論文の概要: A novel transformer-based approach for soil temperature prediction

• arxiv url: http://arxiv.org/abs/2311.11626v1
• Date: Mon, 20 Nov 2023 09:20:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-21 19:31:30.507496
• Title: A novel transformer-based approach for soil temperature prediction
• Title（参考訳）: 変圧器を用いた新しい土壌温度予測手法
• Authors: Muhammet Mucahit Enes Yurtsever, Ayhan Kucukmanisa and Zeynep Hilal Kilimci
• Abstract要約: 土壌温度予測のための変圧器モデルを用いた新しい手法を提案する。 我々の知る限りでは、この研究における変圧器モデルの使用は土壌温度を予測する最初の試みである。 実験結果から, 変圧器モデルの利用により, 文献に重要な貢献が期待できることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Soil temperature is one of the most significant parameters that plays a crucial role in glacier energy, dynamics of mass balance, processes of surface hydrological, coaction of glacier-atmosphere, nutrient cycling, ecological stability, the management of soil, water, and field crop. In this work, we introduce a novel approach using transformer models for the purpose of forecasting soil temperature prediction. To the best of our knowledge, the usage of transformer models in this work is the very first attempt to predict soil temperature. Experiments are carried out using six different FLUXNET stations by modeling them with five different transformer models, namely, Vanilla Transformer, Informer, Autoformer, Reformer, and ETSformer. To demonstrate the effectiveness of the proposed model, experiment results are compared with both deep learning approaches and literature studies. Experiment results show that the utilization of transformer models ensures a significant contribution to the literature, thence determining the new state-of-the-art.
• Abstract（参考訳）: 土壌温度は、氷河エネルギー、質量収支のダイナミクス、表面水文学的過程、氷河-大気圏の共作用、栄養循環、生態系の安定性、土壌、水、畑作物の管理において重要な役割を果たす最も重要なパラメータの1つである。 本研究では, 土壌温度予測のための変圧器モデルを用いた新しい手法を提案する。 我々の知る限りでは、この研究における変圧器モデルの使用は土壌温度を予測する最初の試みである。 6つのFLUXNETステーションを用いて実験を行い、Vanilla Transformer、Informer、Autoformer、Reformer、ETSformerの5つのトランスモデルをモデル化した。 提案モデルの有効性を実証するために,実験結果を深層学習と文献研究の両方と比較した。 実験結果から, 変圧器モデルの利用が文献に重要な貢献をし, 新たな技術状況を決定することが示唆された。

関連論文リスト

• Unveil Benign Overfitting for Transformer in Vision: Training Dynamics, Convergence, and Generalization [88.5582111768376]
  本研究では, ソフトマックスを用いた自己保持層と, 勾配勾配下での完全連結層からなるトランスフォーマーの最適化について検討した。 この結果から,データモデルにおける信号対雑音比に基づいて,小さなテストエラー位相と大規模なテストエラー状態とを区別できるシャープ条件を確立した。
  論文  参考訳（メタデータ） (2024-09-28T13:24:11Z)
• VegeDiff: Latent Diffusion Model for Geospatial Vegetation Forecasting [58.12667617617306]
  地理空間植生予測タスクのためのVegeDiffを提案する。 VegeDiffは、植物の変化過程の不確かさを確率的に捉えるために拡散モデルを使用した最初の企業である。 植生の変化の不確かさを捉え、関連する変数の複雑な影響をモデル化することで、VegeDiffは既存の決定論的手法より優れている。
  論文  参考訳（メタデータ） (2024-07-17T14:15:52Z)
• Embedding machine-learnt sub-grid variability improves climate model biases [0.44998333629984877]
  雲形成の下の表現は、気候シミュレーションに関連する長年の偏見である。 高分解能統一モデルシミュレーションで訓練された多出力ガウス過程(MOGP)を組み込むことで,これらのバイアスを克服する。 制御モデルとMLハイブリッドモデルの両方に対して10年間の予測が生成される。
  論文  参考訳（メタデータ） (2024-06-13T19:35:58Z)
• Decomposing weather forecasting into advection and convection with neural networks [6.78786601630176]
  本稿では,動的コアの水平移動と物理パラメータ化の垂直移動を別々に学習する,シンプルで効果的な機械学習モデルを提案する。 我々のモデルは、大気モデルにおける変数の遷移をシミュレートするための、新しく効率的な視点を提供する。
  論文  参考訳（メタデータ） (2024-05-10T16:46:32Z)
• Global Vegetation Modeling with Pre-Trained Weather Transformers [2.238622204691961]
  我々は、植物活動のモデル化のために、利用可能なFourCastNetを適応させる。 我々は、大気の状態の学習されたグローバルな表現が、正規化差分植生指標(NDVI)をモデル化するためにどのように転送できるかを検討する。 我々は,事前学習した気象モデルを利用することで,NDVIモデルをスクラッチから学習するよりもNDVI推定を改善することを示した。
  論文  参考訳（メタデータ） (2024-03-27T10:45:16Z)
• Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
  我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。 このアプローチは従来のプロセスベースのモデルよりも優れています。
  論文  参考訳（メタデータ） (2024-01-08T15:29:23Z)
• MMST-ViT: Climate Change-aware Crop Yield Prediction via Multi-Modal Spatial-Temporal Vision Transformer [21.577866420625025]
  我々は,多モード空間時間視覚変換器(MMST-ViT)という,深層学習に基づくソリューションを開発し,アメリカ合衆国全域の郡レベルで収穫量を予測する。 MMST-ViTはマルチモード変換器、空間変換器、テンポラル変換器で構成される。 米国内の200以上の郡で広範な実験を行い、MMST-ViTがそれを上回る結果を得た。
  論文  参考訳（メタデータ） (2023-09-16T18:22:20Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)
• Measuring Wind Turbine Health Using Drifting Concepts [55.87342698167776]
  風力タービンの健全性解析のための2つの新しい手法を提案する。 第1の方法は、比較的高低電力生産の減少または増加を評価することを目的とする。 第2の方法は抽出された概念の全体的ドリフトを評価する。
  論文  参考訳（メタデータ） (2021-12-09T14:04:55Z)
• 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)
• Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
  2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。 我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
  論文  参考訳（メタデータ） (2020-10-20T15:31:38Z)

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。