論文の概要: A Machine Learning-Ready Data Processing Tool for Near Real-Time Forecasting

• arxiv url: http://arxiv.org/abs/2502.08555v1
• Date: Wed, 12 Feb 2025 16:35:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-13 13:44:27.982251
• Title: A Machine Learning-Ready Data Processing Tool for Near Real-Time Forecasting
• Title（参考訳）: リアルタイム近距離予測のための機械学習対応データ処理ツール
• Authors: Maher A Dayeh, Michael J Starkey, Subhamoy Chatterjee, Heather Elliott, Samuel Hart, Kimberly Moreland,
• Abstract要約: 本稿では,NRT(Near Real-Time)宇宙天気予報のための機械学習(ML)対応データ処理ツールの開発について述べる。 さまざまなNRTソースからのデータをマージすることで、このツールは現在の宇宙天気予報能力における重要なギャップに対処する。 このツールは、極端な太陽イベントの時系列予測とイベント検出に焦点を当てて、機械学習モデルのデータを処理し、構造化する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Space weather forecasting is critical for mitigating radiation risks in space exploration and protecting Earth-based technologies from geomagnetic disturbances. This paper presents the development of a Machine Learning (ML)- ready data processing tool for Near Real-Time (NRT) space weather forecasting. By merging data from diverse NRT sources such as solar imagery, magnetic field measurements, and energetic particle fluxes, the tool addresses key gaps in current space weather prediction capabilities. The tool processes and structures the data for machine learning models, focusing on time-series forecasting and event detection for extreme solar events. It provides users with a framework to download, process, and label data for ML applications, streamlining the workflow for improved NRT space weather forecasting and scientific research.
• Abstract（参考訳）: 宇宙天気予報は、宇宙探査における放射線リスクを軽減し、地磁気の乱れから地球ベースの技術を保護するために重要である。 本稿では,NRT(Near Real-Time)宇宙天気予報のための機械学習(ML)対応データ処理ツールの開発について述べる。 太陽画像、磁場の測定、エネルギー粒子フラックスなどの様々なNRT源からのデータをマージすることで、現在の宇宙天気予報能力における重要なギャップに対処する。 このツールは、極端な太陽イベントの時系列予測とイベント検出に焦点を当てて、機械学習モデルのデータを処理し、構造化する。 MLアプリケーションのデータをダウンロード、処理、ラベル付けするためのフレームワークを提供し、NRTの宇宙天気予報と科学研究を改善するためのワークフローを合理化している。

関連論文リスト

• Regional Weather Variable Predictions by Machine Learning with Near-Surface Observational and Atmospheric Numerical Data [22.54998659323974]
  本稿では,ケンタッキー・メソネット駅の近地観測データを統合した新しい機械学習(ML)モデルであるMiMa(マイクロマクロのショート)を提案する。 MiMaは現在のモデルを大きく上回り、Re-MiMaは未完成の場所の正確な短期予測を提供する。
  論文  参考訳（メタデータ） (2024-12-11T23:55:38Z)
• Gridded Transformer Neural Processes for Large Unstructured Spatio-Temporal Data [47.14384085714576]
  本稿では,非構造化観測を行うための格子状擬似トークンPと,効率的な注意機構を利用する格子状擬似トークンを含むプロセッサを紹介する。 提案手法は,大規模データを含む様々な合成および実世界の回帰タスクにおいて,強いベースラインを一貫して上回る。 実生活実験は気象データに基づいて行われ、気象モデルパイプラインで大規模に適用した場合の性能と計算上の利点をもたらすアプローチの可能性を示す。
  論文  参考訳（メタデータ） (2024-10-09T10:00:56Z)
• Predicting the energetic proton flux with a machine learning regression algorithm [0.0]
  最大1時間前に陽子束を予測できる機械学習回帰アルゴリズムを提案する。 このアプローチは、深宇宙と地球近傍の両方の環境における放射線リスクの監視システムを改善するのに役立つかもしれない。
  論文  参考訳（メタデータ） (2024-06-18T15:54:50Z)
• Forecasting SEP Events During Solar Cycles 23 and 24 Using Interpretable Machine Learning [38.321248253111776]
  我々は、新しいデータプロダクトの予測可能性を評価するために、一連の機械学習戦略を用いて、事後SEPイベントの予測を行う。 データ量の増大にもかかわらず、予測精度は 0.7 + 0.1 に達し、これはこれらのベンチマークに合致するが、公表されたベンチマークを超えない。
  論文  参考訳（メタデータ） (2024-03-04T23:12:17Z)
• 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)
• Spatially-resolved hyperlocal weather prediction and anomaly detection using IoT sensor networks and machine learning techniques [0.0]
  我々は,IoTセンサネットワークと機械学習技術を用いた局部気象予測と異常検出を組み合わせた新しいアプローチを提案する。 本システムは,予測の空間分解能を高め,リアルタイムに異常を効果的に検出することができる。 以上の結果から,本システムは意思決定を促進できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-17T05:04:53Z)
• Closing the loop: Autonomous experiments enabled by machine-learning-based online data analysis in synchrotron beamline environments [80.49514665620008]
  機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。 本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。 本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
  論文  参考訳（メタデータ） (2023-06-20T21:21:19Z)
• Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
  本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。 本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
  論文  参考訳（メタデータ） (2022-04-24T15:23:25Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Automated Machine Learning Techniques for Data Streams [91.3755431537592]
  本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。 この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
  論文  参考訳（メタデータ） (2021-06-14T11:42:46Z)
• Toward a Next Generation Particle Precipitation Model: Mesoscale Prediction Through Machine Learning (a Case Study and Framework for Progress) [0.9158190669770423]
  我々は、新しい、より有能な粒子沈殿データのデータベースを作成、キュレート、分析し、利用可能にした。 PrecipNetと呼ばれるニューラルネットワークは、MLアプローチによって得られる表現力の増大を活用する。
  論文  参考訳（メタデータ） (2020-11-19T21:54:36Z)

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。