論文の概要: A review of machine learning concepts and methods for addressing challenges in probabilistic hydrological post-processing and forecasting

• arxiv url: http://arxiv.org/abs/2206.08998v1
• Date: Fri, 17 Jun 2022 20:38:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-26 20:01:47.362648
• Title: A review of machine learning concepts and methods for addressing challenges in probabilistic hydrological post-processing and forecasting
• Title（参考訳）: 確率的水文後処理・予測における課題解決のための機械学習概念と手法のレビュー
• Authors: Georgia Papacharalampous, Hristos Tyralis
• Abstract要約: 我々は,研究された概念や手法の効果的な普及に繋がる重要なアイデアと情報に焦点を当てる。 本稿では,オープンな研究課題を特定し,今後検討すべきアイデアを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilistic forecasting is receiving growing attention nowadays in a variety of applied fields, including hydrology. Several machine learning concepts and methods are notably relevant to formalizing and optimizing probabilistic forecasting implementations by addressing the relevant challenges. Nonetheless, practically-oriented reviews focusing on such concepts and methods are currently missing from the probabilistic hydrological forecasting literature. This absence holds despite the pronounced intensification in the research efforts for benefitting from machine learning in this same literature, and despite the substantial relevant progress that has recently emerged, especially in the field of probabilistic hydrological post-processing, which traditionally provides the hydrologists with probabilistic hydrological forecasting implementations. Herein, we aim to fill this specific gap. In our review, we emphasize key ideas and information that can lead to effective popularizations of the studied concepts and methods, as such an emphasis can support successful future implementations and further scientific developments in the field. In the same forward-looking direction, we identify open research questions and propose ideas to be explored in the future.
• Abstract（参考訳）: 確率予測は水文学を含む様々な応用分野において近年注目を集めている。 いくつかの機械学習の概念と手法は、関連する課題に対処することによって、確率的予測実装の形式化と最適化に特に関係している。 それにもかかわらず、このような概念と手法に焦点を当てた事実上のレビューは、現在確率的水文予測文献から欠落している。 この欠如は、この同じ文献で機械学習から利益を得るための研究努力が顕著に強化されているにもかかわらず、特に確率的水文後処理の分野で最近出現した実質的な関連する進歩にもかかわらず、伝統的に水文学者に確率的水文予測の実装を提供している。 ここではこのギャップを埋めることを目指しています。 本総説では,研究コンセプトや手法の効果的な普及に繋がる鍵となるアイデアや情報を強調し,将来的な実装とさらなる科学的発展を支援することを目的としている。 同じ方向を向いて、オープンな研究課題を特定し、将来検討すべきアイデアを提案する。

関連論文リスト

• Deep learning for precipitation nowcasting: A survey from the perspective of time series forecasting [4.5424061912112474]
  本稿では,ディープラーニングを用いた時系列降水予測モデルの最近の進歩を概観する。 予測モデルを,将来のフレームを予測するためのアプローチに基づいて,テキスト再帰戦略とテキスト多重戦略に分類する。 筆者らは,現在,降水予測のための深層学習モデルの評価を行い,その限界と課題について議論し,いくつかの有望な研究方向性を示す。
  論文  参考訳（メタデータ） (2024-06-07T12:07:09Z)
• ProbTS: Benchmarking Point and Distributional Forecasting across Diverse Prediction Horizons [23.9530536685668]
  本稿では,基本的な予測ニーズを評価するための統一プラットフォームとして設計されたベンチマークツールであるProbTSを紹介する。 異なる予測条件から生じる特徴的データの特徴を識別する。 本稿では, 時系列予測の最新モデルについて検討し, 方法論的強度と弱点の分析も適用可能であることを明らかにする。
  論文  参考訳（メタデータ） (2023-10-11T12:48:45Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• A Unified View of Deep Learning for Reaction and Retrosynthesis Prediction: Current Status and Future Challenges [59.41636061300571]
  反応と再合成予測は計算化学の基本的な課題である。 これらの問題に対処するために、様々なディープラーニングアプローチが提案されている。 本報告は,反応の統一的理解と再合成予測を目的とした,初めての総合的かつ体系的な調査である。
  論文  参考訳（メタデータ） (2023-06-28T03:15:55Z)
• Improving Prediction Performance and Model Interpretability through Attention Mechanisms from Basic and Applied Research Perspectives [3.553493344868414]
  この論文は著者の論文の要約に基づいている。 ディープラーニングモデルは、従来の機械学習モデルよりも予測性能がはるかに高い。 特定の予測プロセスの解釈や説明は依然として困難である。
  論文  参考訳（メタデータ） (2023-03-24T16:24:08Z)
• A review of predictive uncertainty estimation with machine learning [0.0]
  機械学習アルゴリズムを用いて予測不確実性推定の話題を概観する。 我々は確率的予測を評価するための関連する指標(一貫性スコアリング関数と適切なスコアリングルール)について論じる。 このレビューでは、ユーザーのニーズに合わせて新しいアルゴリズムを開発する方法についての理解を深める。
  論文  参考訳（メタデータ） (2022-09-17T10:36:30Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
  ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。 本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
  論文  参考訳（メタデータ） (2021-07-05T16:32:45Z)
• Randomization-based Machine Learning in Renewable Energy Prediction Problems: Critical Literature Review, New Results and Perspectives [6.771141943827748]
  ランダム化に基づく機械学習手法の最も重要な特徴と再生可能エネルギー予測問題への応用について概説する。 太陽、風力、水力エネルギーに関する現実世界の問題を含む広範な実験研究により、当社のクリティカル分析をサポートします。
  論文  参考訳（メタデータ） (2021-03-26T17:38:46Z)
• Forecasting: theory and practice [65.71277206849244]
  本稿は、理論と予測の実践について、非体系的なレビューを提供する。 我々は、幅広い理論的、最先端のモデル、方法、原則、アプローチの概要を提供する。 そして、そのような理論概念が様々な実生活の文脈でどのように適用されるかを示す。
  論文  参考訳（メタデータ） (2020-12-04T16:56:44Z)
• Video Prediction via Example Guidance [156.08546987158616]
  ビデオ予測タスクでは、将来のコンテンツとダイナミクスのマルチモーダルな性質を捉えることが大きな課題である。 本研究では,有効な将来状態の予測を効果的に行うための,シンプルで効果的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-03T14:57:24Z)

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。