論文の概要: A Causality- and Frequency-Aware Deep Learning Framework for Wave Elevation Prediction Behind Floating Breakwaters

• arxiv url: http://arxiv.org/abs/2505.06690v2
• Date: Sun, 31 Aug 2025 02:34:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-03 14:24:52.336311
• Title: A Causality- and Frequency-Aware Deep Learning Framework for Wave Elevation Prediction Behind Floating Breakwaters
• Title（参考訳）: 浮き水による波面上昇予測のための因果的・周波数的深層学習フレームワーク
• Authors: Jianxin Zhang, Lianzi Jiang, Xinyu Han, Xiangrong Wang,
• Abstract要約: 既存のディープラーニングアプローチは、目に見えない操作条件下での限定的な一般化能力を示す。 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。 主流モデルと比較して予測精度とロバストな一般化を実現している。
• 参考スコア（独自算出の注目度）: 7.667077185318874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting the elevations of nonlinear wave fields behind floating breakwaters (FBs) is crucial for optimizing coastal engineering structures, enhancing safety, and improving design efficiency. Existing deep learning approaches exhibit limited generalization capability under unseen operating conditions. To address this challenge, this study proposes the Exogenous-to-Endogenous Frequency-Aware Network (E2E-FANet), a novel end-to-end neural network designed to model relationships between waves and structures. First, the Dual-Basis Frequency Mapping (DBFM) module leverages orthogonal cosine and sine bases to generate an adaptive time-frequency representation, enabling the model to effectively disentangle the evolving spectral components of wave signals. Second, the Exogenous-to-Endogenous Cross-Attention (E2ECA) module employs cross attention to explicitly model the unidirectional causal influence of floating breakwater motion on wave elevations. Additionally, a Temporal-wise Attention (TA) mechanism is incorporated that adaptively captures complex dependencies in endogenous variables. Extensive experiments, including generalization tests across diverse wave conditions and adaptability tests under varying relative water density (RW) conditions, demonstrate that E2E-FANet achieves superior predictive accuracy and robust generalization compared to mainstream models. This work emphasizes the importance of integrating causality and frequency-aware modeling in deep learning architectures for modeling nonlinear dynamics systems.
• Abstract（参考訳）: 海底構造物の最適化, 安全性の向上, 設計効率の向上には, 浮き割れ水 (FBs) の背後にある非線形波動場の高さの予測が不可欠である。 既存のディープラーニングアプローチは、目に見えない操作条件下での限定的な一般化能力を示す。 この課題に対処するために、波動と構造の関係をモデル化する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)を提案する。 第一に、Dual-Basis Frequency Mapping (DBFM)モジュールは直交コサインと正弦基底を利用し、適応的な時間周波数表現を生成する。 第2に、外因性-内因性クロス・アテンション(E2ECA)モジュールは、波高に対する浮き破水運動の一方向因果効果を明示的にモデル化するためにクロスアテンションを用いる。 さらに、内在変数の複雑な依存関係を適応的にキャプチャするTA(Temporal-wise Attention)メカニズムが組み込まれている。 各種波動条件の一般化試験やRW条件の適応性試験を含む広範囲な実験により、E2E-FANetは主流モデルよりも優れた予測精度と堅牢な一般化を実現することが示された。 この研究は、非線形力学系をモデル化するためのディープラーニングアーキテクチャにおける因果性と周波数認識モデリングを統合することの重要性を強調している。

関連論文リスト

• Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
  リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。 既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。 本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
  論文  参考訳（メタデータ） (2025-08-07T11:14:16Z)
• Bubbleformer: Forecasting Boiling with Transformers [2.343575298020989]
  既存のモデルは、過去の状態から核生成を学習できないため、推論中に将来の入力を必要とする。 本稿では,安定および長距離沸騰力学を予測するトランスモデルであるBubbleformerを紹介する。 さまざまな動作流体にまたがる高忠実度データセットであるBubbleML 2.0もリリースしています。
  論文  参考訳（メタデータ） (2025-07-28T18:02:57Z)
• Wavelet-Enhanced Neural ODE and Graph Attention for Interpretable Energy Forecasting [0.0]
  本稿では、連続時間ニューラル正規微分方程式(Neural ODE)とグラフアテンションを統合するニューラルネットワークフレームワークを提案する。 多様なマルチスケールの時間的ダイナミクスを捕捉し、モデル化する。 このモデルはSHAP分析により解釈可能性を高め、持続可能なエネルギー応用に適合する。
  論文  参考訳（メタデータ） (2025-07-14T10:23:18Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [55.09326865401653]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• 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。