論文の概要: Emulation of greenhouse-gas sensitivities using variational autoencoders
- arxiv url: http://arxiv.org/abs/2112.12524v1
- Date: Wed, 22 Dec 2021 11:44:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-25 04:53:35.095006
- Title: Emulation of greenhouse-gas sensitivities using variational autoencoders
- Title（参考訳）: 変分オートエンコーダを用いた温室効果ガス感受性のエミュレーション
- Authors: Laura Cartwright, Andrew Zammit-Mangion, and Nicholas M. Deutscher
- Abstract要約: LPDM感性のための新しい畳み込み変分時オートコーダ(CVAE)を開発した。
CVAEエミュレータは経験的エミュレーション機能を用いた従来のエミュレータよりも優れていた。
提案手法は,高分解能フラックスインバージョンにおいてLPDM出力を生成するのに必要な計算時間を確実に削減するために用いられる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Flux inversion is the process by which sources and sinks of a gas are
identified from observations of gas mole fraction. The inversion often involves
running a Lagrangian particle dispersion model (LPDM) to generate sensitivities
between observations and fluxes over a spatial domain of interest. The LPDM
must be run backward in time for every gas measurement, and this can be
computationally prohibitive. To address this problem, here we develop a novel
spatio-temporal emulator for LPDM sensitivities that is built using a
convolutional variational autoencoder (CVAE). With the encoder segment of the
CVAE, we obtain approximate (variational) posterior distributions over latent
variables in a low-dimensional space. We then use a spatio-temporal Gaussian
process emulator on the low-dimensional space to emulate new variables at
prediction locations and time points. Emulated variables are then passed
through the decoder segment of the CVAE to yield emulated sensitivities. We
show that our CVAE-based emulator outperforms the more traditional emulator
built using empirical orthogonal functions and that it can be used with
different LPDMs. We conclude that our emulation-based approach can be used to
reliably reduce the computing time needed to generate LPDM outputs for use in
high-resolution flux inversions.
- Abstract（参考訳）: フラックスインバージョン(英: Flux inversion)は、ガスモル分率の観測からガスの源とシンクを特定する過程である。
インバージョンはしばしば、空間的関心領域上で観測とフラックスの間の感度を生み出すためにラグランジュ粒子分散モデル(LPDM)を実行する。
LPDMは全てのガス測定に間に合うように逆向きに実行されなければならない。
そこで我々は,畳み込み変分オートエンコーダ(CVAE)を用いて構築したLPDM感性のための新しい時空間エミュレータを開発した。
CVAEのエンコーダセグメントを用いて、低次元空間における潜伏変数上の近似(変分)後方分布を求める。
次に,低次元空間上の時空間ガウス過程エミュレータを用いて,予測位置と時刻の新しい変数をエミュレートする。
エミュレートされた変数はCVAEのデコーダセグメントを通過し、エミュレートされた感度を得る。
cvaeベースのエミュレータは,経験的直交関数を用いた従来型エミュレータよりも優れており,異なるlpdmで使用することができる。
このエミュレーションに基づく手法は,高分解能フラックスインバージョンにおいてLPDM出力を生成するのに必要な計算時間を確実に削減することができる。
関連論文リスト
- Machine Learning-based sEMG Signal Classification for Hand Gesture Recognition [3.9440964696313485]
筋電図(EMG)信号を用いて手の動きを解析・分類する。
本稿では,新しい特徴抽出手法を用いてEMGに基づく手動作認識の性能をベンチマークすることを目的とする。
