Fugu-MT 論文翻訳(概要): The interface of data assimilation and machine learning

論文の概要: The interface of data assimilation and machine learning

arxiv url: http://arxiv.org/abs/2610.07496v1
Date: Mon, 05 Oct 2026 22:59:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-08 02:58:29.70083
Title: The interface of data assimilation and machine learning
Title（参考訳）: データ同化と機械学習のインターフェース
Abstract要約: データ同化(DA、Data Assimilation)は、システムの状態を最適に推定するために、モデルからの予測と観測を組み合わせるプロセスである。本稿では機械学習(ML)とDAのインターフェースについて論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Data assimilation (DA) is the process of combining forecasts from a model with observations in order to optimally estimate the state of a system. This is critical for chaotic systems, such as the atmosphere, since if observations are not continually assimilated the model will quickly lose skill. DA is routinely performed (usually every 6 hours) at operational forecasting centres around the world. In this article we discuss the interface of machine learning (ML) and DA. This is still an emerging and quickly developing field, and this article tries to give an overview of some of the main topics and methods.
Abstract（参考訳）: データ同化(DA、Data Assimilation)は、システムの状態を最適に推定するために、モデルからの予測と観測を組み合わせるプロセスである。これは大気のようなカオスシステムにとって重要であり、観測が継続的に同化されないと、モデルはすぐにスキルを失う。 DAは、世界中の運用予測センターで定期的に(通常6時間ごとに)実行される。本稿では機械学習(ML)とDAのインターフェースについて論じる。この記事では、いくつかの主要なトピックとメソッドの概要を説明します。

関連論文リスト

Training-Free Data Assimilation with GenCast [8.157814461291746]
本研究では,力学系をエミュレートするために事前学習した拡散モデルを用いて,データ同化を行う軽量で汎用的な手法を提案する。本手法は,データ同化アルゴリズムのクラスである粒子フィルタ上に構築されており,それ以上の訓練は不要である。我々は,グローバルアンサンブル天気予報を生成する拡散モデルであるGenCastの方法論について述べる。
論文参考訳（メタデータ） (2025-09-23T08:59:44Z)
Generalizing Weather Forecast to Fine-grained Temporal Scales via Physics-AI Hybrid Modeling [55.13352174687475]
本稿では,天気予報をトレーニングデータセットを超える微細な時間スケールに一般化する物理AIハイブリッドモデル(WeatherGFT)を提案する。具体的には、小さな時間スケールで物理進化をシミュレートするために、慎重に設計されたPDEカーネルを用いる。また、異なるリードタイムでのモデルの一般化を促進するためのリードタイムアウェアトレーニングフレームワークも導入する。
論文参考訳（メタデータ） (2024-05-22T16:21:02Z)
Fuxi-DA: A Generalized Deep Learning Data Assimilation Framework for Assimilating Satellite Observations [15.934673617658609]
ディープラーニングモデルは、世界中のトップNWPモデルのマッチング、さらには予測精度を超越する可能性を示している。本研究は、衛星観測を同化するための一般化されたDLベースのDAフレームワークであるFuxiDAを紹介する。 Fengyun-4Bに搭載されたAdvanced Geosynchronous Radiation Imager(AGRI)のデータを同調することにより、FuXi-DAは解析誤差を一貫して軽減し、予測性能を大幅に改善する。
論文参考訳（メタデータ） (2024-04-12T15:02:14Z)
Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。この手法を現実のシナリオに適用するのは,私たちが初めてです。
論文参考訳（メタデータ） (2023-12-18T09:05:28Z)
Towards a Prediction of Machine Learning Training Time to Support Continuous Learning Systems Development [5.207307163958806]
我々は全文を実証研究する。 ZhengらによるFPTC(Time Complexity)アプローチ。本稿では,ロジスティック回帰とランダムフォレスト分類のための定式化について検討する。本研究では,本研究から,学習時間の予測が文脈とどのように密接に関連しているかを観察する。
論文参考訳（メタデータ） (2023-09-20T11:35:03Z)
A Meta-learning Approach to Reservoir Computing: Time Series Prediction with Limited Data [0.0]
本研究では,実験プロセスから適切なモデル構造を自動的に抽出するデータ駆動型手法を提案する。簡単なベンチマーク問題に対して,我々のアプローチを実証する。
論文参考訳（メタデータ） (2021-10-07T18:23:14Z)
Using Data Assimilation to Train a Hybrid Forecast System that Combines Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文参考訳（メタデータ） (2021-02-15T19:56:48Z)
Supervised learning from noisy observations: Combining machine-learning techniques with data assimilation [0.6091702876917281]
本稿では,予測モデルと固有不確かさを,入射雑音観測と最適に組み合わせる方法について述べる。得られた予測モデルは、訓練後、計算的に安価であると同時に、極めて優れた予測能力を有することを示す。本手法は,予測タスクを超えて,確率的予測のための信頼性の高いアンサンブルを生成するとともに,マルチスケールシステムにおける効果的なモデルクロージャを学習するためにも有効であることを示す。
論文参考訳（メタデータ） (2020-07-14T22:29:37Z)

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。