論文の概要: Climate Model Tuning with Online Synchronization-Based Parameter Estimation
- arxiv url: http://arxiv.org/abs/2510.06180v1
- Date: Tue, 07 Oct 2025 17:43:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-08 17:57:08.394775
- Title: Climate Model Tuning with Online Synchronization-Based Parameter Estimation
- Title（参考訳）: オンライン同期に基づくパラメータ推定による気候モデルチューニング
- Authors: Jordan Seneca, Suzanne Bintanja, Frank M. Selten,
- Abstract要約: 我々は,大域大気モデルを調整するために同期を利用するパラメータ推定アルゴリズムの可能性を示す。
次に、スーパーモデルアンサンブルの各部材の重みにアルゴリズムを適用し、全体の予測を最適化する。
本稿では,アダプティブ・スーパーモデリング(Adaptive Supermodeling)と呼ばれる2つの手法を組み合わせた新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In climate science, the tuning of climate models is a computationally intensive problem due to the combination of the high-dimensionality of the system state and long integration times. Here we demonstrate the potential of a parameter estimation algorithm which makes use of synchronization to tune a global atmospheric model at modest computational costs. We first use it to directly optimize internal model parameters. We then apply the algorithm to the weights of each member of a supermodel ensemble to optimize the overall predictions. In both cases, the algorithm is able to find parameters which result in reduced errors in the climatology of the model. Finally, we introduce a novel approach which combines both methods called adaptive supermodeling, where the internal parameters of the members of a supermodel are tuned simultaneously with the model weights such that the supermodel predictions are optimized. For a case designed to challenge the two previous methods, adaptive supermodeling achieves a performance similar to a perfect model.
- Abstract（参考訳）: 気候科学において、気候モデルのチューニングは、システム状態の高次元性と長い統合時間の組み合わせによる計算集約的な問題である。
ここでは,同期を利用して大域大気モデルを調整するパラメータ推定アルゴリズムの可能性を示す。
まず、内部モデルパラメータを直接最適化するために使用します。
次に、スーパーモデルアンサンブルの各部材の重みにアルゴリズムを適用し、全体の予測を最適化する。
どちらの場合も、アルゴリズムはモデルの気候学における誤差を減少させるパラメータを見つけることができる。
最後に、アダプティブ・スーパーモデリング(Adaptive Supermodeling)と呼ばれる2つの手法を組み合わせて、スーパーモデルのメンバーの内部パラメータとモデル重みを同時に調整し、スーパーモデル予測を最適化する手法を提案する。
従来の2つの手法に挑戦するために設計された場合、アダプティブ・スーパーモデリングは完璧なモデルに似た性能を達成する。
関連論文リスト
- Merging Models on the Fly Without Retraining: A Sequential Approach to Scalable Continual Model Merging [75.93960998357812]
ディープモデルマージ(Deep Modelmerging)は、複数の微調整モデルを組み合わせて、さまざまなタスクやドメインにまたがる能力を活用する、新たな研究方向を示すものだ。
現在のモデルマージ技術は、全ての利用可能なモデルを同時にマージすることに集中しており、重量行列に基づく手法が主要なアプローチである。
本稿では,モデルを逐次処理するトレーニングフリーなプロジェクションベース連続マージ手法を提案する。
論文 参考訳（メタデータ） (2025-01-16T13:17:24Z) - Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。
LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。
LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
論文 参考訳（メタデータ） (2024-03-11T05:35:38Z) - Epidemic Modeling using Hybrid of Time-varying SIRD, Particle Swarm
Optimization, and Deep Learning [6.363653898208231]
疫学モデルは、拡散パターンが静止している場合の流行をモデル化するのに最適である。
本研究では,疫病モデル,粒子群最適化,深層学習を含むハイブリッドモデルを開発した。
本研究は、米国、インド、英国という3カ国の影響を受けた3つの国について、そのモデルを評価する。
論文 参考訳（メタデータ） (2024-01-31T18:08:06Z) - A global optimization SAR image segmentation model can be easily transformed to a general ROF denoising model [0.881121308982678]
我々は凸緩和手法を用いて提案モデルを大域最適化モデルに変換する。
グローバル最適化モデルを解決するために,2つの高速モデルを提案する。
いくつかの挑戦的な合成画像とEnvisat SAR画像を用いた実験は、提案したモデルの優位性を実証している。
論文 参考訳（メタデータ） (2023-12-08T23:26:57Z) - Predictive Modeling through Hyper-Bayesian Optimization [60.586813904500595]
本稿では,モデル選択とBOを統合する新しい手法を提案する。
このアルゴリズムは、モデル空間のBOと関数空間のBOの間を行き来する。
サンプル効率の改善に加えて、ブラックボックス機能に関する情報も出力する。
論文 参考訳（メタデータ） (2023-08-01T04:46:58Z) - Understanding Parameter Sharing in Transformers [53.75988363281843]
トランスフォーマーに関するこれまでの研究は、異なるレイヤでパラメータを共有することに集中しており、モデルの深さを増大させることで、限られたパラメータを持つモデルの性能を向上させることができる。
このアプローチの成功は, モデル複雑性の増加により, ごく一部に過ぎず, 収束性の向上に大きく寄与することを示す。
8つの機械翻訳タスクの実験結果から,パラメータ共有モデルのモデル複雑性を半分に抑えて,我々のモデルが競合性能を達成することが示された。
論文 参考訳（メタデータ） (2023-06-15T10:48:59Z) - An Efficient Hierarchical Kriging Modeling Method for High-dimension
Multi-fidelity Problems [0.0]
マルチファイダリティ・クリグモデルはサロゲートベース設計において有望な手法である。
多要素クリグモデルの構築コストは問題次元の増大とともに大幅に増大する。
この問題に対処するために,効率的な階層的クラッキングモデリング手法を提案する。
論文 参考訳（メタデータ） (2022-12-31T15:17:07Z) - On the Effectiveness of Parameter-Efficient Fine-Tuning [79.6302606855302]
現在、多くの研究が、パラメータのごく一部のみを微調整し、異なるタスク間で共有されるパラメータのほとんどを保持することを提案している。
これらの手法は, いずれも細粒度モデルであり, 新たな理論的解析を行う。
我々の理論に根ざした空間性の有効性にもかかわらず、調整可能なパラメータをどう選ぶかという問題はまだ未解決のままである。
論文 参考訳（メタデータ） (2022-11-28T17:41:48Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳（メタデータ） (2022-08-10T19:17:45Z) - Optimizing model-agnostic Random Subspace ensembles [5.680512932725364]
教師あり学習のためのモデルに依存しないアンサンブルアプローチを提案する。
提案手法は、ランダム部分空間アプローチのパラメトリックバージョンを用いてモデルのアンサンブルを学習することとを交互に行う。
シミュレーションおよび実世界のデータセット上で,予測と特徴ランキングの両面で,提案手法の優れた性能を示す。
論文 参考訳（メタデータ） (2021-09-07T13:58:23Z)
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。