Fugu-MT 論文翻訳(概要): Solar Irradiance Anticipative Transformer

論文の概要: Solar Irradiance Anticipative Transformer

arxiv url: http://arxiv.org/abs/2305.18487v1
Date: Mon, 29 May 2023 12:38:12 GMT
ステータス: 処理完了
システム内更新日: 2023-05-31 20:13:29.517490
Title: Solar Irradiance Anticipative Transformer
Title（参考訳）: 太陽放射予測変圧器
Authors: Thomas M. Mercier, Tasmiat Rahman, Amin Sabet
Abstract要約: 本稿では,短期太陽放射予測のための予測変換器モデルを提案する。また,本モデルでは,画像の特徴のみへの適応を効果的に学習し,照度を予測できることが示唆された。
参考スコア（独自算出の注目度）: 1.0742675209112622
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes an anticipative transformer-based model for short-term solar irradiance forecasting. Given a sequence of sky images, our proposed vision transformer encodes features of consecutive images, feeding into a transformer decoder to predict irradiance values associated with future unseen sky images. We show that our model effectively learns to attend only to relevant features in images in order to forecast irradiance. Moreover, the proposed anticipative transformer captures long-range dependencies between sky images to achieve a forecasting skill of 21.45 % on a 15 minute ahead prediction for a newly introduced dataset of all-sky images when compared to a smart persistence model.
Abstract（参考訳）: 本稿では,短期太陽照度予測のための予測トランスベースモデルを提案する。提案した視覚変換器は,連続した画像の特徴を符号化し,将来の空像に付随する照射値を予測するトランスフォーマーデコーダに入力する。また,本モデルでは,画像の特徴のみへの適応を効果的に学習し,照度を予測できることを示す。さらに,提案した予測変換器は,スカイイメージ間の長距離依存関係を捕捉し,スマート永続モデルと比較して新たに導入されたオールスキー画像のデータセットを15分前に予測し,21.45 %の予測技術を実現する。

関連論文リスト

Data Augmentation via Latent Diffusion for Saliency Prediction [67.88936624546076]
残差予測モデルはラベル付きデータの限られた多様性と量によって制約される。本研究では,実世界のシーンの複雑さと変動性を保ちながら,自然画像の編集を行うディープ・サリエンシ・予測のための新しいデータ拡張手法を提案する。
論文参考訳（メタデータ） (2024-09-11T14:36:24Z)
Predicting Long-horizon Futures by Conditioning on Geometry and Time [49.86180975196375]
我々は,過去を前提とした将来のセンサ観測の課題を探求する。マルチモーダリティを扱える画像拡散モデルの大規模事前学習を活用する。我々は、屋内と屋外のシーンにまたがる多様なビデオのセットについて、ビデオ予測のためのベンチマークを作成する。
論文参考訳（メタデータ） (2024-04-17T16:56:31Z)
Sky Imager-Based Forecast of Solar Irradiance Using Machine Learning [0.41248472494152805]
本稿では,空画像から短時間の太陽放射を推定する新しい手法を提案する。提案アルゴリズムは、天空画像から特徴を抽出し、学習に基づく手法を用いて太陽放射を推定する。提案する機械学習(ML)アルゴリズムの性能は,スカイイメージの2つの公開データセットを用いて評価する。
論文参考訳（メタデータ） (2023-10-26T12:44:45Z)
SkyGPT: Probabilistic Short-term Solar Forecasting Using Synthetic Sky Videos from Physics-constrained VideoGPT [0.8155575318208631]
我々は,様々な雲の動きパターンを持つ空の複数の将来像を生成する物理インフォームドビデオ予測モデルであるemphSkyGPTを紹介する。ベンチマークビデオ予測モデルとの比較実験により,提案モデルの有効性が示された。その結果、将来の10のシナリオは確率的太陽予測性能と計算コストのバランスをとる良い選択であることが示唆された。
論文参考訳（メタデータ） (2023-06-20T16:58:51Z)
HARP: Autoregressive Latent Video Prediction with High-Fidelity Image Generator [90.74663948713615]
我々は,高忠実度未来のフレームを予測可能な自己回帰遅延映像予測モデルを訓練する。既存のモデルに最小限の修正を加えて高解像度(256x256)ビデオを作成する。
論文参考訳（メタデータ） (2022-09-15T08:41:57Z)
Omnivision forecasting: combining satellite observations with sky images for improved intra-hour solar energy predictions [0.0]
断続的再生可能エネルギー源の電力網への統合は困難である。雲の閉塞による発電の短期的な変化は、異なる時間スケールで予測できる。本研究では,これら2つの相補的な視点をクラウドのカバーとして,単一の機械学習フレームワークに統合する。
論文参考訳（メタデータ） (2022-06-07T11:52:09Z)
Learning Generative Vision Transformer with Energy-Based Latent Space for Saliency Prediction [51.80191416661064]
本稿では,有意な物体検出に先立って,潜伏変数を持つ新しい視覚変換器を提案する。ビジョントランスネットワークとエネルギーベース先行モデルの両方は、マルコフ連鎖モンテカルロによる最大推定を通じて共同で訓練される。生成型視覚変換器により、画像から容易に画素単位の不確実性マップを得ることができ、画像から唾液濃度を予測するためのモデル信頼度を示す。
論文参考訳（メタデータ） (2021-12-27T06:04:33Z)
Efficient Vision Transformers via Fine-Grained Manifold Distillation [96.50513363752836]
視覚変換器のアーキテクチャは多くのコンピュータビジョンタスクで異常な性能を示した。ネットワーク性能は向上するが、トランスフォーマーはより多くの計算資源を必要とすることが多い。本稿では,教師のトランスフォーマーから,画像と分割パッチの関係を通して有用な情報を抽出することを提案する。
論文参考訳（メタデータ） (2021-07-03T08:28:34Z)
Panoptic Segmentation Forecasting [71.75275164959953]
我々の目標は、最近の観測結果から近い将来の予測を行うことです。この予測能力、すなわち予測能力は、自律的なエージェントの成功に不可欠なものだと考えています。そこで我々は,2成分モデルを構築した。一方のコンポーネントは,オードメトリーを予測して背景物の力学を学習し,他方のコンポーネントは検出された物の力学を予測する。
論文参考訳（メタデータ） (2021-04-08T17:59:16Z)
Benchmarking of Deep Learning Irradiance Forecasting Models from Sky Images -- an in-depth Analysis [0.0]
我々は4つのよく使われるディープラーニングアーキテクチャを訓練し、半球空画像のシーケンスから太陽の照度を予測する。その結果、時間的側面の符号化は予測を大幅に改善し、10分予測スキルはテスト年度で20.4%に達した。一般的なセットアップでは、ディープラーニングモデルは"非常にスマートな永続化モデル"のように振る舞う傾向があり、永続モデルと時間的に一致し、最もペナルティの高いエラーを軽減します。
論文参考訳（メタデータ） (2021-02-01T09:31:14Z)
Convolutional Neural Networks applied to sky images for short-term solar irradiance forecasting [0.0]
本研究は, 深部畳み込みニューラルネットワークの2～20分間の照度予測への適用に関する予備的な結果を示す。パリザウ(フランス)で8ヶ月にわたって収集された光度測定とそれに対応する天空画像を用いて,時間分解能を2分間で評価した。
論文参考訳（メタデータ） (2020-05-22T15:57:39Z)

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。