Fugu-MT 論文翻訳(概要): Orca: Ocean Significant Wave Height Estimation with Spatio-temporally Aware Large Language Models

論文の概要: Orca: Ocean Significant Wave Height Estimation with Spatio-temporally Aware Large Language Models

arxiv url: http://arxiv.org/abs/2407.20053v1
Date: Mon, 29 Jul 2024 14:40:07 GMT
ステータス: 処理完了
システム内更新日: 2024-07-30 13:34:43.337042
Title: Orca: Ocean Significant Wave Height Estimation with Spatio-temporally Aware Large Language Models
Title（参考訳）: Orca: 時空間対応大規模言語モデルによる海面波高推定
Authors: Zhe Li, Ronghui Xu, Jilin Hu, Zhong Peng, Xi Lu, Chenjuan Guo, Bin Yang,
Abstract要約: 重要な波高(SWH)は海洋科学において重要な指標であり、エネルギー開発、漁業、潜在的なリスクに対する早期警戒システムなど様々な用途に欠かせない。従来のSWH推定手法は計算不効率によって妨げられる。機械学習は、精度を改善し、計算時間を短縮する代替手段として登場した。
参考スコア（独自算出の注目度）: 15.08402817350508
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Significant wave height (SWH) is a vital metric in marine science, and accurate SWH estimation is crucial for various applications, e.g., marine energy development, fishery, early warning systems for potential risks, etc. Traditional SWH estimation methods that are based on numerical models and physical theories are hindered by computational inefficiencies. Recently, machine learning has emerged as an appealing alternative to improve accuracy and reduce computational time. However, due to limited observational technology and high costs, the scarcity of real-world data restricts the potential of machine learning models. To overcome these limitations, we propose an ocean SWH estimation framework, namely Orca. Specifically, Orca enhances the limited spatio-temporal reasoning abilities of classic LLMs with a novel spatiotemporal aware encoding module. By segmenting the limited buoy observational data temporally, encoding the buoys' locations spatially, and designing prompt templates, Orca capitalizes on the robust generalization ability of LLMs to estimate significant wave height effectively with limited data. Experimental results on the Gulf of Mexico demonstrate that Orca achieves state-of-the-art performance in SWH estimation.
Abstract（参考訳）: 海面波高(SWH)は海洋科学において重要な指標であり、海面エネルギー開発、漁業、潜在的なリスクに対する早期警戒システムなど、様々な用途に正確なSWH推定が不可欠である。数値モデルと物理理論に基づく従来のSWH推定法は、計算の非効率性によって妨げられる。近年,機械学習は精度を向上し,計算時間を短縮するための魅力的な代替手段として出現している。しかし、観測技術が限られており、コストが高いため、実世界のデータの不足は機械学習モデルの可能性を制限する。これらの制約を克服するために,海洋SWH推定フレームワーク,すなわちOrcaを提案する。具体的には、Orcaは、新しい時空間認識符号化モジュールを用いて、古典的LLMの時空間推論能力を制限した時空間推論能力を強化する。限られたブイ観測データを時間的に分割し、ブイの位置を空間的に符号化し、プロンプトテンプレートを設計することで、オルカはLLMの堅牢な一般化能力を生かし、限られたデータで重要な波高を効果的に推定する。メキシコ湾での実験的結果は、オルカがSWHの推定において最先端の性能を達成したことを示している。

