Fugu-MT 論文翻訳(概要): Prediction of Seismic Intensity Distributions Using Neural Networks

論文の概要: Prediction of Seismic Intensity Distributions Using Neural Networks

arxiv url: http://arxiv.org/abs/2208.07565v1
Date: Tue, 16 Aug 2022 07:01:22 GMT
ステータス: 処理完了
システム内更新日: 2022-08-17 12:29:44.496563
Title: Prediction of Seismic Intensity Distributions Using Neural Networks
Title（参考訳）: ニューラルネットワークによる地震強度分布の予測
Authors: Koyu Mizutani, Haruki Mitarai, Kakeru Miyazaki, Ryugo Shimamura, Soichiro Kumano, and Toshihiko Yamasaki
Abstract要約: 地動予測方程式は地震強度分布の予測に一般的に用いられる。本研究では,ニューラルネットワークを用いた回帰と分類のハイブリッド手法を提案する。本手法は, 地震強度分布, 異常分布を正確に予測できる。
参考スコア（独自算出の注目度）: 22.666645601575176
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The ground motion prediction equation is commonly used to predict the seismic intensity distribution. However, it is not easy to apply this method to seismic distributions affected by underground plate structures, which are commonly known as abnormal seismic distributions. This study proposes a hybrid of regression and classification approaches using neural networks. The proposed model treats the distributions as 2-dimensional data like an image. Our method can accurately predict seismic intensity distributions, even abnormal distributions.
Abstract（参考訳）: 地動予測方程式は地震強度分布の予測に一般的に用いられる。しかし,一般に異常地震分布として知られる地下プレート構造が影響を受ける地震分布に適用することは容易ではない。本研究では,ニューラルネットワークを用いた回帰と分類のハイブリッドを提案する。提案モデルでは,分布を画像のような2次元データとして扱う。本手法は, 地震強度分布, 異常分布を正確に予測できる。

関連論文リスト

Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
本報告では,明示的な次元の一般スコアミスマッチ拡散サンプリング器を用いた最初の性能保証について述べる。その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
論文参考訳（メタデータ） (2024-10-17T16:42:12Z)
Uncertainty Quantification via Stable Distribution Propagation [60.065272548502]
本稿では,ニューラルネットワークによる安定確率分布の伝播手法を提案する。提案手法は局所線形化に基づいており,ReLU非線型性に対する全変動距離の近似値として最適であることを示す。
論文参考訳（メタデータ） (2024-02-13T09:40:19Z)
Data-Driven Prediction of Seismic Intensity Distributions Featuring Hybrid Classification-Regression Models [21.327960186900885]
本研究では, 地震パラメータに基づいて地震強度分布を予測できる線形回帰モデルを開発した。このデータセットは、1997年から2020年にかけて日本近海で発生した地震の震度データからなる。提案モデルでは, 従来のGMPEにおける課題として, 異常な震度分布を予測できる。
論文参考訳（メタデータ） (2024-02-03T13:39:22Z)
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)
Reliable amortized variational inference with physics-based latent distribution correction [0.4588028371034407]
ニューラルネットワークは、既存のモデルとデータのペアの後方分布を近似するように訓練される。このアプローチの精度は、高忠実度トレーニングデータの可用性に依存する。補正ステップは, ソース実験数の変化, ノイズ分散, 先行分布の変化に対して, 償却された変分推論の頑健さを向上することを示す。
論文参考訳（メタデータ） (2022-07-24T02:38:54Z)
Exploring the Intrinsic Probability Distribution for Hyperspectral Anomaly Detection [9.653976364051564]
超スペクトル異常検出のための原データにおける背景と異常の両方の固有分布を探索する新しい確率分布表現検出器(pdrd)を提案する。提案手法の性能を評価するために, 4つの実データ集合の実験を行った。
論文参考訳（メタデータ） (2021-05-14T11:42:09Z)
A likelihood approach to nonparametric estimation of a singular distribution using deep generative models [4.329951775163721]
深部生成モデルを用いた特異分布の非パラメトリック推定の可能性について検討する。我々は、インスタンスノイズでデータを摂動することで、新しい効果的な解が存在することを証明した。また、より深い生成モデルにより効率的に推定できる分布のクラスを特徴付ける。
論文参考訳（メタデータ） (2021-05-09T23:13:58Z)
STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文参考訳（メタデータ） (2020-12-08T21:21:47Z)
The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
論文参考訳（メタデータ） (2020-12-05T17:30:35Z)
Empirical Strategy for Stretching Probability Distribution in Neural-network-based Regression [5.35308390309106]
ニューラルネットワーク下での回帰解析では、予測性能は層間の適切な重み決定に依存する。両分布の重み付け面積を増大させる新しい損失関数として重み付き経験的ストレッチ(WES)を提案する。極端な領域に対するRMSEの改良結果は、非線形複雑系における異常事象の予測に利用されることが期待されている。
論文参考訳（メタデータ） (2020-09-08T06:08:14Z)
Balance-Subsampled Stable Prediction [55.13512328954456]
本稿では, 分数分解設計理論に基づく新しいバランスサブサンプル安定予測法を提案する。設計理論解析により,提案手法は分布シフトによって誘導される予測器間の共起効果を低減できることを示した。合成および実世界の両方のデータセットに関する数値実験により、BSSPアルゴリズムは未知のテストデータ間で安定した予測を行うためのベースライン法を著しく上回っていることが示された。
論文参考訳（メタデータ） (2020-06-08T07:01:38Z)

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。