論文の概要: KAN-FIF: Spline-Parameterized Lightweight Physics-based Tropical Cyclone Estimation on Meteorological Satellite

• arxiv url: http://arxiv.org/abs/2602.12117v1
• Date: Thu, 12 Feb 2026 16:07:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-13 21:07:25.916546
• Title: KAN-FIF: Spline-Parameterized Lightweight Physics-based Tropical Cyclone Estimation on Meteorological Satellite
• Title（参考訳）: Kan-FIF:気象衛星上でのスプラインパラメータ化光物理に基づく熱帯サイクロン推定
• Authors: Jiakang Shen, Qinghui Chen, Runtong Wang, Chenrui Xu, Jinglin Zhang, Cong Bai, Feng Zhang,
• Abstract要約: 熱帯性サイクロンのタイムリーなモニタリングは、生命と財産の損失を減らすために重要である。 現在の物理誘導モデルは、TC属性間の高次関係を捕捉できない線形特徴相互作用に悩まされている。 本研究では,KAN-FIF(Kolmogorov-Arnold Network-based Network-based Interaction Feature Framework)を紹介する。
• 参考スコア（独自算出の注目度）: 22.99496587694237
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Tropical cyclones (TC) are among the most destructive natural disasters, causing catastrophic damage to coastal regions through extreme winds, heavy rainfall, and storm surges. Timely monitoring of tropical cyclones is crucial for reducing loss of life and property, yet it is hindered by the computational inefficiency and high parameter counts of existing methods on resource-constrained edge devices. Current physics-guided models suffer from linear feature interactions that fail to capture high-order polynomial relationships between TC attributes, leading to inflated model sizes and hardware incompatibility. To overcome these challenges, this study introduces the Kolmogorov-Arnold Network-based Feature Interaction Framework (KAN-FIF), a lightweight multimodal architecture that integrates MLP and CNN layers with spline-parameterized KAN layers. For Maximum Sustained Wind (MSW) prediction, experiments demonstrate that the KAN-FIF framework achieves a $94.8\%$ reduction in parameters (0.99MB vs 19MB) and $68.7\%$ faster inference per sample (2.3ms vs 7.35ms) compared to baseline model Phy-CoCo, while maintaining superior accuracy with $32.5\%$ lower MAE. The offline deployment experiment of the FY-4 series meteorological satellite processor on the Qingyun-1000 development board achieved a 14.41ms per-sample inference latency with the KAN-FIF framework, demonstrating promising feasibility for operational TC monitoring and extending deployability to edge-device AI applications. The code is released at https://github.com/Jinglin-Zhang/KAN-FIF.
• Abstract（参考訳）: 熱帯低気圧(TC)は最も破壊的な自然災害の1つであり、強風、豪雨、暴風などによって沿岸部に壊滅的な被害をもたらした。 熱帯性サイクロンのタイムリーなモニタリングは、生命と財産の損失を減らすために重要であるが、資源制約エッジデバイスにおける既存の手法の計算的非効率性と高いパラメータ数によって妨げられている。 現在の物理誘導モデルは、TC属性間の高次多項式関係を捕捉できない線形特徴相互作用に悩まされ、膨らませられたモデルサイズとハードウェアの非互換性に繋がる。 これらの課題を克服するために,KAN-FIF(Kolmogorov-Arnold Network-based Feature Interaction Framework)を紹介した。 最大持続風(MSW)予測では、 Kan-FIF フレームワークは、標準モデルである Phy-CoCo と比較して、パラメータ (0.99MB vs 19MB) が 94.8 %、サンプルあたり 68.7 % が速い (2.3ms vs 7.35ms) ことを実証した。 Qingyun-1000開発ボード上のFY-4シリーズの衛星プロセッサのオフライン展開実験は、Kan-FIFフレームワークで1サンプル当たり14.41msの遅延を達成した。 コードはhttps://github.com/Jinglin-Zhang/KAN-FIFで公開されている。

