論文の概要: Bathymetry Inversion using a Deep-Learning-Based Surrogate for Shallow
Water Equations Solvers
- arxiv url: http://arxiv.org/abs/2203.02821v1
- Date: Sat, 5 Mar 2022 21:49:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 18:40:50.922580
- Title: Bathymetry Inversion using a Deep-Learning-Based Surrogate for Shallow
Water Equations Solvers
- Title(参考訳): 浅水方程式解に対する深層学習型サロゲートを用いたベースメータインバージョン
- Authors: Xiaofeng Liu, Yalan Song, Chaopeng Shen
- Abstract要約: 浅水式解法のための深層学習に基づくサロゲートを用いた潜水式インバージョン法を提案し,実証する。
このサロゲートは、畳み込みオートエンコーダと共有エンコーダ、分離デコーダアーキテクチャを使用する。
浴量計の逆転過程には2つの特徴的な段階があり、これは初期の広筆彫りの彫刻的過程に類似している。
- 参考スコア(独自算出の注目度): 6.733150731898156
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: River bathymetry is critical for many aspects of water resources management.
We propose and demonstrate a bathymetry inversion method using a
deep-learning-based surrogate for shallow water equations solvers. The
surrogate uses the convolutional autoencoder with a shared-encoder,
separate-decoder architecture. It encodes the input bathymetry and decodes to
separate outputs for flow-field variables. A gradient-based optimizer is used
to perform bathymetry inversion with the trained surrogate. Two
physically-based constraints on both bed elevation value and slope have to be
added as inversion loss regularizations to obtain usable inversion results.
Using the "L-curve" criterion, a heuristic approach was proposed to determine
the regularization parameters. Both the surrogate model and the inversion
algorithm show good performance. We found the bathymetry inversion process has
two distinctive stages, which resembles the sculptural process of initial
broad-brush calving and final detailing. The inversion loss due to flow
prediction error reaches its minimum in the first stage and remains almost
constant afterward. The bed elevation value and slope regularizations play the
dominant role in the second stage in selecting the most probable solution. We
also found the surrogate architecture (whether with both velocity and water
surface elevation or velocity only as outputs) does not show significant impact
on inversion result.
- Abstract(参考訳): 河川の水質測定は水資源管理の多くの面において重要である。
浅層水方程式の解法として,深層学習型サロゲートを用いたバストメトリインバージョン法を提案する。
surrogateはconvolutional autoencoderとshared-encoder, separate-decoderアーキテクチャを使用している。
入力のバスメトリとデコードをエンコードし、フローフィールド変数の出力を分離する。
勾配に基づくオプティマイザは、トレーニングされたサロゲートでバスメトリ反転を行うために使用される。
逆損失正則化法として, 床高と斜面の物理的制約を2つ加え, 使用可能な逆解析結果を得る必要がある。
正規化パラメータを決定するために「L曲線」基準を用いてヒューリスティックなアプローチが提案された。
代理モデルと逆アルゴリズムの両方が優れた性能を示す。
バストメトリ・インバージョン法には2つの異なる段階があり,初期ブロードブラッシュ・カルビングの彫刻的過程と最終詳細化に類似している。
フロー予測誤差による逆損失は、第1段階で最小値に達し、その後ほぼ一定となる。
斜面の上昇値と斜面の定式化は、最も可能性の高い溶液を選択する第2段階において支配的な役割を担っている。
また,サロゲート構造(流速・水面上昇・流速のみの場合)は逆解析結果に有意な影響を及ぼさないことがわかった。
関連論文リスト
- Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳(メタデータ) (2023-08-21T13:03:25Z) - Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse
