Fugu-MT 論文翻訳(概要): Ensemble Complexity in Photovoltaic Forecasting

論文の概要: Ensemble Complexity in Photovoltaic Forecasting

arxiv url: http://arxiv.org/abs/2609.15049v1
Date: Mon, 14 Sep 2026 05:09:03 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 07:15:06.082783
Title: Ensemble Complexity in Photovoltaic Forecasting
Title（参考訳）: 太陽光発電フォアキャスティングにおけるエンサンブル複雑度
Abstract要約: アンサンブルは、ほとんど寄与しないコンポーネントや計算量を増加させるコンポーネントを追加しながら、太陽光発電の予測を改善することができる。固定ヘテロジニアス予測バンクの比較と改善により,これらの効果を評価する。
参考スコア（独自算出の注目度）: 1.6028290648973895
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: An ensemble can improve photovoltaic forecasts while adding components that contribute little or increase computation. We assess these effects through matched comparisons and ablations of a fixed heterogeneous predictor bank. Hourly experiments use GEFCom2014 and three additional public datasets, with chronological partitions and three seeds. Under retrospective ERA5 assistance, static fusion reduces scaled mean absolute error against matched boosting by 1.11%, 4.41%, and 1.63% on PVDAQ, OPSD, and Ausgrid; only OPSD remains supported after multiple-comparison correction. Weather gating offers no consistent incremental benefit. Exploratory member removals show group-level dependence alongside individual redundancy. A separate, previously inspected fifteen-minute case replaces one neural member with a tree predictor: normalized error falls by 1.72%, but measured inference is slower. These findings support component-wise evaluation with explicit limits on weather availability and test-set reuse.
Abstract（参考訳）: アンサンブルは、ほとんど寄与しないコンポーネントや計算量を増加させるコンポーネントを追加しながら、太陽光発電の予測を改善することができる。固定ヘテロジニアス予測バンクの整合比較と短縮により,これらの効果を評価する。数時間の実験では、GEFCom2014と、時系列分割と3つのシードを含む3つの公開データセットが使用されている。振り返りERA5の補助の下では、静的核融合は、一致するブーイングに対するスケールド平均絶対誤差をPVDAQ、OPSD、Ausgridで1.11%、4.41%、1.63%削減する。天気予報は、一貫した漸進的な利益を与えない。探索的メンバー除去は、個々の冗長性と共にグループレベルの依存を示す。別途検査された15分間のケースでは、1つのニューラル部材をツリー予測器に置き換える:正規化エラーは1.72%減少するが、測定された推論は遅くなる。これらの知見は、気象の可利用性やテストセットの再利用に明確な制限を加えることで、コンポーネントワイズ評価を支援する。

