論文の概要: Ice Core Dating using Probabilistic Programming
- arxiv url: http://arxiv.org/abs/2210.16568v1
- Date: Sat, 29 Oct 2022 11:03:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 15:47:09.429901
- Title: Ice Core Dating using Probabilistic Programming
- Title（参考訳）: 確率計画法による氷コアダイティング
- Authors: Aditya Ravuri, Tom R. Andersson, Ieva Kazlauskaite, Will Tebbutt,
Richard E. Turner, J. Scott Hosking, Neil D. Lawrence, Markus Kaiser
- Abstract要約: 本稿では,氷コアの自動年代測定における確率モデルの利用について検討する。
我々は、プロトタイピング、自動推論、保守性の使用を示し、これらのツールの一般的な障害モードを示す。
- 参考スコア（独自算出の注目度）: 28.23626838497044
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ice cores record crucial information about past climate. However, before ice
core data can have scientific value, the chronology must be inferred by
estimating the age as a function of depth. Under certain conditions, chemicals
locked in the ice display quasi-periodic cycles that delineate annual layers.
Manually counting these noisy seasonal patterns to infer the chronology can be
an imperfect and time-consuming process, and does not capture uncertainty in a
principled fashion. In addition, several ice cores may be collected from a
region, introducing an aspect of spatial correlation between them. We present
an exploration of the use of probabilistic models for automatic dating of ice
cores, using probabilistic programming to showcase its use for prototyping,
automatic inference and maintainability, and demonstrate common failure modes
of these tools.
- Abstract（参考訳）: 氷のコアは過去の気候に関する重要な情報を記録する。
しかし、氷のコアデータが科学的価値を持つ前に、年代を深さの関数として推定することで年代を推測しなければならない。
ある条件下では、氷に閉じ込められた化学物質は、年次層を規定する準周期サイクルを表示する。
これらのノイズの多い季節パターンを手動で数えて、年代を推定することは不完全で時間を要するプロセスであり、原則化された方法で不確実性を捉えない。
さらに、いくつかの氷のコアを地域から集め、それらの間の空間的相関の側面を導入することができる。
本稿では, 氷コアの自動年代推定における確率モデルの利用, 確率計画を用いて, プロトタイピング, 自動推論, 保守性を実証し, これらのツールの一般的な故障モードを示す。
関連論文リスト
- Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。
科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。
そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
論文 参考訳（メタデータ） (2024-10-09T15:57:50Z) - Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。
次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。
気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文 参考訳（メタデータ） (2024-08-08T06:47:21Z) - Precipitation nowcasting with generative diffusion models [0.0]
降水処理における拡散モデルの有効性について検討した。
本研究は, 確立されたU-Netモデルの性能と比較したものである。
論文 参考訳（メタデータ） (2023-08-13T09:51:16Z) - 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) - TempSAL -- Uncovering Temporal Information for Deep Saliency Prediction [64.63645677568384]
本稿では,逐次時間間隔でサリエンシマップを出力する新たなサリエンシ予測モデルを提案する。
提案手法は,学習した時間マップを組み合わせることで,サリエンシ予測を局所的に調整する。
私たちのコードはGitHubで公開されます。
論文 参考訳（メタデータ） (2023-01-05T22:10:16Z) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳（メタデータ） (2022-11-15T14:15:04Z) - Neural multi-event forecasting on spatio-temporal point processes using
probabilistically enriched transformers [18.66217537327045]
時間と空間における離散的な事象の予測には、危険地震の予測や感染症の発生など、多くの科学的応用がある。
本アーキテクチャでは,正規化フローと層を付加した時間的点過程のニューラルマルチイベント予測を提案する。
我々のネットワークは、複雑な未来の離散イベントのバッチ予測を行い、様々なベンチマークデータセットで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-11-05T14:55:36Z) - Koopman-theoretic Approach for Identification of Exogenous Anomalies in
Nonstationary Time-series Data [3.050919759387984]
多次元時系列データ中の異常を分類する一般的な方法を構築する。
本研究では,地球大気汚染モニタリングの重要な課題について,提案手法を実証する。
このシステムは、新型コロナウイルス(COVID-19)のロックダウンや山火事などにより、空気質の局所的な異常を検出することに成功した。
論文 参考訳（メタデータ） (2022-09-18T17:59:04Z) - Interval-censored Hawkes processes [82.87738318505582]
本研究では,Hawkesプロセスのパラメータを間隔制限設定で推定するモデルを提案する。
我々は、ホークス族に対する非均質近似が、間隔検閲された設定において牽引可能な可能性を認めている方法を示す。
論文 参考訳（メタデータ） (2021-04-16T07:29:04Z) - Latent State Inference in a Spatiotemporal Generative Model [3.7525506486107267]
我々は、波動伝播力学を含む温度と気象の過程に注目し、普遍的な原因は空間と時間にわたって適用されると仮定する。
最近導入されたDIsed Stemporal graph Artificial Neural Architecture (DISTANA)を使用して、そのようなプロセスを学ぶ。
DISTANAは、アクティブチューニングと呼ばれる振り返り状態推論原則と組み合わせることで、位置参照型隠れ因果関係を確実に導出できることを示す。
論文 参考訳（メタデータ） (2020-09-21T12:59:40Z) - An Early Warning Sign of Critical Transition in The Antarctic Ice Sheet
-- A Data Driven Tool for Spatiotemporal Tipping Point [0.0]
本研究では,ラーセンC棚氷の氷速度データとリモートセンシング衛星画像の再処理にスペクトルクラスタリング法を適用した。
我々のツールは,ラーセンC棚氷の破砕に繋がる臨界遷移の原因となる断層線である,歴史データから過去の出来事をシミュレートした予測を可能にした。
論文 参考訳（メタデータ） (2020-04-21T02:51:43Z)
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。