Problems [64.29491112653905]
本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。
具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。
提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
論文 参考訳(メタデータ) (2023-03-10T07:42:49Z) - Critical Points and Convergence Analysis of Generative Deep Linear
Networks Trained with Bures-Wasserstein Loss [2.294014185517203]
本稿では,バーレス=ヴァッサーシュタイン距離で学習した共分散行列の行列分解モデルについて考察する。
階数有界行列の空間上のバーレス=ヴァッサーシュタイン距離の臨界点と最小化器を特徴づける。
有限段勾配勾配のスムーズな摂動バージョンを用いて勾配流の収束結果を確立する。
論文 参考訳(メタデータ) (2023-03-06T10:56:14Z) - Mutual Wasserstein Discrepancy Minimization for Sequential
Recommendation [82.0801585843835]
逐次リコメンデーションのためのMutual WasserStein差分最小化MSteinに基づく新しい自己教師型学習フレームワークを提案する。
また,ワッサーシュタイン離散度測定に基づく新しい学習損失を提案する。
論文 参考訳(メタデータ) (2023-01-28T13:38:48Z) - Deep filter bank regression for super-resolution of anisotropic MR brain
images [18.41979609846356]
2次元マルチスライス磁気共鳴(MR)取得では、スループレーン信号は通常、インプレーン信号よりも低解像度である。
超高分解能(SR)法は、基礎となる高分解能ボリュームを回復することを目的としているが、推定された高周波数情報は、エンドツーエンドのデータ駆動トレーニングを通じて暗黙的である。
そこで本研究では,特定スキャンの異方性獲得に対応する完全再構成フィルタバンクの完成を近似する2段階の手法を提案する。
論文 参考訳(メタデータ) (2022-09-06T16:05:19Z) - GradViT: Gradient Inversion of Vision Transformers [83.54779732309653]
我々は,視力変換器(ViT)の勾配に基づく逆攻撃に対する脆弱性を実証する。
自然に見える画像にランダムノイズを最適化するGradViTという手法を提案する。
元の(隠された)データに対する前例のない高い忠実さと近接性を観察する。
論文 参考訳(メタデータ) (2022-03-22T17:06:07Z) - Error-Correcting Neural Networks for Two-Dimensional Curvature
Computation in the Level-Set Method [0.0]
本稿では,2次元曲率をレベルセット法で近似するための誤差ニューラルモデルに基づく手法を提案する。
我々の主な貢献は、需要に応じて機械学習操作を可能にする数値スキームに依存する、再設計されたハイブリッド・ソルバである。
論文 参考訳(メタデータ) (2022-01-22T05:14:40Z) - Variational encoder geostatistical analysis (VEGAS) with an application
to large scale riverine bathymetry [1.2093180801186911]
水位測定としても知られる河床形状の推定は,多くの応用において重要な役割を担っている。
本稿では,中央に狭い層を持つディープニューラルネットワークである可変オートエンコーダ(VAE)を利用するリダクション・オーダー・モデル(ROM)に基づくアプローチを提案する。
アメリカ合衆国,サバンナ川の1マイル到達地点において,我々の逆解析手法を検証した。
論文 参考訳(メタデータ) (2021-11-23T08:27:48Z) - Deep learning-based fast solver of the shallow water equations [1.2093180801186911]
浅水方程式(SWE)の従来の数値解法は計算に高価であり、高分解能な河床形状測定(ベースメトリー)を必要とする。
そこで我々は,まず主成分測地学的アプローチ(PCGA)を用いて,流速測定から流速測定の確率密度関数を推定し,機械学習(ML)アルゴリズムを用いてSWEの高速解法を得る2段階プロセスを提案する。
以上の結果から, 高速解法は, 浴量測定とBCの異なる流速を, 計算コストで精度良く予測できることを示した。
論文 参考訳(メタデータ) (2021-11-23T07:47:56Z) - Learning High-Precision Bounding Box for Rotated Object Detection via
Kullback-Leibler Divergence [100.6913091147422]
既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。
本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
論文 参考訳(メタデータ) (2021-06-03T14:29:19Z) - Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint
modeling [69.35569554213679]
解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。
この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。
本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
論文 参考訳(メタデータ) (2020-05-16T21:17:26Z)
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。