論文の概要: AA-TransUNet: Attention Augmented TransUNet For Nowcasting Tasks

• arxiv url: http://arxiv.org/abs/2202.04996v1
• Date: Thu, 10 Feb 2022 12:48:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-11 23:26:02.910603
• Title: AA-TransUNet: Attention Augmented TransUNet For Nowcasting Tasks
• Title（参考訳）: AA-TransUNet: Nowcastingタスク用TransUNetの拡張
• Authors: Yimin Yang and Siamak Mehrkanoon
• Abstract要約: 本稿では,降水量予測タスクのためのTransUNetに基づく新しいデータ駆動予測モデルを提案する。 モデルはオランダの降水マップデータセットとフランスのクラウドカバーデータセットの2つの異なるデータセットで評価されている。
• 参考スコア（独自算出の注目度）: 12.105990363107068
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Data driven modeling based approaches have recently gained a lot of attention in many challenging meteorological applications including weather element forecasting. This paper introduces a novel data-driven predictive model based on TransUNet for precipitation nowcasting task. The TransUNet model which combines the Transformer and U-Net models has been previously successfully applied in medical segmentation tasks. Here, TransUNet is used as a core model and is further equipped with Convolutional Block Attention Modules (CBAM) and Depthwise-separable Convolution (DSC). The proposed Attention Augmented TransUNet (AA-TransUNet) model is evaluated on two distinct datasets: the Dutch precipitation map dataset and the French cloud cover dataset. The obtained results show that the proposed model outperforms other examined models on both tested datasets. Furthermore, the uncertainty analysis of the proposed AA-TransUNet is provided to give additional insights on its predictions.
• Abstract（参考訳）: データ駆動モデリングに基づくアプローチは最近、気象要素予測を含む多くの困難な気象アプリケーションで多くの注目を集めている。 本稿では,transunetに基づく降水ナキャスティングタスクに基づく新しいデータ駆動予測モデルを提案する。 TransformerモデルとU-Netモデルを組み合わせたTransUNetモデルは、これまで医療セグメンテーションタスクにうまく適用されてきた。 ここで、TransUNetはコアモデルとして使われ、さらにCBAM(Convolutional Block Attention Modules)とDSC(Depthwise-Separable Convolution)を備えている。 提案したAttention Augmented TransUNet(AA-TransUNet)モデルは、オランダの降水マップデータセットとフランスのクラウドカバーデータセットの2つの異なるデータセットで評価されている。 以上の結果から,提案モデルは他の試験モデルよりも優れていることがわかった。 さらに,提案したAA-TransUNetの不確実性の解析を行い,その予測についてさらなる知見を与える。

関連論文リスト

• Real Time Monitoring and Forecasting of COVID 19 Cases using an Adjusted Holt based Hybrid Model embedded with Wavelet based ANN [0.0]
  問題となっている主要なモデルは、WaveletベースのANNに埋め込まれたHybrid Holt's Modelである。 提案手法は,全国および6つのホットスポット州で確認された症例数(日数)に基づいて検証した。
  論文  参考訳（メタデータ） (2024-05-18T07:37:20Z)
• DetDiffusion: Synergizing Generative and Perceptive Models for Enhanced Data Generation and Perception [78.26734070960886]
  現在の知覚モデルは、リソース集約的なデータセットに大きく依存している。 セグメンテーションを通じて知覚認識損失(P.A.損失)を導入し、品質と制御性の両方を改善した。 本手法は,世代間における知覚認識属性(P.A. Attr)の抽出と利用により,データ拡張をカスタマイズする。
  論文  参考訳（メタデータ） (2024-03-20T04:58:03Z)
• Cross-modal Prompts: Adapting Large Pre-trained Models for Audio-Visual Downstream Tasks [55.36987468073152]
  本稿では,DG-SCT(Dual-Guided Space-Channel-Temporal)アテンション機構を提案する。 DG-SCTモジュールはトレーニング可能なクロスモーダル・インタラクション・レイヤを事前トレーニングされたオーディオ・ビジュアル・エンコーダに組み込む。 提案手法は, AVE, AVVP, AVS, AVQA, AVQAを含む複数のダウンストリームタスクにまたがる最先端の処理結果を実現する。
  論文  参考訳（メタデータ） (2023-11-09T05:24:20Z)
• Physically Explainable Deep Learning for Convective Initiation Nowcasting Using GOES-16 Satellite Observations [0.1874930567916036]
  Convection Initiation (CI) nowcasting は、数値天気予報モデルと既存の nowcasting アルゴリズムの両方において難しい問題である。 本研究では,多チャンネル赤外線GOES-R衛星観測に基づくCI予測のためのオブジェクトベース確率的深層学習モデルを開発した。
  論文  参考訳（メタデータ） (2023-10-24T17:18:44Z)
• VST++: Efficient and Stronger Visual Saliency Transformer [74.26078624363274]
  我々は,グローバルな長距離依存関係を探索する,効率的で強力なVST++モデルを開発した。 我々は、RGB、RGB-D、RGB-T SODベンチマークデータセット上で、トランスフォーマーベースのバックボーンにまたがってモデルを評価した。
  論文  参考訳（メタデータ） (2023-10-18T05:44:49Z)
• Precipitation nowcasting with generative diffusion models [0.0]
  降水処理における拡散モデルの有効性について検討した。 本研究は, 確立されたU-Netモデルの性能と比較したものである。
  論文  参考訳（メタデータ） (2023-08-13T09:51:16Z)
• Consensus-Adaptive RANSAC [104.87576373187426]
  本稿では,パラメータ空間の探索を学習する新しいRANSACフレームワークを提案する。 注意機構は、ポイント・ツー・モデル残差のバッチで動作し、軽量のワンステップ・トランスフォーマーで見いだされたコンセンサスを考慮するために、ポイント・ツー・モデル推定状態を更新する。
  論文  参考訳（メタデータ） (2023-07-26T08:25:46Z)
• How Well Do Sparse Imagenet Models Transfer? [75.98123173154605]
  転送学習は、大規模な"上流"データセットで事前訓練されたモデルが、"下流"データセットで良い結果を得るために適応される古典的なパラダイムである。 本研究では、ImageNetデータセットでトレーニングされた畳み込みニューラルネットワーク(CNN)のコンテキストにおいて、この現象を詳細に調査する。 スパースモデルでは, 高空間であっても, 高密度モデルの転送性能にマッチしたり, 性能に優れることを示す。
  論文  参考訳（メタデータ） (2021-11-26T11:58:51Z)
• 4D flight trajectory prediction using a hybrid Deep Learning prediction method based on ADS-B technology: a case study of Hartsfield-Jackson Atlanta International Airport(ATL) [2.2118683064997264]
  本稿では,ハーツフィールド・ジャクソン・アトランタ国際空港(ATL)の予測モデルの不確実性を考慮した空間的・時間的特徴を抽出するハイブリッドディープラーニングモデルを提案する。 その結果,提案モデルは他のモデル(3D CNN, CNN-GRU)と比較して誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2021-10-14T23:48:44Z)
• Comparing Test Sets with Item Response Theory [53.755064720563]
  我々は,18の事前学習トランスフォーマーモデルから予測した29のデータセットを個別のテスト例で評価した。 Quoref、HellaSwag、MC-TACOは最先端のモデルを区別するのに最適である。 また、QAMRやSQuAD2.0のようなQAデータセットに使用されるスパン選択タスク形式は、強いモデルと弱いモデルとの差別化に有効である。
  論文  参考訳（メタデータ） (2021-06-01T22:33:53Z)

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。