表現していないことが判明した予測変数の処理の改善、結果を改善するために複数のモデルをセンセンシングした。
競技の指標に対する最大の量的改善は、競技の第2段階で利用可能なトレーニングデータの量の増加と、モデルアンサンブルの影響によるものである。
定性的な結果は、モデルがフィールドの経時的動きを含むフィールドの時間的進化を予測できることを示しており、これは近未来の鋭い予測から始まり、不確実性の増加を考慮した後のフレームの出力のぼやけから始まっている。
関連論文リスト
- Predictive Churn with the Set of Good Models [64.05949860750235]
近似機械学習モデルの集合に対する競合予測の効果について検討する。
ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。
当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
論文 参考訳(メタデータ) (2024-02-12T16:15:25Z) - ExtremeCast: Boosting Extreme Value Prediction for Global Weather
Forecast [61.138475638813354]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。
また,ExEnsembleという名称のトレーニングフリーな極値拡張戦略を導入し,画素値のばらつきを増大させ,予測ロバスト性を向上させる。
提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文 参考訳(メタデータ) (2024-02-02T10:34:13Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳(メタデータ) (2023-10-09T18:34:29Z) - Forecast reconciliation for vaccine supply chain optimization [61.13962963550403]
ワクチンサプライチェーン最適化は階層的な時系列予測の恩恵を受けることができる。
異なる階層レベルの予測は、上位レベルの予測が下位レベルの予測の総和と一致しないときに不整合となる。
我々は2010年から2021年にかけてのGSKの販売データを階層的時系列としてモデル化し,ワクチン販売予測問題に取り組む。
論文 参考訳(メタデータ) (2023-05-02T14:34:34Z) - Toward Reliable Human Pose Forecasting with Uncertainty [62.83828620074307]
我々は、複数のモデル、データセット、標準化された評価指標を特徴とする、人間のポーズ予測のためのオープンソースのライブラリを開発した。
本研究では,不確かさの挙動に関する知識を注入するために,不確実性事前を用いてアレタリック不確かさをモデル化する手法を提案する。
実験では,精度が最大で25%向上し,不確実性推定の性能が向上した。
論文 参考訳(メタデータ) (2023-04-13T17:56:08Z) - Feature-weighted Stacking for Nonseasonal Time Series Forecasts: A Case
Study of the COVID-19 Epidemic Curves [0.0]
本研究では,非シーズン時間帯での利用可能性について,予測におけるアンサンブル手法について検討する。
予備予測段階における予測能力を証明する2つの予測モデルと2つのメタ機能からなる重畳アンサンブルを用いて遅延データ融合を提案する。
論文 参考訳(メタデータ) (2021-08-19T14:44:46Z) - Back2Future: Leveraging Backfill Dynamics for Improving Real-time
Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。
過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。
我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文 参考訳(メタデータ) (2021-06-08T14:48:20Z) - Closer Look at the Uncertainty Estimation in Semantic Segmentation under
Distributional Shift [2.05617385614792]
セマンティックセグメンテーションのタスクの不確かさをドメインシフトの異なるレベルで評価する。
単純な色変換は、既に強いベースラインを提供していることが示されている。
モデルのアンサンブルは、擬似ラベル生成を改善するために自己学習設定に利用された。
論文 参考訳(メタデータ) (2021-05-31T19:50:43Z) - Kaggle forecasting competitions: An overlooked learning opportunity [0.0]
実生活におけるビジネス予測タスクを含む6つのKaggleコンペティションの結果をレビューする。
その結果、Kaggleデータセットの大部分は、M競合よりも高い断続性とエントロピーによって特徴づけられることがわかった。
我々は、勾配を増す決定木の性能向上、予測のためのニューラルネットワークの成功の増加、予測タスクに機械学習モデルを適用するための様々なテクニックを見出した。
論文 参考訳(メタデータ) (2020-09-16T14:14:41Z) - Two-stage short-term wind power forecasting algorithm using different
feature-learning models [8.41684803105392]
風力予測分野において,2段階のアンサンブルに基づく予測手法が広く研究されている。
深層学習に基づく風力予測研究は2つの側面を研究していない。
最初の段階では、複数の入力と複数の出力を考慮した異なる学習構造が議論されていない。
第2段階では,モデル外挿問題については検討されていない。
論文 参考訳(メタデータ) (2020-05-31T02:13:00Z)
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。