論文の概要: Machine learning for Earth System Science (ESS): A survey, status and
future directions for South Asia
- arxiv url: http://arxiv.org/abs/2112.12966v1
- Date: Fri, 24 Dec 2021 06:44:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-29 15:47:36.375472
- Title: Machine learning for Earth System Science (ESS): A survey, status and
future directions for South Asia
- Title（参考訳）: 地球システム科学のための機械学習(ESS):南アジアにおける調査・現状・今後の方向性
- Authors: Manmeet Singh, Bipin Kumar, Rajib Chattopadhyay, K Amarjyothi, Anup K
Sutar, Sukanta Roy, Suryachandra A Rao, Ravi S. Nanjundiah
- Abstract要約: この調査は、機械学習アルゴリズムを適用する地球システム科学の現在の問題に焦点を当てている。
これは、以前の研究の概要、インドの地球科学省における進行中の作業、そしていくつかの重要な地球科学問題へのMLアルゴリズムの将来の応用の概要を提供する。
- 参考スコア（独自算出の注目度）: 0.12647816797166164
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This survey focuses on the current problems in Earth systems science where
machine learning algorithms can be applied. It provides an overview of previous
work, ongoing work at the Ministry of Earth Sciences, Gov. of India, and future
applications of ML algorithms to some significant earth science problems. We
provide a comparison of previous work with this survey, a mind map of
multidimensional areas related to machine learning and a Gartner's hype cycle
for machine learning in Earth system science (ESS). We mainly focus on the
critical components in Earth Sciences, including atmospheric, Ocean,
Seismology, and biosphere, and cover AI/ML applications to statistical
downscaling and forecasting problems.
- Abstract（参考訳）: この調査は、機械学習アルゴリズムを適用する地球システム科学の現在の問題に焦点を当てている。
これは、以前の研究の概要、インドの地球科学省における進行中の作業、そしていくつかの重要な地球科学問題へのMLアルゴリズムの将来の応用の概要を提供する。
本研究では,地球システム科学(ESS)における機械学習に対するGartnerのハイプサイクルと,機械学習に関連する多次元領域のマインドマップについて,これまでの研究との比較を行った。
我々は主に、大気、海洋、地震学、生物圏を含む地球科学の重要な要素に焦点を当て、統計的なダウンスケーリングや予測問題へのAI/ML応用をカバーする。
関連論文リスト
- Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - GeoAI in Social Science [0.9527350779226282]
GeoAI(Geospatial AI、地理空間的人工知能)は、人工知能(AI)、地理空間的ビッグデータ、そして膨大なコンピューティングパワーを活用して、高度な自動化と知能の問題を解決するエキサイティングな新しい分野である。
本稿では、社会科学研究におけるAIの進歩を概観し、GeoAIを用いて重要なデータと知識ギャップを埋める重要な進歩について述べる。
論文 参考訳（メタデータ） (2023-12-19T20:23:18Z) - Artificial intelligence to advance Earth observation: : A review of models, recent trends, and pathways forward [60.43248801101935]
本稿では、生のEOデータから使用可能なEOベースの情報への移行を通知し、支援する、重要な科学的ツールとアプローチについて、鳥の視点で説明する。
i)コンピュータビジョン, (ii) 機械学習, (iii) 高度な処理とコンピューティング, (iv) 知識ベースAI, (v) 説明可能なAIと因果推論, (vi) 物理認識モデル, (vii) ユーザ中心のアプローチ, (viii) EOにおけるML技術の大量使用に関する倫理的・社会的問題に関する議論の議論を網羅する。
論文 参考訳（メタデータ） (2023-05-15T07:47:24Z) - Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。
欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文 参考訳（メタデータ） (2022-12-10T07:49:50Z) - Physical Computing for Materials Acceleration Platforms [81.09376948478891]
我々は、MAPs研究プログラムの一環として、新しい素材の探索を加速する同じシミュレーションとAIツールが、根本的に新しいコンピュータ媒体の設計を可能にすると論じている。
シミュレーションに基づくMAPプログラムの概要を述べる。
我々は、材料研究者と計算機科学者の革新的なコラボレーションの新たな時代を導入することを期待している。
論文 参考訳（メタデータ） (2022-08-17T23:03:54Z) - Towards a Collective Agenda on AI for Earth Science Data Analysis [39.78763440312085]
我々は、研究者、特に若い世代に、リモートセンシングと地球科学の真の進歩のためにこれらの課題に取り組むように促すことを目指している。
地球科学に関するAIの宣言では、研究者、特に若い世代がリモートセンシングと地球科学の真の進歩のためにこれらの課題に取り組むよう促すことを目指しています。
論文 参考訳（メタデータ） (2021-04-11T20:54:44Z) - Applications of physics-informed scientific machine learning in
subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。
したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。
近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文 参考訳（メタデータ） (2021-04-10T13:40:22Z) - Automated identification of transiting exoplanet candidates in NASA
Transiting Exoplanets Survey Satellite (TESS) data with machine learning
methods [1.9491825010518622]
AI/ML ThetaRayシステムは当初ケプラー太陽系外惑星のデータで訓練され、確認された太陽系外惑星で検証される。
TESSミッションで発生したしきい値交差イベント(TCE)の10,803光曲線へのThetaRayの適用により、39の新たな惑星候補が発見された。
論文 参考訳（メタデータ） (2021-02-20T12:28:39Z) - Machine Learning Information Fusion in Earth Observation: A
Comprehensive Review of Methods, Applications and Data Sources [0.0]
本稿では,地球観測における問題に対する機械学習(ML)技術に基づく最も重要な情報融合アルゴリズムについて概説する。
データ駆動アプローチ、特にML技術は、このデータルージュから重要な情報を抽出する自然な選択である。
論文 参考訳（メタデータ） (2020-12-07T13:35:08Z) - A Survey on Deep Learning for Localization and Mapping: Towards the Age
of Spatial Machine Intelligence [48.67755344239951]
包括的調査を行い、深層学習を用いた局所化とマッピングのための新しい分類法を提案する。
オードメトリ推定、マッピング、グローバルローカライゼーション、同時ローカライゼーション、マッピングなど、幅広いトピックがカバーされている。
この研究がロボティクス、コンピュータビジョン、機械学習コミュニティの新たな成果を結び付けることを願っている。
論文 参考訳（メタデータ） (2020-06-22T19:01:21Z) - Incorporating Physical Knowledge into Machine Learning for Planetary
Space Physics [0.0]
我々は、土星の磁気圏におけるプラズマ不安定性の半教師付き物理に基づく分類を適用した以前の試みを構築した。
これらの軌道上の宇宙船データ特性の知識を取り入れることで、機械学習手法の性能と解釈性が向上することを示す。
論文 参考訳（メタデータ） (2020-06-02T20:31:29Z)
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。