論文の概要: Knowledge Guided Encoder-Decoder Framework: Integrating Multiple Physical Models for Agricultural Ecosystem Modeling

• arxiv url: http://arxiv.org/abs/2505.06266v2
• Date: Tue, 13 May 2025 02:04:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 12:30:10.43296
• Title: Knowledge Guided Encoder-Decoder Framework: Integrating Multiple Physical Models for Agricultural Ecosystem Modeling
• Title（参考訳）: 知識指導型エンコーダ・デコーダフレームワーク:農業生態系モデリングのための複数の物理モデルの統合
• Authors: Qi Cheng, Licheng Liu, Yao Zhang, Mu Hong, Shiyuan Luo, Zhenong Jin, Yiqun Xie, Xiaowei Jia,
• Abstract要約: 農業モニタリングは食料の安全確保、持続可能な農業慣行の維持、温室効果ガスの排出管理に重要である。 伝統的なプロセスベースの物理モデルは、しばしば特定の状況のために設計および実装され、それらのパラメータも非常に不確実である。 複数の物理モデルから基礎となるプロセスの知識を活用することで、重要な作物変数を予測できる知識誘導型エンコーダデコーダモデルを提案する。
• 参考スコア（独自算出の注目度）: 20.29135373542904
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agricultural monitoring is critical for ensuring food security, maintaining sustainable farming practices, informing policies on mitigating food shortage, and managing greenhouse gas emissions. Traditional process-based physical models are often designed and implemented for specific situations, and their parameters could also be highly uncertain. In contrast, data-driven models often use black-box structures and does not explicitly model the inter-dependence between different ecological variables. As a result, they require extensive training data and lack generalizability to different tasks with data distribution shifts and inconsistent observed variables. To address the need for more universal models, we propose a knowledge-guided encoder-decoder model, which can predict key crop variables by leveraging knowledge of underlying processes from multiple physical models. The proposed method also integrates a language model to process complex and inconsistent inputs and also utilizes it to implement a model selection mechanism for selectively combining the knowledge from different physical models. Our evaluations on predicting carbon and nitrogen fluxes for multiple sites demonstrate the effectiveness and robustness of the proposed model under various scenarios.
• Abstract（参考訳）: 農業モニタリングは、食料の安全確保、持続可能な農業慣行の維持、食糧不足の緩和政策の通知、温室効果ガスの排出管理に重要である。 伝統的なプロセスベースの物理モデルは、しばしば特定の状況のために設計および実装され、それらのパラメータも非常に不確実である。 対照的に、データ駆動モデルはしばしばブラックボックス構造を使用し、異なる生態変数間の相互依存を明示的にモデル化しない。 その結果、広範囲なトレーニングデータが必要となり、データ分散シフトや観測変数の不整合を伴うタスクに対する一般化性に欠ける。 より普遍的なモデルの必要性に対処するために、複数の物理モデルから基礎となるプロセスの知識を活用することにより、主要な作物変数を予測できる知識誘導型エンコーダデコーダモデルを提案する。 提案手法は,複雑な入力と一貫性のない入力を処理するための言語モデルを統合するとともに,異なる物理モデルからの知識を選択的に結合するモデル選択機構を実装する。 複数の場所での炭素および窒素フラックスの予測に関する評価は,様々なシナリオにおいて提案モデルの有効性とロバスト性を示す。

