論文の概要: Causality for Earth Science -- A Review on Time-series and Spatiotemporal Causality Methods
- arxiv url: http://arxiv.org/abs/2404.05746v2
- Date: Fri, 30 Aug 2024 21:51:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-04 18:50:14.599129
- Title: Causality for Earth Science -- A Review on Time-series and Spatiotemporal Causality Methods
- Title（参考訳）: 地球科学の因果関係 -時系列と時空間因果関係の考察-
- Authors: Sahara Ali, Uzma Hasan, Xingyan Li, Omar Faruque, Akila Sampath, Yiyi Huang, Md Osman Gani, Jianwu Wang,
- Abstract要約: 本稿では、因果的発見と因果的推論の概要を述べ、根底にある因果的仮定を説明し、評価手法を列挙する。
本論文は,時系列および時間因果解析に導入された最先端の手法と,その強みと限界を取り入れたものである。
- 参考スコア（独自算出の注目度）: 2.790669554650619
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This survey paper covers the breadth and depth of time-series and spatiotemporal causality methods, and their applications in Earth Science. More specifically, the paper presents an overview of causal discovery and causal inference, explains the underlying causal assumptions, and enlists evaluation techniques and key terminologies of the domain area. The paper elicits the various state-of-the-art methods introduced for time-series and spatiotemporal causal analysis along with their strengths and limitations. The paper further describes the existing applications of several methods for answering specific Earth Science questions such as extreme weather events, sea level rise, teleconnections etc. This survey paper can serve as a primer for Data Science researchers interested in data-driven causal study as we share a list of resources, such as Earth Science datasets (synthetic, simulated and observational data) and open source tools for causal analysis. It will equally benefit the Earth Science community interested in taking an AI-driven approach to study the causality of different dynamic and thermodynamic processes as we present the open challenges and opportunities in performing causality-based Earth Science study.
- Abstract（参考訳）: 本研究は,地球科学における時系列の広さと深度,時空間因果関係の手法とその応用について述べる。
より具体的には、因果関係の発見と因果関係の推測について概説し、根底にある因果関係の仮定を説明し、領域領域の評価手法と重要な用語を列挙する。
本稿では,時系列および時空間因果解析に導入された様々な最先端手法を,その強度と限界とともに適用する。
本論文は, 極度の気象イベント, 海面上昇, テレコネクションなど, 地球科学の特定の問題に対処するためのいくつかの手法の既存の応用について述べる。
このサーベイペーパーは、地球科学データセット(合成、シミュレーション、観測データ)やオープンソースの因果解析ツールなど、データ駆動因果解析に関心のあるデータサイエンス研究者のプライマーとして機能する。
因果性に基づく地球科学研究を行う上でのオープンな課題と機会を示すため、異なる動的および熱力学的プロセスの因果性を研究するために、AI主導のアプローチを採用することに関心を持つ地球科学コミュニティにも同じように利益をもたらすだろう。
関連論文リスト
- Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。
科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。
そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
論文 参考訳（メタデータ） (2024-10-09T15:57:50Z) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。
最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。
以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
論文 参考訳（メタデータ） (2024-05-27T13:26:34Z) - Quantitative causality, causality-guided scientific discovery, and
causal machine learning [0.23020018305241333]
このノートは、因果分析の厳密な形式主義を確立するための10年にわたる努力の簡単なレビューを提供する。
これには、主要な理論的結果のリスト、因果的な深層学習フレームワークのスケッチ、地球科学におけるいくつかの代表的な実世界の応用が含まれている。
論文 参考訳（メタデータ） (2024-02-20T23:38:46Z) - Large Models for Time Series and Spatio-Temporal Data: A Survey and
Outlook [95.32949323258251]
時系列データ、特に時系列データと時間時間データは、現実世界のアプリケーションで広く使われている。
大規模言語やその他の基礎モデルの最近の進歩は、時系列データマイニングや時間データマイニングでの使用の増加に拍車を掛けている。
論文 参考訳（メタデータ） (2023-10-16T09:06:00Z) - A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and
Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。
我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。
我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文 参考訳（メタデータ） (2023-05-22T11:08:00Z) - Discovering Causal Relations and Equations from Data [23.802778299505288]
本稿では、物理学の幅広い分野における因果関係と方程式発見に関する概念、方法、および関連する研究について概説する。
我々は、観察因果関係と方程式発見のための分類法を提供し、接続を指摘し、ケーススタディの完全なセットを示します。
興奮する時間は、複雑なシステムに対する理解を改善するための多くの課題と機会に先立ちます。
論文 参考訳（メタデータ） (2023-05-21T19:22:50Z) - Robust Causality and False Attribution in Data-Driven Earth Science
Discoveries [0.3503794925747607]
因果研究と帰属研究は、地球科学的な発見や気候、生態学、水の政策を知らせるために不可欠である。
ここでは,移動エントロピーに基づく因果グラフが,統計的に有意に拡張された場合でも飛躍的であることを示す。
我々は,頑健な因果解析のためのサブサンプルに基づくアンサンブル手法を開発した。
論文 参考訳（メタデータ） (2022-09-26T10:45:48Z) - A Survey on Spatial and Spatiotemporal Prediction Methods [4.353444564058085]
本稿では,空間時間予測の原理と手法を体系的に検討する。
我々は、それらが対処する主要な課題によって分類された方法の分類を提供する。
論文 参考訳（メタデータ） (2020-12-24T18:17:35Z) - A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。
このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
論文 参考訳（メタデータ） (2020-06-05T08:04:37Z)
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。