Fugu-MT 論文翻訳(概要): Flexible and efficient spatial extremes emulation via variational autoencoders

論文の概要: Flexible and efficient spatial extremes emulation via variational autoencoders

arxiv url: http://arxiv.org/abs/2307.08079v1
Date: Sun, 16 Jul 2023 15:31:32 GMT
ステータス: 処理完了
システム内更新日: 2023-07-18 15:54:09.448711
Title: Flexible and efficient spatial extremes emulation via variational autoencoders
Title（参考訳）: 可変オートエンコーダによるフレキシブルで効率的な空間極端エミュレーション
Authors: Likun Zhang and Xiaoyu Ma and Christopher K. Wikle and Rapha\"el Huser
Abstract要約: 我々は、フレキシブルな非定常的依存特性を持つ新しい空間的極端なモデルを開発する。時空間オートエンコーダ(extVAE)のエンコード・デ構造に統合する
参考スコア（独自算出の注目度）: 2.707209835837147
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Many real-world processes have complex tail dependence structures that cannot be characterized using classical Gaussian processes. More flexible spatial extremes models such as Gaussian scale mixtures and single-station conditioning models exhibit appealing extremal dependence properties but are often exceedingly prohibitive to fit and simulate from. In this paper, we develop a new spatial extremes model that has flexible and non-stationary dependence properties, and we integrate it in the encoding-decoding structure of a variational autoencoder (extVAE). The extVAE can be used as a spatio-temporal emulator that characterizes the distribution of potential mechanistic model output states and produces outputs that have the same properties as the inputs, especially in the tail. Through extensive simulation studies, we show that our extVAE is vastly more time-efficient than traditional Bayesian inference while also outperforming many spatial extremes models with a stationary dependence structure. To further demonstrate the computational power of the extVAE, we analyze a high-resolution satellite-derived dataset of sea surface temperature in the Red Sea, which includes daily measurements at 16703 grid cells.
Abstract（参考訳）: 多くの実世界のプロセスは、古典的なガウス過程では特徴づけられない複雑なテール依存構造を持つ。ガウススケール混合物やシングルステーションコンディショニングモデルのようなより柔軟な空間的極端モデルは、極端依存特性をアピールするが、しばしば適合とシミュレートが極めて禁止される。本稿では,柔軟性と非定常依存性を有する新しい空間的極端性モデルを開発し,変分オートエンコーダ(extvae)の符号化復号構造に統合する。 extVAEは、潜在的力学モデル出力状態の分布を特徴付ける時空間エミュレータとして使用することができ、特に尾部において入力と同じ特性を持つ出力を生成する。大規模なシミュレーション研究により、我々のextVAEは従来のベイズ推定よりもはるかに時間効率が良く、静止構造を持つ多くの空間超越モデルよりも優れていることが示された。さらに,extvaeの計算能力を示すために,1日16703グリッドセルでの観測を含む,紅海における海面温度の高解像度衛星データの解析を行った。

関連論文リスト

A class of modular and flexible covariate-based covariance functions for nonstationary spatial modeling [0.0]
固定された観測可能な空間情報に依存する共分散関数のクラスを示す。このモデルは、辺標準偏差、幾何学的異方性、滑らかさなど、異なる非定常性源に対する別々の構造を可能にする。シミュレーション研究を通じて提示されたモデルの性能解析とスイスの降水データへの適用について述べる。
論文参考訳（メタデータ） (2024-10-22T05:53:25Z)
Geometric Trajectory Diffusion Models [58.853975433383326]
生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
論文参考訳（メタデータ） (2024-10-16T20:36:41Z)
MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文参考訳（メタデータ） (2024-08-20T13:45:49Z)
Attractor Memory for Long-Term Time Series Forecasting: A Chaos Perspective [63.60312929416228]
textbftextitAttraosはカオス理論を長期時系列予測に取り入れている。本研究では,AttraosがPatchTSTと比較して,パラメータの12分の1しか持たない主流データセットやカオスデータセットにおいて,LTSF法よりも優れていることを示す。
論文参考訳（メタデータ） (2024-02-18T05:35:01Z)
Mitigation of Spatial Nonstationarity with Vision Transformers [1.690637178959708]
深層学習モデル予測性能に対する2種類の測地的空間非定常性の影響を示す。本稿では,自己注意モデル(ビジョン・トランスフォーマー)を用いて,そのような影響の緩和を提案する。
論文参考訳（メタデータ） (2022-12-09T02:16:05Z)
Discovering Dynamic Patterns from Spatiotemporal Data with Time-Varying Low-Rank Autoregression [12.923271427789267]
低ランクテンソル因子化により係数がパラメータ化される時間還元ベクトル自己回帰モデルを開発した。時間的文脈において、複雑な時間変化系の挙動は、提案モデルにおける時間的モードによって明らかにすることができる。
論文参考訳（メタデータ） (2022-11-28T15:59:52Z)
Learning to Accelerate Partial Differential Equations via Latent Global Evolution [64.72624347511498]
The Latent Evolution of PDEs (LE-PDE) is a simple, fast and scalable method to accelerate the simulation and inverse optimization of PDEs。我々は,このような潜在力学を効果的に学習し,長期的安定性を確保するために,新たな学習目標を導入する。更新対象の寸法が最大128倍、速度が最大15倍向上し、競争精度が向上した。
論文参考訳（メタデータ） (2022-06-15T17:31:24Z)
Modelling and simulating spatial extremes by combining extreme value theory with generative adversarial networks [0.1469945565246172]
統計学において、極値理論は空間的極値のモデル化にしばしば用いられる。ここでは,GANと極値理論(evtGAN)を組み合わせることで,夏季の気温の最大値と降水時の冬の最大値の空間依存性をモデル化する。以上の結果から,evtGANは空間的極端をモデル化するための古典的GANや標準統計的アプローチよりも優れていた。
論文参考訳（メタデータ） (2021-10-30T15:05:43Z)
DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
論文参考訳（メタデータ） (2020-11-23T20:13:37Z)
Deep Switching Auto-Regressive Factorization:Application to Time Series Forecasting [16.934920617960085]
DSARFは、時間依存重みと空間依存因子の間の積変数による高次元データを近似する。 DSARFは、深い切替ベクトル自己回帰因子化の観点から重みをパラメータ化するという最先端技術とは異なる。本実験は, 最先端手法と比較して, DSARFの長期的, 短期的予測誤差において優れた性能を示すものである。
論文参考訳（メタデータ） (2020-09-10T20:15:59Z)
Spatial-Temporal Transformer Networks for Traffic Flow Forecasting [74.76852538940746]
本稿では,長期交通予測の精度を向上させるため,時空間変圧器ネットワーク(STTN)の新たなパラダイムを提案する。具体的には、有向空間依存を動的にモデル化することにより、空間変換器と呼ばれる新しいグラフニューラルネットワークを提案する。提案モデルにより,長期間にわたる空間的依存関係に対する高速かつスケーラブルなトレーニングが可能になる。
論文参考訳（メタデータ） (2020-01-09T10:21:04Z)

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。