関連論文リスト

• MergeNet: Knowledge Migration across Heterogeneous Models, Tasks, and Modalities [72.05167902805405]
  異種モデルのパラメータ空間のギャップを埋めることを学ぶMergeNetを提案する。 MergeNetの中核となるメカニズムはパラメータアダプタにあり、ソースモデルの低ランクパラメータをクエリすることで動作する。 MergeNetは両方のモデルと共に学習され、我々のフレームワークは、現在のステージに関する知識を動的に転送し、適応することができます。
  論文  参考訳（メタデータ） (2024-04-20T08:34:39Z)
• Latent variable model for high-dimensional point process with structured missingness [4.451479907610764]
  縦断データは医療、社会学、地震学など多くの分野で重要である。 実世界のデータセットは高次元であり、構造化された欠陥パターンを含み、測定時間ポイントは未知のプロセスによって管理される。 これらの制限に対処可能な、柔軟で効率的な潜在変数モデルを提案する。
  論文  参考訳（メタデータ） (2024-02-08T15:41:48Z)
• Beyond Convergence: Identifiability of Machine Learning and Deep Learning Models [0.0]
  本研究では,モデルパラメータ識別可能性の概念を,モーションセンサデータからのパラメータ推定に焦点をあてたケーススタディにより検討する。 我々は、質量、剛性、平衡脚長などの主観的パラメータを推定するために、ディープニューラルネットワークを用いる。 その結果、観測データから特定のパラメータを特定できるが、他のパラメータは未同定のままであることがわかった。
  論文  参考訳（メタデータ） (2023-07-21T03:40:53Z)
• Learning Joint Latent Space EBM Prior Model for Multi-layer Generator [44.4434704520236]
  多層ジェネレータモデルの学習における基礎的問題について検討する。 本稿では,全層にまたがる待ち行列空間上のエネルギーモデル (EBM) を提案する。 実験により、学習したモデルが高品質な画像を生成する際に表現できることが実証された。
  論文  参考訳（メタデータ） (2023-06-10T00:27:37Z)
• Differentiable modeling to unify machine learning and physical models and advance Geosciences [38.92849886903847]
  微分可能地科学モデリング(DG)の概念,適用性,意義について概説する。 微分可能(differentiable)とは、モデル変数に関する勾配を正確かつ効率的に計算すること。 予備的な証拠は、DGが機械学習よりも優れた解釈可能性と因果性を提供することを示している。
  論文  参考訳（メタデータ） (2023-01-10T15:24:14Z)
• Bayesian Learning of Coupled Biogeochemical-Physical Models [28.269731698116257]
  海洋生態系の予測モデルは、様々なニーズに使われている。 希少な測定と海洋プロセスの理解が限られているため、かなりの不確実性がある。 候補モデルの空間での処理と新しいモデルの発見を可能にするベイズモデル学習手法を開発した。
  論文  参考訳（メタデータ） (2022-11-12T17:49:18Z)
• Domain-aware Control-oriented Neural Models for Autonomous Underwater Vehicles [2.4779082385578337]
  ドメイン認識のレベルが異なる制御指向パラメトリックモデルを提案する。 データ駆動型ブラックボックスとAUVダイナミクスのグレイボックス表現を構築するために、普遍微分方程式を用いる。
  論文  参考訳（メタデータ） (2022-08-15T17:01:14Z)
• Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
  本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。 静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
  論文  参考訳（メタデータ） (2022-02-25T20:00:56Z)
• Deep Variational Models for Collaborative Filtering-based Recommender Systems [63.995130144110156]
  ディープラーニングは、リコメンダシステムの結果を改善するために、正確な協調フィルタリングモデルを提供する。 提案するモデルは, 深層建築の潜伏空間において, 変分概念を注入性に適用する。 提案手法は, 入射雑音効果を超える変動エンリッチメントのシナリオにおいて, 提案手法の優位性を示す。
  論文  参考訳（メタデータ） (2021-07-27T08:59:39Z)
• Design of Dynamic Experiments for Black-Box Model Discrimination [72.2414939419588]
  選択したいような動的モデル判別の設定を考えてみましょう。 (i) 最高のメカニスティックな時間変化モデルと (ii) 最高のモデルパラメータ推定値です。 勾配情報にアクセス可能な競合する力学モデルに対しては、既存の手法を拡張し、より広い範囲の問題の不確実性を組み込む。 これらのブラックボックスモデルをガウス過程サロゲートモデルに置き換えることで、モデル識別設定を拡張して、競合するブラックボックスモデルをさらに取り入れる。
  論文  参考訳（メタデータ） (2021-02-07T11:34:39Z)

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。