論文の概要: OASIS: Harnessing Diffusion Adversarial Network for Ocean Salinity Imputation using Sparse Drifter Trajectories

• arxiv url: http://arxiv.org/abs/2508.21570v1
• Date: Fri, 29 Aug 2025 12:25:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:11.041992
• Title: OASIS: Harnessing Diffusion Adversarial Network for Ocean Salinity Imputation using Sparse Drifter Trajectories
• Title（参考訳）: OASIS: Sparse Drifter Trajectories を用いた海洋塩分濃度計算のための拡散防止ネットワークのハーネス化
• Authors: Bo Li, Yingqi Feng, Ming Jin, Xin Zheng, Yufei Tang, Laurent Cherubin, Alan Wee-Chung Liew, Can Wang, Qinghua Lu, Jingwei Yao, Shirui Pan, Hong Zhang, Xingquan Zhu,
• Abstract要約: 海洋塩分濃度は循環、気候、海洋生態系において重要な役割を担っているが、その測定は希少で不規則でうるさい。 従来のアプローチは線形性と定常性に依存しており、雲の覆い、センサーのドリフト、衛星の再来率の低さによって制限されている。 OceAn Salinity Imputation System (OASIS)を紹介する。
• 参考スコア（独自算出の注目度）: 55.860116803220535
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ocean salinity plays a vital role in circulation, climate, and marine ecosystems, yet its measurement is often sparse, irregular, and noisy, especially in drifter-based datasets. Traditional approaches, such as remote sensing and optimal interpolation, rely on linearity and stationarity, and are limited by cloud cover, sensor drift, and low satellite revisit rates. While machine learning models offer flexibility, they often fail under severe sparsity and lack principled ways to incorporate physical covariates without specialized sensors. In this paper, we introduce the OceAn Salinity Imputation System (OASIS), a novel diffusion adversarial framework designed to address these challenges.
• Abstract（参考訳）: 海洋塩分濃度は循環、気候、海洋生態系において重要な役割を担っているが、その測定は希少で不規則でうるさいことが多く、特に漂流性データセットでは顕著である。 リモートセンシングや最適補間といった従来のアプローチは、線形性や定常性に依存しており、雲の覆い、センサーのドリフト、衛星の再訪率の低さによって制限されている。 機械学習モデルは柔軟性を提供するが、しばしば厳しい間隔で失敗し、特殊なセンサーを使わずに物理的共変体を組み込む原則的な方法が欠けている。 本稿では,これらの課題に対処する新しい拡散対向フレームワークであるOceAn Salinity Imputation System (OASIS)を紹介する。

関連論文リスト

• Generative Lagrangian data assimilation for ocean dynamics under extreme sparsity [0.0]
  観測データから海洋力学を再構築することは、空間サンプリングのスパース、不規則、ラグランジアンの性質によって根本的に制限される。 ニューラル演算子と拡散確率モデル(DDPM)を組み合わせて高分解能海洋状態の再構成を行う深層学習フレームワークを利用する。 本手法をベンチマークシステム, 合成フロート観測, 実衛星データで検証し, 厳密な空間サンプリング制限下での頑健な性能を実証した。
  論文  参考訳（メタデータ） (2025-07-09T01:56:25Z)
• Spiking Meets Attention: Efficient Remote Sensing Image Super-Resolution with Attention Spiking Neural Networks [57.17129753411926]
  従来の人工ニューラルネットワーク(ANN)の代替手段としてスパイキングニューラルネットワーク(SNN)が登場 本稿では,AID,DOTA,DIORなどのリモートセンシングベンチマークにおいて,最先端の性能を実現するSpikeSRを提案する。
  論文  参考訳（メタデータ） (2025-03-06T09:06:06Z)
• 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)
• DynST: Dynamic Sparse Training for Resource-Constrained Spatio-Temporal Forecasting [31.398965880415492]
  地球科学システムは、センサーの広範な展開に大きく依存している。 従来のセンサー配置アプローチでは、特定のアルゴリズムを使用してセンサーを設計および展開する。 本稿では,スパース時間データダイナミックスパーストレーニングの概念を初めて紹介し,適応的かつ動的に重要な分布センサをフィルタリングすることにコミットする。
  論文  参考訳（メタデータ） (2024-03-05T12:31:24Z)
• Localizing Anomalies in Critical Infrastructure using Model-Based Drift Explanations [5.319765271848658]
  ベイジアンネットワークを用いたネットワークをモデル化し,異常が重要なインフラシステムの力学に与える影響を解析する。 特に、モデルに基づく概念ドリフトの説明は異常の局所化に有望なツールであると主張する。 本手法がより一般的に重要なインフラに適用可能であることを示すために,本手法が電力系統におけるセンサ故障の局所化に有効であることを示す。
  論文  参考訳（メタデータ） (2023-10-24T13:33:19Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Histogram Layer Time Delay Neural Networks for Passive Sonar Classification [58.720142291102135]
  時間遅延ニューラルネットワークとヒストグラム層を組み合わせた新しい手法により,特徴学習の改善と水中音響目標分類を実現する。 提案手法はベースラインモデルより優れており,受動的ソナー目標認識のための統計的文脈を取り入れた有効性を示す。
  論文  参考訳（メタデータ） (2023-07-25T19:47:26Z)
• SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to Generate an Improved Ocean Model [72.3183990520267]
  シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。 具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。 提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
  論文  参考訳（メタデータ） (2021-06-24T17:29:42Z)
• Neural Networks Versus Conventional Filters for Inertial-Sensor-based Attitude Estimation [1.0957528713294873]
  慣性測定ユニットは、移動する物体の姿勢を推定するために一般的に使用される。 センサ融合問題の解法として非線形フィルタ法が提案されている。 人工ニューラルネットワークによってこれらの制限が克服できる範囲について検討する。
  論文  参考訳（メタデータ） (2020-05-14T11:59:19Z)

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。