Fugu-MT 論文翻訳(概要): Federated Weather Modeling on Sensor Data

論文の概要: Federated Weather Modeling on Sensor Data

arxiv url: http://arxiv.org/abs/2605.00322v1
Date: Fri, 01 May 2026 01:01:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-04 17:43:28.804151
Title: Federated Weather Modeling on Sensor Data
Title（参考訳）: センサデータを用いたフェデレーション気象モデリング
Abstract要約: センサデータに基づくフェデレーション気象モデリングは、フェデレーション学習を基盤とした分散システムである。この方法は、多様な地理的に分散したデータセットを活用しながら、データのプライバシとセキュリティを保護する。
参考スコア（独自算出の注目度）: 37.0836125106643
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Federated weather modeling on sensor data is a distributed system underpinned by federated learning, enabling multiple sensor data sources, including ground weather stations, satellites and IoT devices, to collaboratively train deep learning models without sharing raw data. This method safeguards data privacy and security while leverages diverse, geographically distributed datasets to improve the accuracy and robustness of global/regional weather modeling tasks such as forecasting and anomaly detection.
Abstract（参考訳）: センサデータに基づくフェデレーション気象モデリングは、フェデレーション学習を基盤とする分散システムであり、地上の気象観測所、衛星、IoTデバイスを含む複数のセンサデータソースが、生データを共有することなく、ディープラーニングモデルを協調的にトレーニングすることができる。この方法は、地理的に分散した多様なデータセットを活用しながら、データのプライバシとセキュリティを保護し、予測や異常検出などのグローバル/地域気象モデリングタスクの正確性と堅牢性を向上させる。

関連論文リスト

Earth System Foundation Model (ESFM): A unified framework for heterogeneous data integration and forecasting [52.53742727060265]
地球系の基礎モデル(FM)は、大量のデータセットにわたる物理変数間の統計的関係を学習する。本稿では,アース・システム・ファンデーション・モデル(ESFM)について紹介する。本研究では,高密度グリッドデータ (ERA5, CMIP6) , 地域密集データ, 疎グリッドMODIS衛星データ, 局データを用いた。結果は、最先端のベンチマークと比較して、競争力や優れたパフォーマンスを示している。
論文参考訳（メタデータ） (2026-04-20T11:40:39Z)
EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
論文参考訳（メタデータ） (2025-01-14T13:42:22Z)
Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
論文参考訳（メタデータ） (2024-11-24T04:56:45Z)
Generative Data Assimilation of Sparse Weather Station Observations at Kilometer Scales [5.427841765899196]
そこで本研究では,現実的に複雑な1kmスケールの気象条件下でのスコアベースデータ同化の実現可能性を示す。 40の気象観測所からの観測を取り入れることで、左の観測所で10%低いRMSEが達成される。ますます野心的な地域国家ジェネレータと、In situ、地上ベース、衛星リモートセンシングデータストリームの集合を組み合わす拡張を探求する時期だ。
論文参考訳（メタデータ） (2024-06-19T10:28:11Z)
Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文参考訳（メタデータ） (2024-01-22T14:02:56Z)
A Distributed Approach to Meteorological Predictions: Addressing Data Imbalance in Precipitation Prediction Models through Federated Learning and GANs [0.0]
気象データの分類は、気象現象をクラスに分類することで、微妙な分析と正確な予測を容易にする。分類アルゴリズムは、データ不均衡のような課題を巧みにナビゲートすることが不可欠である。データ拡張技術は、稀だが重要な気象事象を分類する際のモデルの精度を向上させることができる。
論文参考訳（メタデータ） (2023-10-19T21:28:20Z)
Spatially-resolved hyperlocal weather prediction and anomaly detection using IoT sensor networks and machine learning techniques [0.0]
我々は,IoTセンサネットワークと機械学習技術を用いた局部気象予測と異常検出を組み合わせた新しいアプローチを提案する。本システムは,予測の空間分解能を高め,リアルタイムに異常を効果的に検出することができる。以上の結果から,本システムは意思決定を促進できる可能性が示唆された。
論文参考訳（メタデータ） (2023-10-17T05:04:53Z)
Federated Prompt Learning for Weather Foundation Models on Devices [37.88417074427373]
天気予報のためのデバイス上のインテリジェンスでは、ローカルなディープラーニングモデルを使用して、集中型クラウドコンピューティングなしで気象パターンを分析する。本稿では,FedPoD(Federated Prompt Learning for Weather Foundation Models on Devices)を提案する。 FedPoDは、通信効率を維持しながら、高度にカスタマイズされたモデルを得ることができる。
論文参考訳（メタデータ） (2023-05-23T16:59:20Z)
Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文参考訳（メタデータ） (2023-04-27T20:21:18Z)
Prompt Federated Learning for Weather Forecasting: Toward Foundation Models on Meteorological Data [37.549578998407675]
地球規模の気候問題に対処するためには、大規模な気象データに基づいて総合的な気象予報を行うための共同プラットフォームを開発する必要がある。本稿では,複雑な気象データを理解し,天気予報を行う領域にまたがる基礎モデルを構築した。低リソースセンサの通信と計算の制約を満たすために,新しいプロンプト学習機構が採用された。
論文参考訳（メタデータ） (2023-01-22T16:47:05Z)

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。