Fugu-MT 論文翻訳(概要): Data-driven multiscale modeling for correcting dynamical systems

論文の概要: Data-driven multiscale modeling for correcting dynamical systems

arxiv url: http://arxiv.org/abs/2303.17496v2
Date: Wed, 14 May 2025 14:04:18 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-15 21:44:09.14104
Title: Data-driven multiscale modeling for correcting dynamical systems
Title（参考訳）: 動的システム修正のためのデータ駆動型マルチスケールモデリング
Authors: Karl Otness, Laure Zanna, Joan Bruna,
Abstract要約: 本稿では,動的システムの量を予測するためのマルチスケール手法を提案する。我々は,マルチスケールネットワークがカオスモデルを修正し,未解決の細粒度力学の寄与を反映する気候サブグリッドパラメータ化タスクに対するアプローチを評価する。
参考スコア（独自算出の注目度）: 32.986783465299084
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a multiscale approach for predicting quantities in dynamical systems which is explicitly structured to extract information in both fine-to-coarse and coarse-to-fine directions. We envision this method being generally applicable to problems with significant self-similarity or in which the prediction task is challenging and where stability of a learned model's impact on the target dynamical system is important. We evaluate our approach on a climate subgrid parameterization task in which our multiscale networks correct chaotic underlying models to reflect the contributions of unresolved, fine-scale dynamics.
Abstract（参考訳）: 本稿では,動的システムの量を予測するためのマルチスケール手法を提案する。本手法は, 自己相似性が高い問題や, 予測課題が困難であり, 学習モデルが対象とする力学系に与える影響の安定性が重要となる問題に対して, 一般的に適用可能であることを想定する。我々は,マルチスケールネットワークがカオスモデルを修正し,未解決の細粒度力学の寄与を反映する気候サブグリッドパラメータ化タスクに対するアプローチを評価する。

関連論文リスト

Paraformer: Parameterization of Sub-grid Scale Processes Using Transformers [6.622831012413507]
我々は、気候パラメータ化のために作成された最大のデータセットであるClimSim上で、"メモリ対応"トランスフォーマーベースのモデルを提案する。この結果から,提案モデルがサブグリッドスケール変数の複雑な非線形依存性を捕捉できることが示唆された。
論文参考訳（メタデータ） (2024-12-21T20:21:52Z)
Predicting Wall Thickness Changes in Cold Forging Processes: An Integrated FEM and Neural Network approach [2.7763199324745966]
まず、ノイズ処理と影響パラメータの徹底的な分析を行う。次に、異なるプロセスパラメータの効果をよりよく分析するために、有限要素法シミュレーションをセットアップします。本稿では,グラフニューラルネットワークを代理モデルとして設計した新しいモデリングフレームワークを提案する。
論文参考訳（メタデータ） (2024-11-20T14:42:53Z)
Towards Physically Consistent Deep Learning For Climate Model Parameterizations [46.07009109585047]
パラメータ化は、気候予測において、系統的なエラーと大きな不確実性の主な原因である。深層学習(DL)に基づくパラメータ化は、計算に高価で高解像度のショートシミュレーションのデータに基づいて訓練されており、気候モデルを改善するための大きな可能性を示している。本稿では,DLに基づくパラメータ化のための効率的な教師付き学習フレームワークを提案する。
論文参考訳（メタデータ） (2024-06-06T10:02:49Z)
Efficient modeling of sub-kilometer surface wind with Gaussian processes and neural networks [0.0]
風は、その空間的および時間的変動が高いため、モデルにとって特に困難な変数である。本稿では,ガウス過程とニューラルネットワークを統合した表面風洞をサブキロメートル分解能でモデル化する手法を提案する。
論文参考訳（メタデータ） (2024-05-21T09:07:47Z)
Predictive Churn with the Set of Good Models [64.05949860750235]
近似機械学習モデルの集合に対する競合予測の効果について検討する。ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
論文参考訳（メタデータ） (2024-02-12T16:15:25Z)
Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文参考訳（メタデータ） (2022-09-26T17:59:58Z)
Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
論文参考訳（メタデータ） (2022-03-23T12:52:49Z)
TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
論文参考訳（メタデータ） (2022-02-07T21:37:29Z)
Combining data assimilation and machine learning to estimate parameters of a convective-scale model [0.0]
対流を許容する数値気象予測モデルにおける雲の表現の誤差は、異なる情報源によって導入することができる。本研究では,2種類のニューラルネットワークをトレーニングすることにより,人工知能レンズによるパラメータ推定の問題を検討する。
論文参考訳（メタデータ） (2021-09-07T09:17:29Z)
Physics-constrained deep neural network method for estimating parameters in a redox flow battery [68.8204255655161]
バナジウムフローバッテリ(VRFB)のゼロ次元(0D)モデルにおけるパラメータ推定のための物理拘束型ディープニューラルネットワーク(PCDNN)を提案する。そこで, PCDNN法は, 動作条件のモデルパラメータを推定し, 電圧の0Dモデル予測を改善することができることを示す。また,PCDNNアプローチでは,トレーニングに使用しない操作条件のパラメータ値を推定する一般化能力が向上することが実証された。
論文参考訳（メタデータ） (2021-06-21T23:42:58Z)
Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
論文参考訳（メタデータ） (2021-03-11T15:21:08Z)
A latent variable approach to heat load prediction in thermal grids [10.973034520723957]
この方法はスウェーデンのルリアにある1つの多層住宅に適用される。結果は、人工ニューラルネットワークを用いた予測と比較される。
論文参考訳（メタデータ） (2020-02-13T09:21:17Z)

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。