論文の概要: Spatiotemporal Estimation of TROPOMI NO2 Column with Depthwise Partial Convolutional Neural Network

• arxiv url: http://arxiv.org/abs/2204.05917v1
• Date: Tue, 12 Apr 2022 16:23:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-13 12:10:13.143959
• Title: Spatiotemporal Estimation of TROPOMI NO2 Column with Depthwise Partial Convolutional Neural Network
• Title（参考訳）: 深部畳み込みニューラルネットワークを用いたTROPOMI NO2カラムの時空間推定
• Authors: Yannic Lops, Masoud Ghahremanloo, Arman Pouyaei, Yunsoo Choi, Jia Jung, Seyedali Mousavinezhad, Ahmed Khan Salman, Davyda Hammond
• Abstract要約: 衛星による観測は、雲の覆いと表面反射率に負の影響を受けている。 本稿では,部分畳み込みニューラルネットワーク(PCNN)の適用範囲を広げ,深部畳み込み層を組み込む。 深層学習システムは,TROpospheric Monitoring Instrument TCDNO2をインプットするために,N_2(TCDNO2)の球面密度をシミュレーションしたコミュニティマルチスケール空気品質モデルを用いて訓練される。
• 参考スコア（独自算出の注目度）: 0.17590081165362778
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Satellite-derived measurements are negatively impacted by cloud cover and surface reflectivity. These biases must be discarded and significantly increase the amount of missing data within remote sensing images. This paper expands the application of a partial convolutional neural network (PCNN) to incorporate depthwise convolution layers, conferring temporal dimensionality to the imputation process. The addition of a temporal dimension to the imputation process adds a state of successive existence within the dataset which spatial imputation cannot capture. The depthwise convolution process enables the PCNN to independently convolve the data for each channel. The deep learning system is trained with the Community Multiscale Air Quality model-simulated tropospheric column density of Nitrogen Dioxide (TCDNO2) to impute TROPOspheric Monitoring Instrument TCDNO2. The depthwise PCNN model achieves an index of agreement of 0.82 and outperforms the default PCNN models, with and without temporal dimensionality of data, and conventional data imputation methods such as inverse distance weighting by 3-11% and 8-15% in the index of agreement and correlation, respectively. The model demonstrates more consistency in the reconstruction of TROPOspheric Monitoring Instrument tropospheric column density of NO2 images. The model has also demonstrated the accurate imputation of remote sensing images with over 95% of the data missing. PCNN enables the accurate imputation of remote sensing data with large regions of missing data and will benefit future researchers conducting data assimilation for numerical models, emission studies, and human health impact analyses from air pollution.
• Abstract（参考訳）: 衛星からの観測は雲の被覆と表面反射率によって負の影響を受ける。 これらのバイアスは破棄され、リモートセンシング画像内の欠落データ量を大幅に増加させなければならない。 本稿では,部分畳み込みニューラルネットワーク(PCNN)の深部畳み込み層への応用を拡大し,時間次元を計算過程に反映する。 計算過程に時間次元を加えることで、空間的計算が取得できないデータセット内に連続的な存在状態が加わる。 この奥行きの畳み込みプロセスにより、PCNNは各チャネルのデータを独立して畳み込むことができる。 深層学習システムは,多スケール大気質モデルによる二酸化窒素の対流圏カラム密度(tcdno2)をシミュレーションし,対流圏モニタリング機器tcdno2を誘導する。 奥行き方向のpcnnモデルは、合意の指標 0.82 を達成し、データの時間次元の有無にかかわらず、デフォルトのpcnnモデルと、一致の指標および相関の指標における逆距離重み付けの3-11%および8-15%の従来のデータインプテーション法をそれぞれ上回る。 このモデルは、NO2画像のTROPOSpheric Monitoring Instrument tropospheric column densityの再構成においてより整合性を示す。 このモデルはまた、95%以上のデータが失われているリモートセンシング画像の正確なインプテーションを実証した。 PCNNは、大量の欠落したデータによるリモートセンシングデータの正確な計算を可能にし、将来の研究者が大気汚染による数値モデル、エミッション研究、ヒトの健康影響分析のためにデータ同化を行うのに役立つだろう。

