論文の概要: Comparison of LSTM autoencoder based deep learning enabled Bayesian
inference using two time series reconstruction approaches
- arxiv url: http://arxiv.org/abs/2203.01936v1
- Date: Thu, 3 Mar 2022 07:42:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 05:18:46.349292
- Title: Comparison of LSTM autoencoder based deep learning enabled Bayesian
inference using two time series reconstruction approaches
- Title(参考訳): 2つの時系列再構成手法を用いたLSTMオートエンコーダを用いた深層学習型ベイズ推論の比較
- Authors: Saumik Dana
- Abstract要約: フレームワークの構築とテストには,ベイジアン推論とマルコフチェーンのモンテカルロ,LSTMオートエンコーダの形式でのディープラーニングを組み合わせています。
本研究では,水注入問題による断層表面上の格子点の変位時系列を再構成する。
次に、このLSTMオートエンコーダに基づくモデルをベイズ推論フレームワークの高忠実度モデルの代わりに展開し、変位入力からのインジェクション率を推定する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we use a combination of Bayesian inference, Markov chain Monte
Carlo and deep learning in the form of LSTM autoencoders to build and test a
framework to provide robust estimates of injection rate from ground surface
data in coupled flow and geomechanics problems. We use LSTM autoencoders to
reconstruct the displacement time series for grid points on the top surface of
a faulting due to water injection problem. We then deploy this LSTM autoencoder
based model instead of the high fidelity model in the Bayesian inference
framework to estimate injection rate from displacement input.
- Abstract(参考訳): 本研究では,バイーシアン推論,マルコフ連鎖モンテカルロ,LSTMオートエンコーダの形での深層学習を組み合わせることで,連成流れや地力学問題における地表面データからの射出速度のロバストな推定を行う。
LSTMオートエンコーダを用いて,水注入問題による断層表面上の格子点の変位時系列を再構成する。
次に、このLSTMオートエンコーダに基づくモデルをベイズ推論フレームワークの高忠実度モデルの代わりに展開し、変位入力から注入率を推定する。
関連論文リスト
- Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳(メタデータ) (2023-08-31T05:05:53Z) - Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。
本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
論文 参考訳(メタデータ) (2023-07-17T07:12:29Z) - Multi model LSTM architecture for Track Association based on Automatic
Identification System Data [2.094022863940315]
トラックアソシエーションのためのLong Short-Term Memory (LSTM) ベースのマルチモデルフレームワークを提案する。
我々は、精度、リコール、F1スコアなどの標準的なパフォーマンス指標を用いて、アプローチのパフォーマンスを評価する。
論文 参考訳(メタデータ) (2023-04-04T03:11:49Z) - STMT: A Spatial-Temporal Mesh Transformer for MoCap-Based Action
Recognition [66.96931254510544]
本研究では、モーションキャプチャー(MoCap)シーケンスを用いた人間の行動認識の問題点について検討する。
メッシュシーケンスを直接モデル化する新しい時空間メッシュ変換器(STMT)を提案する。
提案手法は,スケルトンベースモデルやポイントクラウドベースモデルと比較して,最先端の性能を実現する。
論文 参考訳(メタデータ) (2023-03-31T16:19:27Z) - Building a Fuel Moisture Model for the Coupled Fire-Atmosphere Model
WRF-SFIRE from Data: From Kalman Filters to Recurrent Neural Networks [0.0]
WRF-SFIREとそのワークフローシステムWRFxにおける現在の燃料水分量(FMC)サブシステムは、時間ラグ微分方程式モデルを用いている。
モデルとカルマンフィルタからなるシステムにおけるデータフローは、リカレントニューラルネットワーク(RNN)におけるデータフローと同一であると解釈できる。
標準AIアプローチは妥当な解に収束しなかったため、微分方程式の数値解法となるために考案された特殊初期重み付きRNNを事前訓練する。
論文 参考訳(メタデータ) (2023-01-13T07:56:01Z) - LSTM-Autoencoder based Anomaly Detection for Indoor Air Quality Time
Series Data [6.642599588462097]
室内空気質(IAQ)データの異常検出は、空気の質が人間の健康と健康と密接に関連しているため、研究の重要領域となっている。
IAQ領域における異常検出における従来の統計と機械学習に基づくアプローチは、複数のデータポイントにわたる相関の観測を含む異常を検出できなかった。
本稿では,LSTMとオートエンコーダを組み合わせたハイブリッドディープラーニングモデルを提案する。
論文 参考訳(メタデータ) (2022-04-14T01:57:46Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳(メタデータ) (2021-02-02T06:15:15Z) - 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) - Transformer with Depth-Wise LSTM [69.40942736249397]
Transformer翻訳モデルは、その収束を保証するために残差接続を使用する。
本稿では,階層の出力を時系列のステップとみなす深度ワイドLSTMを用いてトランスフォーマーを訓練することを提案する。
6層トランスを用いた実験により,WMT 14の英語-ドイツ語と英語-フランス語の両タスクにおいて,BLEUの大幅な改善がもたらされることが示された。
論文 参考訳(メタデータ) (2020-07-13T09:19:34Z) - Recent Developments Combining Ensemble Smoother and Deep Generative
Networks for Facies History Matching [58.720142291102135]
本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。
本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
論文 参考訳(メタデータ) (2020-05-08T21:32:42Z)
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。