関連論文リスト

• PhyG-MoE: A Physics-Guided Mixture-of-Experts Framework for Energy-Efficient GNSS Interference Recognition [49.955269674859004]
  本稿では,PhyG-MoE(Physics-Guided Mixture-of-Experts)について述べる。 静的アーキテクチャとは異なり、提案システムはスペクトル特性の絡み合いに基づいて信号をルーティングするスペクトルベースのゲーティング機構を用いる。 高容量のTransNeXtエキスパートがオンデマンドでアクティベートされ、飽和シナリオで複雑な機能を分離する一方、軽量のエキスパートは基本的なシグナルを処理してレイテンシを最小化する。
  論文  参考訳（メタデータ） (2026-01-19T07:57:52Z)
• WindMiL: Equivariant Graph Learning for Wind Loading Prediction [0.21847754147782886]
  WindMiLは、体系的なデータセット生成と対称性を考慮したグラフニューラルネットワーク(GNN)を組み合わせた、新しい機械学習フレームワークである。 系統的なデータセットを同変サロゲートと組み合わせることで、WindMiLは建物の風荷重の効率的でスケーラブルで正確な予測を可能にする。
  論文  参考訳（メタデータ） (2025-11-03T04:55:08Z)
• AQFusionNet: Multimodal Deep Learning for Air Quality Index Prediction with Imagery and Sensor Data [0.6466067363961121]
  この研究は、堅牢なAQI予測のためのマルチモーダルディープラーニングフレームワークであるAQFusionNetを紹介する。 このフレームワークは、軽量CNNバックボーンを用いた地上レベルの大気画像と汚染物質濃度データを統合する。 インドとネパールから8000以上のサンプルを採取した実験では、AQFusionNetが単調なベースラインを一貫して上回っていることが示されている。
  論文  参考訳（メタデータ） (2025-08-30T04:32:38Z)
• Deep learning methods for modeling infrasound transmission loss in the middle atmosphere [5.842419815638353]
  我々は,世界規模でシミュレーションされた温度と風場からTLを予測しながら,予測誤差を最小限に抑えるために,最適化された畳み込みネットワークを開発した。 実装されたモデルは、周波数帯全体(0.1-3.2Hz)における平均誤差8.6dBのTLを予測し、現実的な大気シナリオを探索する。
  論文  参考訳（メタデータ） (2025-06-02T13:10:29Z)
• WaveHiTS: Wavelet-Enhanced Hierarchical Time Series Modeling for Wind Direction Nowcasting in Eastern Inner Mongolia [3.1789338656073305]
  本稿では、ウェーブレット変換とニューラル階層型時系列補間を組み合わせた新しいモデルWaveHiTSを提案する。 提案手法は風向をU-V成分に分解し,ウェーブレット変換を用いてマルチスケールの周波数パターンを捕捉し,階層構造を用いて時間依存性をモデル化する。 中国内モンゴルからの実世界気象データを用いて行った実験では、WaveHiTSがディープラーニングモデルを大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2025-04-09T02:15:48Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Forecasting Tropical Cyclones with Cascaded Diffusion Models [4.272401529389713]
  この研究は、生成拡散モデルを利用してサイクロン軌道と降水パターンを予測する。 予測は1台のNvidia A30/RTX 2080 Tiで30分で作成できる。
  論文  参考訳（メタデータ） (2023-10-02T23:09:59Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Long-term Wind Power Forecasting with Hierarchical Spatial-Temporal Transformer [112.12271800369741]
  風力発電は、再生可能、汚染のないその他の利点により、世界中の注目を集めている。 正確な風力発電予測(WPF)は、電力系統の運用における電力変動を効果的に低減することができる。 既存の手法は主に短期的な予測のために設計されており、効果的な時空間的特徴増強が欠如している。
  論文  参考訳（メタデータ） (2023-05-30T04:03:15Z)
• From Environmental Sound Representation to Robustness of 2D CNN Models Against Adversarial Attacks [82.21746840893658]
  本稿では, 各種環境音響表現(スペクトログラム)が, 被害者残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 DWTスペクトログラムでトレーニングしたResNet-18モデルでは高い認識精度が得られたが、このモデルに対する攻撃は敵にとって比較的コストがかかる。
  論文  参考訳（メタデータ） (2022-04-14T15:14:08Z)

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。