関連論文リスト

• Towards Theoretical Understandings of Self-Consuming Generative Models [56.84592466204185]
  本稿では,自己消費ループ内で生成モデルを訓練する新たな課題に取り組む。 我々は,このトレーニングが将来のモデルで学習したデータ分布に与える影響を厳格に評価するための理論的枠組みを構築した。 カーネル密度推定の結果は,混合データトレーニングがエラー伝播に与える影響など,微妙な洞察を与える。
  論文  参考訳（メタデータ） (2024-02-19T02:08:09Z)
• Assessing Neural Network Representations During Training Using Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
  ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。 データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。 本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
  論文  参考訳（メタデータ） (2023-12-04T01:32:42Z)
• Exploring Geometric Deep Learning For Precipitation Nowcasting [28.44612565923532]
  そこで我々は,降水量予測のための幾何学的深層学習に基づく時間的グラフ畳み込みネットワーク(GCN)を提案する。 格子セル間の相互作用をシミュレートする隣接行列は、予測と接地真理画素値とのL1損失を最小化することにより、自動的に学習される。 トレント/アイタリー地域におけるレーダ反射率マップの配列について実験を行った。
  論文  参考訳（メタデータ） (2023-09-11T21:14:55Z)
• Score Approximation, Estimation and Distribution Recovery of Diffusion Models on Low-Dimensional Data [68.62134204367668]
  本稿では,未知の低次元線形部分空間上でデータをサポートする場合の拡散モデルのスコア近似,推定,分布回復について検討する。 適切に選択されたニューラルネットワークアーキテクチャでは、スコア関数を正確に近似し、効率的に推定することができる。 推定スコア関数に基づいて生成された分布は、データ幾何学構造を捕捉し、データ分布の近傍に収束する。
  論文  参考訳（メタデータ） (2023-02-14T17:02:35Z)
• Deep learning for full-field ultrasonic characterization [7.120879473925905]
  本研究では、最近の機械学習の進歩を活用して、物理に基づくデータ分析プラットフォームを構築する。 直接反転と物理インフォームドニューラルネットワーク(PINN)の2つの論理について検討した。
  論文  参考訳（メタデータ） (2023-01-06T05:01:05Z)
• Enhanced physics-constrained deep neural networks for modeling vanadium redox flow battery [62.997667081978825]
  本稿では,物理制約付き深部ニューラルネットワーク(PCDNN)による高精度電圧予測手法を提案する。 ePCDNNは、電圧放電曲線のテール領域を含む電荷放電サイクルを通して、電圧応答を正確にキャプチャすることができる。
  論文  参考訳（メタデータ） (2022-03-03T19:56:24Z)
• HYDRA: Hypergradient Data Relevance Analysis for Interpreting Deep Neural Networks [51.143054943431665]
  本稿では、深層ニューラルネットワーク(DNN)による予測をトレーニングデータの効果として解釈する高次データ関連分析(HYDRA)を提案する。 HYDRAは、トレーニング軌跡全体を通して、テストデータポイントに対するトレーニングデータの貢献を評価する。 さらに,HyDRAは,データのコントリビューションを正確に推定し,ノイズのあるデータラベルを検出することで,影響関数よりも優れていることを定量的に示す。
  論文  参考訳（メタデータ） (2021-02-04T10:00:13Z)
• A Novel Prediction Approach for Exploring PM2.5 Spatiotemporal Propagation Based on Convolutional Recursive Neural Networks [7.131106953836335]
  PM2.5の伝播予測システムは、地域社会への健康影響を減らす早期警戒システムとして、より詳細で正確な情報を提供する。 本研究は,台湾の大気質モニタリングシステムのデータセットを用いて行った。 一般に、測定ノード間の結合を空間的にも時間的にも考慮し、正確な予測結果を提供することができる。
  論文  参考訳（メタデータ） (2021-01-15T17:00:04Z)
• Data Assimilation in the Latent Space of a Neural Network [7.555120710924906]
  縮小次数モデリング技術は問題の次元性を低減するために用いられる。 我々は、データ同化と機械学習を組み合わせた潜在同化と呼ばれる新しい手法を定式化する。 この手法は、例えば、空気中のSARS-COV-2のようなウイルスの負荷をリアルタイムで予測するために、CO2濃度にリンクすることで使用できる。
  論文  参考訳（メタデータ） (2020-12-22T14:43:50Z)
• Deep Modeling of Growth Trajectories for Longitudinal Prediction of Missing Infant Cortical Surfaces [58.780482825156035]
  空間グラフ畳み込みニューラルネットワーク(GCNN)を用いた皮質表面の経時的予測法を提案する。 提案手法は,皮質成長軌跡をモデル化し,複数点の内曲面と外曲面を共同で予測する。 本手法が時間的皮質成長パターンの非線形性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2020-09-06T18:46:04Z)
• X-ray Photon-Counting Data Correction through Deep Learning [3.535670189300134]
  深層ニューラルネットワークを用いたPCDデータ補正手法を提案する。 本研究ではまず,電荷分割とパルス蓄積効果を取り入れた完全シミュレーションモデルを構築した。 シミュレーションされたPCDデータと地上の真理のデータは、PCDデータ修正のために特別に設計されたディープ・敵ネットワークに送られる。
  論文  参考訳（メタデータ） (2020-07-06T23:29:16Z)

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。