Fugu-MT 論文翻訳(概要): Augmenting Ground-Level PM2.5 Prediction via Kriging-Based Pseudo-Label Generation

論文の概要: Augmenting Ground-Level PM2.5 Prediction via Kriging-Based Pseudo-Label Generation

arxiv url: http://arxiv.org/abs/2401.08061v1
Date: Tue, 16 Jan 2024 02:42:45 GMT
ステータス: 処理完了
システム内更新日: 2024-01-17 15:27:07.479463
Title: Augmenting Ground-Level PM2.5 Prediction via Kriging-Based Pseudo-Label Generation
Title（参考訳）: グラウンドレベルPM2.5予測のクリグベース擬似ラベル生成による拡張
Authors: Lei Duan, Ziyang Jiang, David Carlson
Abstract要約: 本研究では,通常のクリグ法と呼ばれる空間的手法により生成された擬似ラベルと組み合わせたラベルのない衛星画像を導入することにより,トレーニングデータセットを増強する戦略を提案する。提案したデータ拡張戦略は,最先端の畳み込みニューラルネットワークランダムフォレスト(CNN-RF)モデルの性能を合理的に向上させる。
参考スコア（独自算出の注目度）: 0.9175121581660474
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Fusing abundant satellite data with sparse ground measurements constitutes a major challenge in climate modeling. To address this, we propose a strategy to augment the training dataset by introducing unlabeled satellite images paired with pseudo-labels generated through a spatial interpolation technique known as ordinary kriging, thereby making full use of the available satellite data resources. We show that the proposed data augmentation strategy helps enhance the performance of the state-of-the-art convolutional neural network-random forest (CNN-RF) model by a reasonable amount, resulting in a noteworthy improvement in spatial correlation and a reduction in prediction error.
Abstract（参考訳）: 豊富な衛星データと少ない地上測定を組み合わせることは、気候モデリングにおいて大きな課題となっている。そこで本研究では,通常のクリグと呼ばれる空間補間技術によって生成された擬似ラベルと組み合わせた未ラベルの衛星画像を導入し,利用可能な衛星データ資源をフル活用することで,トレーニングデータセットを増強する戦略を提案する。提案したデータ拡張戦略は,最先端の畳み込みニューラルネットワークランダムフォレスト(CNN-RF)モデルの性能を合理的な量で向上させ,空間相関の顕著な改善と予測誤差の低減をもたらすことを示す。

関連論文リスト

Enhancing Lithological Mapping with Spatially Constrained Bayesian Network (SCB-Net): An Approach for Field Data-Constrained Predictions with Uncertainty Evaluation [0.0]
SCB-Netは、空間的に制約された予測を生成しながら、補助変数からの情報を効果的に活用することを目的としている。 SCB-Netはカナダのケベック州北部の2つの地域に適用されている。この研究は、特に複雑な空間的特徴学習タスクの処理において、ジオリニアにおけるディープニューラルネットワークの有望な進歩を強調した。
論文参考訳（メタデータ） (2024-03-29T14:17:30Z)
Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文参考訳（メタデータ） (2024-01-22T14:02:56Z)
Accelerating Scalable Graph Neural Network Inference with Node-Adaptive Propagation [80.227864832092]
グラフニューラルネットワーク(GNN)は、様々なアプリケーションで例外的な効果を発揮している。大規模グラフの重大化は,GNNによるリアルタイム推論において重要な課題となる。本稿では,オンライン伝搬フレームワークと2つの新しいノード適応伝搬手法を提案する。
論文参考訳（メタデータ） (2023-10-17T05:03:00Z)
SatDM: Synthesizing Realistic Satellite Image with Semantic Layout Conditioning using Diffusion Models [0.0]
Denoising Diffusion Probabilistic Models (DDPM) は意味的レイアウトから現実的なイメージを合成する上で大きな可能性を証明している。本稿では,セマンティックマップを用いて高品質で多様な衛星画像を生成する条件付きDDPMモデルを提案する。提案モデルの有効性は,本研究の文脈内で導入した詳細なラベル付きデータセットを用いて検証する。
論文参考訳（メタデータ） (2023-09-28T19:39:13Z)
Super-Resolution of BVOC Emission Maps Via Domain Adaptation [17.819699053848197]
ディープラーニング(DL)に基づく超解法(SR)法が提案されている。本研究は,衛星観測から得られた高分解能発光マップの超解像化を目的として,数値シミュレーションにより得られた放射マップの情報を活用することを目的とする。本研究では, シミュレーションおよび観測されたエミッションの数を系統的に変化させることで, 異なる段階におけるドメイン適応(DA)戦略の有効性を検討する。
論文参考訳（メタデータ） (2023-06-22T10:59:15Z)
Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
論文参考訳（メタデータ） (2023-06-15T14:50:27Z)
Efficient Graph Neural Network Inference at Large Scale [54.89457550773165]
グラフニューラルネットワーク(GNN)は、幅広いアプリケーションで優れた性能を示している。既存のスケーラブルなGNNは、線形伝搬を利用して特徴を前処理し、トレーニングと推論の手順を高速化する。本稿では,そのトポロジ情報に基づいて各ノードに対してパーソナライズされた伝搬順序を生成する適応的伝搬順序法を提案する。
論文参考訳（メタデータ） (2022-11-01T14:38:18Z)
Mastering Spatial Graph Prediction of Road Networks [18.321172168775472]
グラフエッジの列の追加をシミュレートするグラフベースのフレームワークを提案する。特に、衛星画像に関連する部分生成グラフが与えられた場合、RLエージェントは累積報酬を最大化する修正を通知する。
論文参考訳（メタデータ） (2022-10-03T11:26:09Z)
Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
論文参考訳（メタデータ） (2022-06-06T14:26:34Z)
A Comparative Study of Using Spatial-Temporal Graph Convolutional Networks for Predicting Availability in Bike Sharing Schemes [13.819341724635319]
都市における自転車シェアリングシステムの利用可能な自転車の数を予測するための注意ベースのST-GCN(AST-GCN)を紹介します。実験結果はdublinbikesとnyc-citi bikeの2つの実世界のデータセットを用いて提示した。
論文参考訳（メタデータ） (2021-04-21T17:13:29Z)
Bayesian Graph Neural Networks with Adaptive Connection Sampling [62.51689735630133]
グラフニューラルネットワーク(GNN)における適応接続サンプリングのための統一的なフレームワークを提案する。提案フレームワークは,深部GNNの過度なスムース化や過度に適合する傾向を緩和するだけでなく,グラフ解析タスクにおけるGNNによる不確実性の学習を可能にする。
論文参考訳（メタデータ） (2020-06-07T07:06:35Z)

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。