関連論文リスト

Quanv4EO: Empowering Earth Observation by means of Quanvolutional Neural Networks [62.12107686529827]
本稿は、大量のリモートセンシングデータの処理において、量子コンピューティング技術を活用することへの大きなシフトを取り上げる。提案したQuanv4EOモデルでは,多次元EOデータを前処理するための準進化法が導入された。主要な知見は,提案モデルが画像分類の精度を維持するだけでなく,EOのユースケースの約5%の精度向上を図っていることを示唆している。
論文参考訳（メタデータ） (2024-07-24T09:11:34Z)
Deep Vision-Based Framework for Coastal Flood Prediction Under Climate Change Impacts and Shoreline Adaptations [0.3413711585591077]
低データ環境下での高忠実度ディープビジョンに基づく沿岸洪水予測モデルを訓練するための体系的枠組みを提案する。また,沿岸の洪水予測問題に特化して,CNNの深部構造を導入している。開発したDLモデルの性能は、一般に採用されている測地回帰法に対して検証される。
論文参考訳（メタデータ） (2024-06-06T19:54:34Z)
Spatio-temporal Attention-based Hidden Physics-informed Neural Network for Remaining Useful Life Prediction [1.8554335256160261]
STA-HPINN(spatatio-temporal Attention-based Hidden Physics-informed Neural Network)を導入する。隠れた物理インフォームドニューラルネットワークを用いて、RULの進化を管理する次元物理機構を捉える。このアプローチはベンチマークデータセットで検証され、最先端のメソッドと比較して、例外的なパフォーマンスを示している。
論文参考訳（メタデータ） (2024-05-20T21:10:18Z)
Intelligent model for offshore China sea fog forecasting [0.7503129292751938]
本研究は, 数値気象予報モデルに埋もれた深海霧予測手法を開発することを目的とする。本研究では,海霧発生の要因を解明するために,時間差相関解析手法を用いて鍵予測器を同定し,そのメカニズムを解明する。提案手法の精度を検証するため,1年にわたる包括的データセットを用いて評価を行った。
論文参考訳（メタデータ） (2023-07-20T04:46:34Z)
To Repeat or Not To Repeat: Insights from Scaling LLM under Token-Crisis [50.31589712761807]
大規模言語モデル(LLM)は、事前トレーニング中にトークンに悩まされていることで知られており、Web上の高品質なテキストデータは、LSMのスケーリング制限に近づいている。本研究では,事前学習データの再学習の結果について検討し,モデルが過度に適合する可能性が示唆された。第2に, マルチエポック劣化の原因となる要因について検討し, データセットのサイズ, モデルパラメータ, トレーニング目標など, 重要な要因について検討した。
論文参考訳（メタデータ） (2023-05-22T17:02:15Z)
Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
論文参考訳（メタデータ） (2023-03-28T14:27:27Z)
Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
論文参考訳（メタデータ） (2022-10-17T09:14:35Z)
Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文参考訳（メタデータ） (2022-08-18T15:27:40Z)
Bridging observation, theory and numerical simulation of the ocean using Machine Learning [0.08155575318208629]
海洋の研究は、MLが対処できるユニークな課題の組み合わせを示しています。利用可能な観測データは、ほとんど空間的に希薄であり、表面に限定されており、数十年以上に及ぶ時系列は少ない。このレビューでは、MLを適用することで提供される現在の科学的洞察と、差し迫った潜在能力の所在を論じる。
論文参考訳（メタデータ） (2021-04-26T12:11:51Z)
Uncertainty-aware Remaining Useful Life predictor [57.74855412811814]
有効寿命 (Remaining Useful Life, RUL) とは、特定の産業資産の運用期間を推定する問題である。本研究では,Deep Gaussian Processes (DGPs) を,前述の制限に対する解決策と捉える。アルゴリズムの性能はNASAの航空機エンジン用N-CMAPSSデータセットで評価される。
論文参考訳（メタデータ） (2021-04-08T08:50:44Z)
Physics-informed Tensor-train ConvLSTM for Volumetric Velocity Forecasting of Loop Current [6.016102212809306]
ループカレント(英: Loop Current)は、メキシコ湾におけるループカレント(LC)の速度、垂直構造、持続時間の週間予測である。本稿では3次元地理空間データ予測のための物理インフォームド空間訓練ConvLSTMの有効性を示す。
論文参考訳（メタデータ） (2020-08-04T19:55:57Z)

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。