論文の概要: Tokyo Kion-On: Query-Based Generative Sonification of Atmospheric Data
- arxiv url: http://arxiv.org/abs/2208.02494v1
- Date: Thu, 4 Aug 2022 06:56:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-05 13:14:37.669631
- Title: Tokyo Kion-On: Query-Based Generative Sonification of Atmospheric Data
- Title(参考訳): 東京イオンオン:大気データのクエリに基づく生成音化
- Authors: Stefano Kalonaris
- Abstract要約: 東京キオン(きょうとキオン)は、1876年から2021年までの東京の気温の問合せに基づく音化モデルである。
このシステムは、LSTMとして知られる繰り返しニューラルネットワークアーキテクチャを使用して、日本のメロディの小さなデータセットに基づいて訓練され、その大気データに基づいて調整される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Amid growing environmental concerns, interactive displays of data constitute
an important tool for exploring and understanding the impact of climate change
on the planet's ecosystemic integrity. This paper presents Tokyo kion-on, a
query-based sonification model of Tokyo's air temperature from 1876 to 2021.
The system uses a recurrent neural network architecture known as LSTM with
attention trained on a small dataset of Japanese melodies and conditioned upon
said atmospheric data. After describing the model's implementation, a brief
comparative illustration of the musical results is presented, along with a
discussion on how the exposed hyper-parameters can promote active and
non-linear exploration of the data.
- Abstract(参考訳): 環境の懸念が高まる中、データのインタラクティブな表示は、気候変動が地球の生態系の整合性に与える影響を探索し理解するための重要なツールとなっている。
本稿は,1876年から2021年までの東京の気温の問合せに基づく音化モデルである東京イオンオンについて述べる。
このシステムは、LSTMとして知られる繰り返しニューラルネットワークアーキテクチャを使用して、日本のメロディの小さなデータセットに基づいて訓練され、その大気データに基づいて調整される。
モデルの実装を説明した後、音楽結果の簡単な比較図を示し、露出したハイパーパラメータがデータのアクティブかつ非線形な探索をいかに促進できるかについて議論する。
関連論文リスト
- Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳(メタデータ) (2024-01-22T14:02:56Z) - Comparing Data-Driven and Mechanistic Models for Predicting Phenology in
Deciduous Broadleaf Forests [47.285748922842444]
我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。
このアプローチは従来のプロセスベースのモデルよりも優れています。
論文 参考訳(メタデータ) (2024-01-08T15:29:23Z) - Digital Typhoon: Long-term Satellite Image Dataset for the
Spatio-Temporal Modeling of Tropical Cyclones [0.907599024697789]
本稿では,40年以上にわたる台風衛星画像データセットの公開について述べる。
長期的データに対する機械学習モデルのベンチマークを目的としている。
データセットはhttp://agora.nii.ac.jp/digital-typhoon/で公開されている。
論文 参考訳(メタデータ) (2023-11-05T14:22:13Z) - Spatial-temporal Prompt Learning for Federated Weather Forecasting [50.379491498793485]
フェデレート気象予報は、異なる国や地域の参加者間で気象データを分析するための有望な協調学習フレームワークである。
本稿では,多くの分散型低リソースセンサを異なる場所に配置するフェデレート環境での気象データをモデル化する。
論文 参考訳(メタデータ) (2023-05-23T16:59:20Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳(メタデータ) (2023-04-27T20:21:18Z) - Super-Resolution of BVOC Maps by Adapting Deep Learning Methods [17.819699053848197]
生体内揮発性有機化合物(BVOC)は、生物圏-大気相互作用において重要な役割を果たす。
利用可能なほとんどのBVOCデータは、緩くスパースなサンプリンググリッドまたは小さな領域で得られる。
高解像度のBVOCデータは、大気質、大気化学、気候モニタリングなど多くの用途で望ましい。
論文 参考訳(メタデータ) (2023-02-15T10:21:38Z) - ClimaX: A foundation model for weather and climate [51.208269971019504]
ClimaXは気象と気候科学のディープラーニングモデルである。
気候データセットの自己教師型学習目標で事前トレーニングすることができる。
気候や気候の様々な問題に対処するために、微調整が可能である。
論文 参考訳(メタデータ) (2023-01-24T23:19:01Z) - Prompt Federated Learning for Weather Forecasting: Toward Foundation
Models on Meteorological Data [37.549578998407675]
地球規模の気候問題に対処するためには、大規模な気象データに基づいて総合的な気象予報を行うための共同プラットフォームを開発する必要がある。
本稿では,複雑な気象データを理解し,天気予報を行う領域にまたがる基礎モデルを構築した。
低リソースセンサの通信と計算の制約を満たすために,新しいプロンプト学習機構が採用された。
論文 参考訳(メタデータ) (2023-01-22T16:47:05Z) - Deep generative model super-resolves spatially correlated multiregional
climate data [5.678539713361703]
逆ネットワークに基づく機械学習により、ダウンスケーリングにおける地域間空間相関を正確に再構築できることを示す。
提案手法は,気候変動の影響を地域間一貫した評価に有効である。
本稿では,低分解能降雨場を圧力場に置き換えた深部生成モデルに基づくダウンスケーリング手法の結果について述べる。
論文 参考訳(メタデータ) (2022-09-26T05:45:16Z) - Ill-posed Surface Emissivity Retrieval from Multi-Geometry
HyperspectralImages using a Hybrid Deep Neural Network [0.0]
大気補正はリモートセンシングの基本的な課題である。
マルチスキャンハイパースペクトルデータを用いた自動大気補正のために,幾何依存型ハイブリッドニューラルネットワークを提案する。
その結果,提案ネットワークは,29の異なる物質に対して0.02以下の平均絶対誤差 (MAE) で大気特性を正確に評価し,目標放射率スペクトルを推定する能力を有することがわかった。
論文 参考訳(メタデータ) (2021-07-09T18:59:58Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳(メタデータ) (2020-07-23T13:32:47Z)
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。