関連論文リスト

IRENE: A Convolutional GRU Ensemble Model for Radar Precipitation Nowcasting over Italy [39.8807633060402]
そこで本研究では, イタリア領域に分布する確率的短距離降水量について, 5分間の時間分解能とSI1kmの時間分解能で予測できる深層学習モデルを提案する。 IRENEは、マルチスケールの畳み込みGated Recurrent Units(ConvGRUs)上に構築されたエンコーダ-プリキャストアーキテクチャを採用する重要サンプリング方式は降水関連事象のトレーニングに重点を置いており, ほぼ公正な連続ランク付き確率スコア(afCRPS)が主要な確率的損失関数として採用されている。
論文参考訳（メタデータ） (2026-09-15T13:38:33Z)
Horizon-specific Expert Fusion for Photovoltaic Power Forecasting [1.6028290648973895]
短期的な太陽光発電の電力予測は、定期的な太陽周期と気象変動を表すモデルを必要とする。本研究では、時間的ニューラルモデル、歴史的類似物、状態気候学、勾配木を組み合わせた階層的なアンサンブルを開発する。
論文参考訳（メタデータ） (2026-09-14T04:52:00Z)
From Concentration to Differentiation and Back: Routing Effective Rank in MoE Reasoning Cohorts [61.695980784491475]
テストタイムスケーリングは、推論ロールアウトのコホートを生成するが、推論が展開するにつれて内部計算がどのように再編成されるかについて、標準的なラベルのない説明はない。本稿では,MoEの専門家による類似性から構築したクロスロールアウトグラフのエントロピー有効次元性であるルーティング有効ランクデフを導入する。
論文参考訳（メタデータ） (2026-09-06T05:43:22Z)
PRIME: Mitigating Subgroup Optimization Competition in Shared CTR Top Networks with Plug-in Residual Input-Conditioned Mixture of Expert [16.073701450851008]
4つのモデルと4つのセマンティックフィールドを持つアバズ上での競合について検討する。我々は,低ランクの残留専門家を混在させたPRIME(Plug-in Residual Input- Conditioned Mixture of Experts)を紹介する。
論文参考訳（メタデータ） (2026-08-31T08:37:44Z)
Tropospheric temperature and humidity profile retrieval from Meteosat Flexible Combined Imager based on deep learning [41.113886294153346]
Meteosat Third Generation (MTG) Flexible Combined Imager (FCI)は、対流圏温度と湿度分布の新しい機会を提供する。入力として予測プロファイルを使わずにFCIから全天球・湿度分布を抽出するための空間認識型深層学習フレームワークを開発した。
論文参考訳（メタデータ） (2026-08-26T12:16:38Z)
Learning Auditable Classifier Models: Source-Disjoint Tree Ensembles [0.0]
臨床および規制された設定における予測モデルは正確で、完全に監査可能である必要がある。本稿では,3段階学習手法であるResidual Pattern Tree Ensemble(RPTE)を紹介する。 RPTEは、有界特徴予算(bounded feature budget)、ソースの不整合(source disjointness)、別個の係数推定という3つの重要な原則に基づいている。
論文参考訳（メタデータ） (2026-08-16T12:56:49Z)
Conditional Co-Ablation: Recovering Self-Repair Backups in Transformer Circuits [47.668752416295185]
条件付き共アブレーションは、各単位のアブレーション効果が一次集合が取り除かれたときにどれだけ増大するかを問う。 GPT-2の小型IOI回路では、CoAxはバックアップヘッドのリカバリを0.33から0.91 ROC-AUCに引き上げる。
論文参考訳（メタデータ） (2026-07-02T09:32:57Z)
AdaPaD: Adaptive Parallel Deflation for PEFT with Self-Correcting Rank Discovery [10.176501817419371]
本稿では,AdaPaD(Adaptive Parallel Deflation)について述べる。我々は、各成分の誤差がウォームアップ期間後に指数関数的に崩壊することを証明する。 AdaPaDは、GLUE上の適応ランクのLoRAベースラインとDeBERTaV3ベースとの整合パラメータ予算で競合する。
論文参考訳（メタデータ） (2026-05-11T15:44:13Z)
Low-Rank Adaptation Reduces Catastrophic Forgetting in Sequential Transformer Encoder Fine-Tuning: Controlled Empirical Evidence and Frozen-Backbone Representation Probes [3.305265383862785]
コンパニオン表現プローブを用いたシーケンシャルトランスフォーマーエンコーダにおけるローランド適応(LoRA)の実証的研究について述べる。 RTE->MRPC->CoLA->SST-2配列上の5つのフルバリデーションBERTベースでは、フル微調整の収率は19.9%+/-で、標準のLoRA(r、クエリ/バリューモジュール)は0.6%+/-1.4%である。
論文参考訳（メタデータ） (2026-03-29T14:14:36Z)
Do Generative Metrics Predict YOLO Performance? An Evaluation Across Models, Augmentation Ratios, and Dataset Complexity [43.338311770275745]
本報告では, YOLOv11の合成増強の制御された評価法について述べる。実際のトレーニングスプリットの10%から150%の増大率に対して, GAN, 拡散, ハイブリッドベースの6つのジェネレータをベンチマークした。データセット生成/拡張設定毎に、マッチしたサイズのブートストラッププロトコルで事前トレーニングデータセットメトリクスを計算する。
論文参考訳（メタデータ） (2026-02-20T03:02:36Z)
Rethinking Long-tailed Dataset Distillation: A Uni-Level Framework with Unbiased Recovery and Relabeling [105.8570596633629]
トラジェクトリに基づく手法の限界を再考することにより,長い尾のデータセット蒸留を再考する。統計的アライメントの観点からバイアスをモデル化し、公正な監督を復元する。提案手法は,CIFAR-100-LTで15.6%,Tiny-ImageNet-LTで11.8%向上する。
論文参考訳（メタデータ） (2025-11-24T07:57:01Z)
Clustered Switchback Designs for Experimentation Under Spatio-temporal Interference [44.644520116360106]
我々は, 平均治療効果 (GATE) を推定し, 全単位を常に治療やコントロールに曝露した平均結果の差を推定した。そこで我々は,単位をクラスタにグループ化し,時間ステップをブロックにグループ化する,クラスタ化されたスイッチバック設計を提案する。良好なクラスタリングを許容するグラフに対して, トラッピングされたHorvitz-Thompson推定器が$tilde O(1/NT)$平均二乗誤差(MSE)を達成することを示す。我々の結果は、citethu2022switchback、ugander2013graph、citetleung2022rateの結果を同時に一般化する。
論文参考訳（メタデータ） (2023-12-25T01:00:58Z)

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。