論文の概要: Improving regional weather forecasts with neural interpolation

• arxiv url: http://arxiv.org/abs/2505.12040v1
• Date: Sat, 17 May 2025 15:05:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.002625
• Title: Improving regional weather forecasts with neural interpolation
• Title（参考訳）: ニューラル補間による地域天気予報の改善
• Authors: James Jackaman, Oliver Sutton,
• Abstract要約: 地域気象モデルの境界データを改善するためのニューラル演算子を設計する。 特に、単純化されたモデルの研究を通して、問題にアプローチするための方法論を明らかにする。 提案手法は,画像超解像と畳み込みニューラルネットワーク(CNN)と残差ネットワークの組合せを利用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper we design a neural interpolation operator to improve the boundary data for regional weather models, which is a challenging problem as we are required to map multi-scale dynamics between grid resolutions. In particular, we expose a methodology for approaching the problem through the study of a simplified model, with a view to generalise the results in this work to the dynamical core of regional weather models. Our approach will exploit a combination of techniques from image super-resolution with convolutional neural networks (CNNs) and residual networks, in addition to building the flow of atmospheric dynamics into the neural network
• Abstract（参考訳）: 本稿では,地域気象モデルの境界データを改善するために,ニューラルネットワークの補間演算子を設計する。 特に,本研究の成果を地域気象モデルの動的コアに一般化する目的で,簡易モデルによるアプローチ手法を公開している。 我々のアプローチは、画像超解像と畳み込みニューラルネットワーク(CNN)と残留ネットワークの組合せを利用して、ニューラルネットワークへの大気力学の流れを構築する。

関連論文リスト

• Generalized Factor Neural Network Model for High-dimensional Regression [50.554377879576066]
  複素・非線形・雑音に隠れた潜在低次元構造を持つ高次元データセットをモデル化する課題に取り組む。 我々のアプローチは、非パラメトリック回帰、因子モデル、高次元回帰のためのニューラルネットワークの概念のシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2025-02-16T23:13:55Z)
• SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
  天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。 伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。 本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-29T08:00:15Z)
• GrINd: Grid Interpolation Network for Scattered Observations [3.1516690022588616]
  GrINd(Grid Interpolation for Scattered Observations)は、散乱した観測を高解像度グリッドにマッピングする新しいネットワークアーキテクチャである。 高分解能空間において、NeuralPDEクラスモデルは、微分可能なODEソルバと完全な畳み込みニューラルネットワークを用いて、将来の時点におけるシステムの状態を予測する。 我々は,分散した場所で観測された6つの物理系からなるベンチダイナベンチマークデータセット上で,GrINdを実験的に評価した。
  論文  参考訳（メタデータ） (2024-03-28T16:52:47Z)
• Self Expanding Convolutional Neural Networks [1.4330085996657045]
  本稿では,学習中の畳み込みニューラルネットワーク(CNN)を動的に拡張する新しい手法を提案する。 我々は、単一のモデルを動的に拡張する戦略を採用し、様々な複雑さのレベルでチェックポイントの抽出を容易にする。
  論文  参考訳（メタデータ） (2024-01-11T06:22:40Z)
• Enhancing wind field resolution in complex terrain through a knowledge-driven machine learning approach [0.0]
  ニューラルネットワークを用いたモデルでは、局所的な地形を尊重しながら、粗いスケールから完全に解決された3次元速度場を再構築できることが示される。 また、ドメイン知識に基づく適切なコスト関数を用いることで、敵のトレーニングの使用を軽減できることを示す。
  論文  参考訳（メタデータ） (2023-09-18T21:41:04Z)
• From NeurODEs to AutoencODEs: a mean-field control framework for width-varying Neural Networks [68.8204255655161]
  本稿では,動的に駆動する制御フィールドをベースとした,AutoencODEと呼ばれる新しいタイプの連続時間制御システムを提案する。 損失関数が局所凸な領域では,多くのアーキテクチャが復元可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-05T13:26:17Z)
• Interference Cancellation GAN Framework for Dynamic Channels [74.22393885274728]
  チャネルのあらゆる変更に適応できるオンライントレーニングフレームワークを導入します。 我々のフレームワークは、非常にダイナミックなチャネル上での最近のニューラルネットワークモデルよりも大幅に優れています。
  論文  参考訳（メタデータ） (2022-08-17T02:01:18Z)
• Modeling from Features: a Mean-field Framework for Over-parameterized Deep Neural Networks [54.27962244835622]
  本稿では、オーバーパラメータ化ディープニューラルネットワーク(DNN)のための新しい平均場フレームワークを提案する。 このフレームワークでは、DNNは連続的な極限におけるその特徴に対する確率測度と関数によって表現される。 本稿では、標準DNNとResidual Network(Res-Net)アーキテクチャを通してフレームワークを説明する。
  論文  参考訳（メタデータ） (2020-07-03T01:37:16Z)
• An Ode to an ODE [78.97367880223254]
  我々は、O(d) 群上の行列フローに応じて主フローの時間依存パラメータが進化する ODEtoODE と呼ばれるニューラルODE アルゴリズムの新しいパラダイムを提案する。 この2つの流れのネストされたシステムは、訓練の安定性と有効性を提供し、勾配の消滅・爆発問題を確実に解決する。
  論文  参考訳（メタデータ） (2020-06-19T22:05:19Z)

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。