論文の概要: Latent-Constrained Conditional VAEs for Augmenting Large-Scale Climate Ensembles

• arxiv url: http://arxiv.org/abs/2601.00915v1
• Date: Thu, 01 Jan 2026 05:23:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:21.849851
• Title: Latent-Constrained Conditional VAEs for Augmenting Large-Scale Climate Ensembles
• Title（参考訳）: 大規模気候アンサンブルのための潜時拘束型条件付きVAE
• Authors: Jacquelyn Shelton, Przemyslaw Polewski, Alexander Robel, Matthew Hoffman, Stephen Price,
• Abstract要約: 本研究では,限られた利用可能な実行環境から新しい実現法を生成するための生成的モデリング手法について検討する。 条件付き変分オートエンコーダは, 未確認のアンサンブル部材への一般化に失敗する断片化された潜在空間が得られる。
• 参考スコア（独自算出の注目度）: 37.13476041166319
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large climate-model ensembles are computationally expensive; yet many downstream analyses would benefit from additional, statistically consistent realizations of spatiotemporal climate variables. We study a generative modeling approach for producing new realizations from a limited set of available runs by transferring structure learned across an ensemble. Using monthly near-surface temperature time series from ten independent reanalysis realizations (ERA5), we find that a vanilla conditional variational autoencoder (CVAE) trained jointly across realizations yields a fragmented latent space that fails to generalize to unseen ensemble members. To address this, we introduce a latent-constrained CVAE (LC-CVAE) that enforces cross-realization homogeneity of latent embeddings at a small set of shared geographic 'anchor' locations. We then use multi-output Gaussian process regression in the latent space to predict latent coordinates at unsampled locations in a new realization, followed by decoding to generate full time series fields. Experiments and ablations demonstrate (i) instability when training on a single realization, (ii) diminishing returns after incorporating roughly five realizations, and (iii) a trade-off between spatial coverage and reconstruction quality that is closely linked to the average neighbor distance in latent space.
• Abstract（参考訳）: 大規模な気候モデルアンサンブルは計算に費用がかかるが、多くの下流分析は時空間気候変数の統計的に一貫した追加的な実現の恩恵を受けるだろう。 本研究では,アンサンブル間で学習した構造を伝達することにより,利用可能な限られた実行環境から新たな実現を実現するための生成的モデリング手法について検討する。 10個の独立再解析実現法 (ERA5) の月次準曲面温度時系列を用いて, バニラ条件変分オートエンコーダ (CVAE) が, 未確認のアンサンブル部材への一般化に失敗する断片化された潜時空間を生成することを発見した。 そこで本研究では,少数の地理的な「アンカー」な場所において,潜伏埋め込みの相互実現均質性を強制する潜伏拘束CVAE(LC-CVAE)を提案する。 次に、潜時空間における多出力ガウス過程の回帰を用いて、新しい実現法において未サンプリング箇所における潜時座標を予測し、次にデコードして全時系列場を生成する。 実験とアブレーションの実証 一 単一実現の訓練の際の不安定性 (二)大まかに5つの実現を取り入れて利益を減らし、 三 空間被覆と復元品質のトレードオフであって、潜伏空間における平均隣接距離と密接に関連しているもの。

関連論文リスト

• Modeling Spatio-temporal Extremes via Conditional Variational Autoencoders [9.695352101513569]
  極度の気象現象は農業、生態学、気象学などの分野で広く研究されている。 本稿では、条件付きオートエンコーダ(cAE)を介して気候指標を統合することにより、新しい時間的極端をモデル化するアプローチを提案する。 畳み込みニューラルネットワークはデコーダに埋め込まれ、潜伏空間内の空間依存を伴う気候指標を畳み込む。
  論文  参考訳（メタデータ） (2025-12-06T08:40:41Z)
• Interpretable Time Series Autoregression for Periodicity Quantification [18.6300875919604]
  時系列自動回帰(英: Time series autoregression、AR)は、実世界のシステムにおける自動相関と周期構造のための古典的なツールである。 SAR(sparse autoregression)を導入してこのモデルを再検討し、支配的な周期を分離するために$ell$-norm制約を用いる。 大規模移動・気候時系列の枠組みを検証した。
  論文  参考訳（メタデータ） (2025-06-28T14:17:11Z)
• Adaptive Deadline and Batch Layered Synchronized Federated Learning [66.93447103966439]
  フェデレートラーニング(FL)は、データプライバシを保持しながら、分散エッジデバイス間で協調的なモデルトレーニングを可能にする。 我々は,レイヤワイドアグリゲーションのために,ラウンド単位の期限とユーザ固有のバッチサイズを共同で最適化する新しいフレームワークADEL-FLを提案する。
  論文  参考訳（メタデータ） (2025-05-29T19:59:18Z)
• Foundation for unbiased cross-validation of spatio-temporal models for species distribution modeling [2.6862667248315386]
  種別分布モデル (SDM) はしばしば空間自己相関 (SAC) に悩まされ、性能推定に偏りが生じる。 提案手法は, ランダム分割, 空間的ブロッキング, 環境的スキーム, 新たな時間的手法である。
  論文  参考訳（メタデータ） (2025-01-27T23:02:05Z)
• Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
  連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。 本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。 我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
  論文  参考訳（メタデータ） (2024-10-03T09:07:13Z)
• Reconstructing Spatiotemporal Data with C-VAEs [49.1574468325115]
  移動領域の条件付き連続表現は一般的に用いられる。 本研究では,条件変数自動エンコーダ(C-VAE)モデルを用いて,領域の進化を現実的に表現する機能について検討する。
  論文  参考訳（メタデータ） (2023-07-12T15:34:10Z)
• SARN: Structurally-Aware Recurrent Network for Spatio-Temporal Disaggregation [8.636014676778682]
  オープンデータは、通常プライバシーポリシーに従うために、しばしば空間的に集約される。しかし、粗い、異質な集約は、下流のAI/MLシステムに対する一貫性のある学習と統合を複雑にする。 本稿では,空間的注意層をGRU(Gated Recurrent Unit)モデルに統合したSARN(Structurely-Aware Recurrent Network)を提案する。 履歴学習データに制限のあるシナリオでは、ある都市変数に事前学習したモデルを、数百のサンプルのみを用いて、他の都市変数に対して微調整できることを示す。
  論文  参考訳（メタデータ） (2023-06-09T21:01:29Z)
• Generative Time Series Forecasting with Diffusion, Denoise, and Disentanglement [51.55157852647306]
  時系列予測は多くのアプリケーションにおいて非常に重要な課題である。 実世界の時系列データが短時間に記録されることが一般的であり、これはディープモデルと限られたノイズのある時系列との間に大きなギャップをもたらす。 本稿では,生成モデルを用いた時系列予測問題に対処し,拡散,雑音,ゆがみを備えた双方向変分自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2023-01-08T12:20:46Z)
• Sparse Generalized Yule-Walker Estimation for Large Spatio-temporal Autoregressions with an Application to NO2 Satellite Data [0.0]
  高次元モデルのクラスをスパース推定する。 我々は,ユル=ヴァルカー方程式の集合をペナルティ化することにより,空間的および時間的依存を完全駆動的に支配する関係を推定する。 衛星シミュレーションは、競合する手順と比較して強い有限サンプル性能を示す。
  論文  参考訳（メタデータ） (2021-08-05T21:51:45Z)

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。