論文の概要: An Efficient Drifters Deployment Strategy to Evaluate Water Current Velocity Fields

• arxiv url: http://arxiv.org/abs/2301.04216v1
• Date: Tue, 10 Jan 2023 21:33:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-12 17:45:53.078080
• Title: An Efficient Drifters Deployment Strategy to Evaluate Water Current Velocity Fields
• Title（参考訳）: 水流速度場評価のための効率的なドリフトター配置法
• Authors: Murad Tukan, Eli Biton, Roee Diamant
• Abstract要約: 水流の予測は生態系を理解するのに不可欠であり、地球規模の気候環境における海洋の役割に光を当てるのに不可欠である。 本稿では,流速場を反映する要素の軌道を補間することにより,流路予測にラグランジアンフロートを用いた水流予測の一般的な手法を検討する。 ここでは、これまで解決されていない重要な側面として、最初にドリフトする要素を配置し、取得した速度場が水の流れを効率的に表すようにすることが挙げられる。
• 参考スコア（独自算出の注目度）: 11.101787494674388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Water current prediction is essential for understanding ecosystems, and to shed light on the role of the ocean in the global climate context. Solutions vary from physical modeling, and long-term observations, to short-term measurements. In this paper, we consider a common approach for water current prediction that uses Lagrangian floaters for water current prediction by interpolating the trajectory of the elements to reflect the velocity field. Here, an important aspect that has not been addressed before is where to initially deploy the drifting elements such that the acquired velocity field would efficiently represent the water current. To that end, we use a clustering approach that relies on a physical model of the velocity field. Our method segments the modeled map and determines the deployment locations as those that will lead the floaters to 'visit' the center of the different segments. This way, we validate that the area covered by the floaters will capture the in-homogeneously in the velocity field. Exploration over a dataset of velocity field maps that span over a year demonstrates the applicability of our approach, and shows a considerable improvement over the common approach of uniformly randomly choosing the initial deployment sites. Finally, our implementation code can be found in [1].
• Abstract（参考訳）: 水流予測は生態系を理解するのに不可欠であり、地球規模の気候における海洋の役割に光を当てている。 解は物理的モデリングや長期観測から短期測定まで様々である。 本稿では,流速場を反映する要素の軌道を補間することにより,流れ予測にラグランジアンフロートを用いた水流予測の一般的な手法を検討する。 ここで、これまでに取り組んだことのない重要な側面は、取得した速度場が水流を効率的に表せるように、ドリフト要素を最初に展開する場所である。 そのため、速度場の物理モデルに依存するクラスタリングアプローチを採用しています。 本手法では,モデルマップをセグメンテーションし,フロータが異なるセグメントの中心を'訪問'する場所として配置位置を決定する。 これにより,フローターがカバーする領域が速度場において不均質に捕獲されることを確認した。 1年以上にわたるvelocity field mapのデータセットの探索は、我々のアプローチの適用性を示し、初期配置サイトをランダムに選択する一般的なアプローチよりも大幅に改善しています。 最後に、実装コードは[1]で見つけることができます。

