Fugu-MT 論文翻訳(概要): Attention-Based Reconstruction of Full-Field Tsunami Waves from Sparse Tsunameter Networks

論文の概要: Attention-Based Reconstruction of Full-Field Tsunami Waves from Sparse Tsunameter Networks

arxiv url: http://arxiv.org/abs/2411.12948v3
Date: Mon, 17 Feb 2025 01:11:23 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-18 14:03:12.191114
Title: Attention-Based Reconstruction of Full-Field Tsunami Waves from Sparse Tsunameter Networks
Title（参考訳）: スパース津波計ネットワークからのフルフィールド津波波の注意に基づく再構成
Authors: Edward McDugald, Arvind Mohan, Darren Engwirda, Agnese Marcato, Javier Santos,
Abstract要約: 本研究では,津波予報の文脈において,スパースセンシングタスクを行うための,センセイバーとして知られる注目型ニューラルネットワークアーキテクチャの可能性について検討する。我々はこのモデルを用いて、トレーニングセットにエピセンタが含まれていない、信じられないほどスパースな観測から高分解能津波を発生させた。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We investigate the potential of an attention-based neural network architecture known as the Senseiver to perform sparse sensing tasks in the context of tsunami forecasting. In particular, we focus on the Tsunami Data Assimilation Method, where forecasts are derived from tsunameter networks. We used our model to generate high-resolution tsunami waves from incredibly sparse observations, whose epicenters are not included in the training set. We also show significantly improved accuracy in the generation of dense observation networks by comparison to the Linear Interpolation with Huygens-Fresnel Principle.
Abstract（参考訳）: 本研究では,津波予報の文脈において,スパースセンシングタスクを行うための,センセイバーとして知られる注目型ニューラルネットワークアーキテクチャの可能性について検討する。特に,津波計ネットワークから予測を導出する津波データ同化手法に着目した。我々はこのモデルを用いて、トレーニングセットにエピセンタが含まれていない、信じられないほどスパースな観測から高分解能津波を発生させた。また,Huygens-Fresnel Principleを用いた線形補間法との比較により,高密度観測ネットワークの生成精度を著しく向上した。

関連論文リスト

Outlier detection in maritime environments using AIS data and deep recurrent architectures [5.399126243770847]
本稿では,海上監視のための深部再帰モデルに基づく手法を,公開可能な自動識別システム(AIS)データ上で提案する。このセットアップはディープ・リカレント・ニューラルネットワーク(RNN)ベースのモデルを使用して、観測された船の動きパターンを符号化し、再構築する。提案手法は,観測された動作パターンと再構成された動作パターンの計算誤差に対するしきい値決定機構に基づく。
論文参考訳（メタデータ） (2024-06-14T12:15:15Z)
The Merit of River Network Topology for Neural Flood Forecasting [3.731618046702812]
気候変動は河川の洪水を悪化させ、その頻度と強度はかつてないほど高くなる。予測システムは通常、正確な川の排出予測に依存している。河川ネットワークの既知のトポロジを予測モデルに組み込むことで,ゲージ間の隣接関係を活用できる可能性がある。
論文参考訳（メタデータ） (2024-05-30T08:45:45Z)
Continual Learning of Range-Dependent Transmission Loss for Underwater Acoustic using Conditional Convolutional Neural Net [0.0]
本研究では,遠方界シナリオにおける水中放射音予測のための深層学習モデルの精度向上を目的としている。そこで本稿では,海洋浴量測定データを入力に組み込んだ新しいレンジ条件畳み込みニューラルネットワークを提案する。提案アーキテクチャは, 帯域依存性の異なる様々な浴量測定プロファイル上での透過損失を効果的に捕捉する。
論文参考訳（メタデータ） (2024-04-11T19:13:38Z)
Bayesian NeRF: Quantifying Uncertainty with Volume Density for Neural Implicit Fields [1.199955563466263]
本稿では, 被占領地における不確実性をモデル化することにより, 体積密度の不確かさを明示的に定量するベイズ型ニューラルレイディアンス場(NeRF)を提案する。 NeRFは、様々な視点から3次元空間における濃密なシーン表現、色、密度を提供することによって、伝統的な幾何学的手法から分岐する。本稿では,RGB画像と深度画像の性能を総合的なデータセットで大幅に向上することを示す。
論文参考訳（メタデータ） (2024-04-10T04:24:42Z)
Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文参考訳（メタデータ） (2023-05-22T07:09:35Z)
Machine learning for phase-resolved reconstruction of nonlinear ocean wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文参考訳（メタデータ） (2023-05-18T12:30:26Z)
Deep Impulse Responses: Estimating and Parameterizing Filters with Deep Networks [76.830358429947]
高雑音および地中設定におけるインパルス応答推定は難しい問題である。本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
論文参考訳（メタデータ） (2022-02-07T18:57:23Z)
Analysis of the HiSCORE Simulated Events in TAIGA Experiment Using Convolutional Neural Networks [77.34726150561087]
本稿では,エアシャワー特性決定における畳み込みニューラルネットワークの利用について検討する。我々は、CNNを使ってHiSCOREイベントを分析し、それらをイメージとして扱います。また,エアシャワーのパラメータの決定に関する予備的な結果も提示した。
論文参考訳（メタデータ） (2021-12-19T15:18:56Z)
Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文参考訳（メタデータ） (2021-07-27T06:57:56Z)
Unsupervised Scale-consistent Depth Learning from Video [131.3074342883371]
本研究では,単眼深度推定器SC-Depthを提案する。スケール一貫性予測の能力により,我々の単分子学習深層ネットワークは簡単にORB-SLAM2システムに統合可能であることを示す。提案したハイブリッドPseudo-RGBD SLAMは、KITTIにおいて魅力的な結果を示し、追加のトレーニングなしでKAISTデータセットにうまく一般化する。
論文参考訳（メタデータ） (2021-05-25T02:17:56Z)
Variational Structured Attention Networks for Deep Visual Representation Learning [49.80498066480928]
空間的注意マップとチャネル的注意の両方を原則的に共同学習するための統合的深層フレームワークを提案する。具体的には,確率的表現学習フレームワークに注目度の推定と相互作用を統合する。ニューラルネットワーク内で推論ルールを実装し,確率パラメータとcnnフロントエンドパラメータのエンドツーエンド学習を可能にする。
論文参考訳（メタデータ） (2021-03-05T07:37:24Z)

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。