論文の概要: E2E-FANet: A Highly Generalizable Framework for Waves prediction Behind Floating Breakwaters via Exogenous-to-Endogenous Variable Attention

• arxiv url: http://arxiv.org/abs/2505.06690v1
• Date: Sat, 10 May 2025 16:28:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:48.991852
• Title: E2E-FANet: A Highly Generalizable Framework for Waves prediction Behind Floating Breakwaters via Exogenous-to-Endogenous Variable Attention
• Title（参考訳）: E2E-FANet:外因性から内因性への可変アテンションを通した流出水の背後にある波動予測のための高一般化可能なフレームワーク
• Authors: Jianxin Zhang, Lianzi Jiang, Xinyu Han, Xiangrong Wang, Weinan Huang,
• Abstract要約: 本研究では,外因性から内因性への周波数認識ネットワーク(E2E-FANet)について紹介する。 E2E-FANetは、波と構造物の関係をモデル化するために設計された、新しいエンドツーエンドニューラルネットワークである。
• 参考スコア（独自算出の注目度）: 5.326589324665935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate prediction of waves behind floating breakwaters (FB) is crucial for optimizing coastal engineering structures, enhancing safety, and improving design efficiency. Existing methods demonstrate limitations in capturing nonlinear interactions between waves and structures, while exhibiting insufficient capability in modeling the complex frequency-domain relationships among elevations of different wave gauges. To address these challenges, this study introduces the Exogenous-to-Endogenous Frequency-Aware Network (E2E-FANet), a novel end-to-end neural network designed to model relationships between waves and structures. The E2E-FANetarchitecture incorporates a Dual-Basis Frequency Mapping (DBFM) module that leverages orthogonal cosine and sine bases to extract wave features from the frequency domain while preserving temporal information. Additionally, we introduce the Exogenous-to-Endogenous Cross-Attention (E2ECA) module, which employs cross attention to model the interactions between endogenous and exogenous variables. We incorporate a Temporal-wise Attention (TA) mechanism that adaptively captures complex dependencies in endogenous variables. These integrated modules function synergistically, enabling E2E-FANet to achieve both comprehensive feature perception in the time-frequency domain and precise modeling of wave-structure interactions. To comprehensively evaluate the performance of E2E-FANet, we constructed a multi-level validation framework comprising three distinct testing scenarios: internal validation under identical wave conditions, generalization testing across different wave conditions, and adaptability testing with varying relative water density (RW) conditions. These comprehensive tests demonstrate that E2E-FANet provides accurate waves behind FB predictions while successfully generalizing diverse wave conditions.
• Abstract（参考訳）: 沿岸の工学構造を最適化し、安全性を高め、設計効率を向上させるためには、浮き沈み水(FB)の背後にある波の正確な予測が不可欠である。 既存の手法は、波動と構造物の間の非線形相互作用を捉えるのに限界を示し、異なる波動ゲージの高架間の複雑な周波数領域の関係をモデル化するには不十分な能力を示す。 これらの課題に対処するために、波と構造物の関係をモデル化するために設計された、新しいエンドツーエンドニューラルネットワークであるExogenous-to-Endogenous Frequency-Aware Network (E2E-FANet)を紹介した。 E2E-FANetarchitectureには、直交コサインと正弦基底を利用して時間情報を保持しながら周波数領域から波の特徴を抽出するDual-Basis Frequency Mapping (DBFM)モジュールが組み込まれている。 さらに,内因性変数と外因性変数の相互作用をモデル化するために,相互注意を用いたE2ECA(Exogenous-to-Endogenous Cross-Attention)モジュールを導入する。 内因性変数の複雑な依存関係を適応的にキャプチャするTA機構を組み込んだ。 これらの統合モジュールは相乗的に機能し、E2E-FANetは時間周波数領域における包括的特徴認識と波-構造相互作用の正確なモデリングを実現できる。 E2E-FANetの性能を総合的に評価するために、同一の波動条件下での内部検証、異なる波動条件における一般化テスト、RW条件による適応性テストという3つの異なるテストシナリオからなる多層検証フレームワークを構築した。 これらの総合的な実験により、E2E-FANetは様々な波動条件をうまく一般化しながら、FB予測の背後にある正確な波を提供することが示された。

関連論文リスト

• Predicting Wave Dynamics using Deep Learning with Multistep Integration Inspired Attention and Physics-Based Loss Decomposition [0.0]
  本研究では,流体媒質中の波動伝搬をデータ駆動で予測するための物理に基づくディープラーニングフレームワークを提案する。 提案手法は、遅延表現を減らし、注意に基づくリカレントニューラルネットワークとデノナイジングベースの畳み込みオートエンコーダを組み合わせたものである。 MI2A フレームワークは長期予測の精度と安定性を著しく向上することを示す。
  論文  参考訳（メタデータ） (2025-04-15T17:47:20Z)
• FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [63.87313550399871]
  画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。 自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。 PSTは、画像基礎モデルと潜在空間アライメントによるクロスモーダルな知識伝達を確立する。 FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。
  論文  参考訳（メタデータ） (2025-03-25T15:04:53Z)
• 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)
• Variational waveguide QED simulators [58.720142291102135]
  導波管QEDシミュレータは1次元フォトニックバンドギャップ材料と相互作用する量子エミッタによって構成される。 ここでは、これらの相互作用がより効率的な変分量子アルゴリズムを開発するためのリソースとなることを実証する。
  論文  参考訳（メタデータ） (2023-02-03T18:55:08Z)
• Response Component Analysis for Sea State Estimation Using Artificial Neural Networks and Vessel Response Spectral Data [0.0]
  本研究では,SAWBに基づく海洋状態推定(SSE)に対するモデルフリー機械学習アプローチに焦点を当てた。 その結果, ヒーブ応答と有意波高推定値との間には強い相関が認められた。 設計したSSE方式は,SAWB方式によるモバイルSSEシステムへの将来の適応を約束する。
  論文  参考訳（メタデータ） (2022-05-05T00:35:58Z)
• Prediction of Ultrasonic Guided Wave Propagation in Solid-fluid and their Interface under Uncertainty using Machine Learning [0.0]
  我々は,構造物の材料および幾何学的特性の不確かさを考慮し,既存研究を推し進める。 本研究では,不確実性の下での多物理問題の解法に固有の複雑性に対処する効率的なアルゴリズムを開発する。 提案手法は不確実性が存在する場合にWpFSI問題を正確に予測する。
  論文  参考訳（メタデータ） (2021-03-30T01:05:14Z)
• Feedback-induced instabilities and dynamics in the Jaynes-Cummings model [62.997667081978825]
  時間遅延コヒーレントフィードバックを受けるJaynes-Cummingsモデルのコヒーレンスと定常状態特性について検討する。 導入されたフィードバックは、システムの動的応答と定常量子特性を質的に修正する。
  論文  参考訳（メタデータ） (2020-06-20T10:07:01Z)
• Entanglement generation via power-of-SWAP operations between dynamic electron-spin qubits [62.997667081978825]
  表面音響波(SAW)は、圧電材料内で動く量子ドットを生成することができる。 動的量子ドット上の電子スピン量子ビットがどのように絡み合うかを示す。
  論文  参考訳（メタデータ） (2020-01-15T19:00:01Z)

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。