関連論文リスト

• Self-Supervised Class-Agnostic Motion Prediction with Spatial and Temporal Consistency Regularizations [53.797896854533384]
  クラスに依存しない動き予測法は点雲全体の動きを直接予測する。 既存のほとんどのメソッドは、完全に教師付き学習に依存しているが、ポイントクラウドデータの手作業によるラベル付けは、手間と時間を要する。 3つの簡単な空間的・時間的正則化損失を導入し,自己指導型学習プロセスの効率化を図る。
  論文  参考訳（メタデータ） (2024-03-20T02:58:45Z)
• 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)
• Fully Convolutional Networks for Dense Water Flow Intensity Prediction in Swedish Catchment Areas [7.324969824727792]
  本研究では,内陸海域における水流強度を予測するための機械学習によるアプローチを提案する。 我々は高密度水流強度予測の課題に最初に取り組みました。
  論文  参考訳（メタデータ） (2023-04-04T09:28:36Z)
• Attention-based Domain Adaptation Forecasting of Streamflow in Data-Sparse Regions [0.40285032034172336]
  データスパース領域に対する注目型領域適応型ストリームフロー予測器を提案する。 提案手法は,データリッチソース領域の流体学的特性を利用して,24時間リードタイムストリームフロー予測を効果的に行う。
  論文  参考訳（メタデータ） (2023-02-10T17:14:20Z)
• Globally Optimal Event-Based Divergence Estimation for Ventral Landing [55.29096494880328]
  イベントセンシングはバイオインスパイアされた飛行誘導と制御システムの主要なコンポーネントである。 本研究では, イベントカメラを用いた腹側着陸時の表面との接触時間予測について検討する。 これは、着陸時に発生する事象の流れから放射光の流れの速度である発散(逆TTC)を推定することで達成される。 我々のコアコントリビューションは、イベントベースの発散推定のための新しいコントラスト最大化定式化と、コントラストを正確に最大化し、最適な発散値を求めるブランチ・アンド・バウンドアルゴリズムである。
  論文  参考訳（メタデータ） (2022-09-27T06:00:52Z)
• StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
  将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。 本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。 本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
  論文  参考訳（メタデータ） (2022-07-21T12:03:02Z)
• Attention U-Net as a surrogate model for groundwater prediction [13.029731605492252]
  本研究では,地下水系の応答を計算するための代理モデルとして,物理に基づく畳み込みエンコーダ・デコーダニューラルネットワークを提案する。 クロスドメインマッピングにおいて強い確約を持つエンコーダ・デコーダネットワークは、物理システムの複雑な入出力マッピングの学習に適用可能である。
  論文  参考訳（メタデータ） (2022-04-09T17:46:24Z)
• The Unsupervised Method of Vessel Movement Trajectory Prediction [1.2617078020344619]
  本稿では,船体移動軌跡予測の教師なし手法を提案する。 これは、点間の時間差、試験された点と予測された前方および後方位置の間のスケールした誤差距離、時空間の角度からなる3次元空間におけるデータを表す。 多くの統計的学習法や深層学習法とは異なり、クラスタリングに基づく軌道再構成法は計算コストのかかるモデルトレーニングを必要としない。
  論文  参考訳（メタデータ） (2020-07-27T17:45:21Z)
• Wave Propagation of Visual Stimuli in Focus of Attention [77.4747032928547]
  周囲の視覚環境の変化に対する迅速な反応は、計算資源を視覚領域の最も関連する場所に再配置する効率的な注意機構を必要とする。 本研究は, 営巣動物が提示する有効性と効率性を示す, 生物学的に有望な注目焦点モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-19T09:33:21Z)
• End-to-end Learning for Inter-Vehicle Distance and Relative Velocity Estimation in ADAS with a Monocular Camera [81.66569124029313]
  本稿では,ディープニューラルネットワークのエンドツーエンドトレーニングに基づくカメラによる車間距離と相対速度推定手法を提案する。 提案手法の重要な特徴は,2つの時間的単眼フレームによって提供される複数の視覚的手がかりの統合である。 また,移動場における視線歪みの影響を緩和する車両中心サンプリング機構を提案する。
  論文  参考訳（メタデータ） (2020-06-07T08:18:31Z)
• Hybrid Scheme of Kinematic Analysis and Lagrangian Koopman Operator Analysis for Short-term Precipitation Forecasting [0.0]
  我々は、観測データにおける規制法則を発見するためのデータ駆動型スキームであるクープマン演算子解析に焦点を当てた。 提案手法は,速度場下での対流間現象の時間発展を分解する。 その結果, 降水の発達と崩壊は, 従来の方法と比較して適切に把握されていることが明らかとなった。
  論文  参考訳（メタデータ） (2020-06-03T06:32:54Z)

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。