論文 参考訳（メタデータ） (2024-11-23T21:29:51Z) - Accelerating Phase Field Simulations Through a Hybrid Adaptive Fourier Neural Operator with U-Net Backbone [0.7329200485567827]
ニューラル演算子学習の最近の進歩にインスパイアされた機械学習(ML)モデルであるU-AFNO(Adaptive Fourier Neural Operators)を提案する。
U-AFNOを使って、現在の時間ステップでフィールドを後の時間ステップにマッピングするダイナミクスを学習します。
高忠実度数値解法と同等の精度で重要なミクロ構造統計とQoIを再現する。
論文 参考訳（メタデータ） (2024-06-24T20:13:23Z) - Application of machine learning technique for a fast forecast of
aggregation kinetics in space-inhomogeneous systems [0.0]
機械学習(ML)技術を用いて直接計算の量を削減する方法について述べる。
本研究では,集合体の空間分布とその大きさ分布に対するML予測が計算時間を大幅に短縮し,直接数値シミュレーションの結果とよく一致することを示す。
論文 参考訳（メタデータ） (2023-12-07T19:50:40Z) - 3D Mitochondria Instance Segmentation with Spatio-Temporal Transformers [101.44668514239959]
本稿では,空間的および時間的注意を並列に効率的に計算するハイブリッドエンコーダデコーダフレームワークを提案する。
また,ミトコンドリアインスタンスの領域を背景から支援する訓練中に,意味的クラッタ・バックグラウンドの逆行性障害も導入した。
論文 参考訳（メタデータ） (2023-03-21T17:58:49Z) - Fourier Disentangled Space-Time Attention for Aerial Video Recognition [54.80846279175762]
本稿では,UAVビデオ行動認識のためのFAR(Fourier Activity Recognition)アルゴリズムを提案する。
我々の定式化は、人間のエージェントを背景から自然に分離するために、新しいフーリエオブジェクト・ディコンタングルメント法を用いています。
我々はUAV Human RGB、UAV Human Night、Drone Action、NEC Droneを含む複数のUAVデータセットに対するアプローチを評価した。
論文 参考訳（メタデータ） (2022-03-21T01:24:53Z) - Adaptive Machine Learning for Time-Varying Systems: Low Dimensional
Latent Space Tuning [91.3755431537592]
本稿では,時間変化システムを対象とした適応機械学習手法を提案する。
我々は,エンコーダデコーダCNNのエンコーダ部出力において,非常に高次元(N>100k)の入力を低次元(N2)潜在空間にマッピングする。
そこで本手法では,割り込みを伴わないフィードバックに基づいて,内部の相関関係を学習し,その進化をリアルタイムで追跡する。
論文 参考訳（メタデータ） (2021-07-13T16:05:28Z) - Adaptive Latent Space Tuning for Non-Stationary Distributions [62.997667081978825]
本稿では,ディープエンコーダ・デコーダ方式cnnの低次元潜在空間の適応チューニング法を提案する。
粒子加速器における時間変動荷電粒子ビームの特性を予測するためのアプローチを実証する。
論文 参考訳（メタデータ） (2021-05-08T03:50:45Z) - Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening
Simulations [58.720142291102135]
動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。
本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
論文 参考訳（メタデータ） (2021-04-28T22:14:25Z) - Fast and differentiable simulation of driven quantum systems [58.720142291102135]
我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。
回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
論文 参考訳（メタデータ） (2020-12-16T21:43:38Z) - Emulation as an Accurate Alternative to Interpolation in Sampling
Radiative Transfer Codes [7.79832534221102]
この研究はエミュレーション、すなわち統計解析を用いてRTM出力を近似することを提案する。
エミュレーションは、RTMスペクトルデータを再構築する一般的な方法に代わる高速かつ正確な代替手段として機能することができると結論付けられている。
論文 参考訳（メタデータ） (2020-12-07T10:04:12Z) - Unbiased Gradient Estimation for Variational Auto-Encoders using Coupled
Markov Chains [34.77971292478243]
変分オートエンコーダ(VAE)は、オートエンコーダのようなアーキテクチャで2つのニューラルネットワークを持つ、潜伏変数モデルである。
ログ型勾配の偏りのない推定器を導入することにより,VAEのトレーニング手法を開発する。
偏りのない推定器を装着したVAEは予測性能が向上することを示した。
論文 参考訳（メタデータ） (2020-10-05T08:11:55Z)
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。