Fugu-MT 論文翻訳(概要): Surrogate Neural Networks to Estimate Parametric Sensitivity of Ocean Models

論文の概要: Surrogate Neural Networks to Estimate Parametric Sensitivity of Ocean Models

arxiv url: http://arxiv.org/abs/2311.08421v1
Date: Fri, 10 Nov 2023 16:37:43 GMT
ステータス: 処理完了
システム内更新日: 2023-11-19 14:04:20.927895
Title: Surrogate Neural Networks to Estimate Parametric Sensitivity of Ocean Models
Title（参考訳）: 海洋モデルにおけるパラメトリック感度推定のためのサロゲートニューラルネットワーク
Authors: Yixuan Sun, Elizabeth Cucuzzella, Steven Brus, Sri Hari Krishna Narayanan, Balu Nadiga, Luke Van Roekel, Jan H\"uckelheim, Sandeep Madireddy
Abstract要約: 海洋プロセスはハリケーンや干ばつなどの現象に影響を与える。理想的な海洋モデルでは、摂動パラメータアンサンブルデータと訓練された代理ニューラルネットワークモデルを生成した。ニューラルサロゲートは1ステップの前進ダイナミクスを正確に予測し、パラメトリック感度を計算した。
参考スコア（独自算出の注目度）: 2.956865819041394
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Modeling is crucial to understanding the effect of greenhouse gases, warming, and ice sheet melting on the ocean. At the same time, ocean processes affect phenomena such as hurricanes and droughts. Parameters in the models that cannot be physically measured have a significant effect on the model output. For an idealized ocean model, we generated perturbed parameter ensemble data and trained surrogate neural network models. The neural surrogates accurately predicted the one-step forward dynamics, of which we then computed the parametric sensitivity.
Abstract（参考訳）: モデリングは温室効果ガス、温暖化、氷床の融解が海に与える影響を理解するのに不可欠である。同時に、海洋プロセスはハリケーンや干ばつのような現象に影響を及ぼす。物理的に測定できないモデルのパラメータは、モデル出力に大きな影響を及ぼす。理想的な海洋モデルのために、摂動パラメータアンサンブルデータと訓練されたサロゲートニューラルネットワークモデルを作成した。ニューラルサロゲートは1ステップの前進ダイナミクスを正確に予測し、パラメトリック感度を計算した。

関連論文リスト

OceanNet: A principled neural operator-based digital twin for regional oceans [0.0]
本研究は、海洋循環のための原理的ニューラルオペレーターベースのデジタルツインであるOceanNetを紹介する。オーシャンネットは北西大西洋西部境界流(ガルフストリーム)に適用される
論文参考訳（メタデータ） (2023-10-01T23:06:17Z)
A Three-regime Model of Network Pruning [47.92525418773768]
我々は、ニューラルネットワーク(NN)トレーニングのハイパーパラメータが刈り取り性能に与える影響をモデル化するために、温度のようなパラメータと負荷のようなパラメータを使用します。プレプルーニングモデルにおける負荷様パラメータの値に依存すると、プレプルーニングモデルにおける温度様パラメータの値が増加するか、その後のプルーニング性能が向上または損なわれる可能性がある。本モデルでは, 高温のダイコトモス効果は, ポストプランニングモデルにおいて, 異なるタイプの大域構造間の遷移と関係していることが明らかとなった。
論文参考訳（メタデータ） (2023-05-28T08:09:25Z)
Physical Knowledge Enhanced Deep Neural Network for Sea Surface Temperature Prediction [29.989387641655625]
本研究では,歴史的観測から数値モデルへ物理知識を伝達する海面温度予測手法を提案する。具体的には,エンコーダとGAN(Generative Adversarial Network)を組み合わせて,観測データから物理知識を抽出する。数値モデルデータは、事前訓練されたモデルに入力され、物理強調データを生成し、SST予測に使用することができる。
論文参考訳（メタデータ） (2023-04-19T02:08:54Z)
Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文参考訳（メタデータ） (2023-04-08T07:55:36Z)
An evaluation of deep learning models for predicting water depth evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文参考訳（メタデータ） (2023-02-20T16:08:54Z)
An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
論文参考訳（メタデータ） (2022-04-18T23:42:18Z)
Physics-Guided Generative Adversarial Networks for Sea Subsurface Temperature Prediction [24.55780949103687]
海面下温度は気候変動の地球温暖化の影響を受けている。既存の研究は一般に物理学に基づく数値モデルまたはデータに基づくモデルに基づいている。本稿では,GAN(Generative Adversarial Network)と数値モデルを組み合わせた,海底温度の予測手法を提案する。
論文参考訳（メタデータ） (2021-11-04T23:46:51Z)
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)
Towards Optimally Weighted Physics-Informed Neural Networks in Ocean Modelling [0.0]
海流と温度の流れの複雑さを捉えるモデルを開発するには最先端の技術が必要である。本研究は,海洋モデルに関連する偏微分方程式の解法として物理インフォームドニューラルネットワーク(PINN)の利点について検討する。
論文参考訳（メタデータ） (2021-06-16T12:48:13Z)
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)
Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
論文参考訳（メタデータ） (2020-02-05T10:11:26Z)

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。