論文の概要: Subsurface schematisation from sparse CPT data using the tabular foundation model TabPFN
- arxiv url: http://arxiv.org/abs/2611.16088v1
- Date: Wed, 11 Nov 2026 22:57:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.287086
- Title: Subsurface schematisation from sparse CPT data using the tabular foundation model TabPFN
- Title(参考訳): 表層基礎モデルTabPFNを用いたスパースCPTデータからの地下スキーマ化
- Abstract要約: 地下のスキーマ化は、地質学的決定をサポートするが、サイト調査データが少ないため、依然として困難である。
まずグリッド座標のみを用いた2次元断面の再構成と,スパースコーン浸透試験(CPT)による土壌挙動型指数観測を行った。
合成セクションを訓練した条件付き生成ネットワークGANと比較し,オランダの2つの現場で合成セクションに対するアプローチを評価した。
- 参考スコア(独自算出の注目度): 1.5879934385396952
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Subsurface schematisation supports geotechnical decisions but remains challenging because sparse site-investigation data leave substantial gaps in information about ground conditions. This study explores TabPFN, a foundation model pretrained on general synthetic tabular data, for this task. Using only grid coordinates and soil behaviour type index observations from sparse cone penetration tests (CPTs), we first reconstruct two-dimensional sections without geotechnical fine-tuning or predefined layer boundaries. We evaluate the approach on synthetic sections and at two field sites in the Netherlands, comparing it with SchemaGAN, a conditional generative adversarial network trained on synthetic geotechnical sections, and with reference interpolation methods. In the baseline comparisons, TabPFN achieved mean errors close to SchemaGAN's on synthetic sections and lower mean errors at both field sites. On synthetic sections, TabPFN's mean absolute error decreased at each tested increase in CPT count, and, under the baseline input setting, its pointwise prediction intervals had mean coverage close to nominal levels. Subsequent fine-tuning on the synthetic sections used to train SchemaGAN improved synthetic test accuracy but increased mean errors at both field sites. These findings indicate that general-purpose tabular foundation models offer a promising route for updating subsurface predictions from sparse and evolving site-investigation data without retraining.
- Abstract(参考訳): 地下のスキーマ化は、地質学的決定をサポートするが、サイト調査の少ないデータは、地上の状況に関する情報にかなりのギャップを残しているため、依然として困難なままである。
本研究は,一般的な合成表型データに基づく基礎モデルであるTabPFNについて検討する。
格子座標と粗円錐浸透試験 (CPT) による土壌挙動型指数観測のみを用いて, 地層境界や既定層境界のない2次元断面を再構成する。
本研究は, オランダの2つの現場において, 合成地層と合成地層で訓練された条件生成対向ネットワークであるSchemaGANと比較し, 合成地層と合成地層へのアプローチを評価し, 参照補間法を用いて検討した。
ベースライン比較において、TabPFNはSchemaGANに近く平均誤差を達成し、両方の現場で平均誤差を下げた。
合成区間では, CPT数の増加毎にTabPFNの平均絶対誤差は減少し, 基準入力条件下では, 平均誤差は名目レベルに近かった。
その後、SchemaGANの訓練に用いる合成部位の微調整により、合成試験精度は向上したが、両方の現場における平均誤差は増大した。
これらの結果から, 汎用表層基盤モデルでは, 再トレーニングを伴わずに, 表面下予測をスパースから更新し, サイト調査データを進化させることが可能であることが示唆された。
関連論文リスト
- COMPASS: Contextual Moment Prior Alignment for Generalizable AIGI Detection [87.91469665365304]
一般化可能なAI生成画像(AIGI)とディープフェイク検出は、非対称性現象のため難しいままである。
最近の部分空間適応法は、残留部分空間を適応させながら高次主成分を凍結することによりこの問題を軽減する。
本稿では,小さなSemantic Proxy Setを用いて,ターゲットのアクティベーション統計を推定するデータ認識サブスペース適応フレームワークを提案する。
論文 参考訳(メタデータ) (2026-10-13T09:23:12Z) - LeCropFollow: Latent Space Planning for Navigation in Unstructured Crop Fields [7.898784066160524]
本稿では,視覚ナビゲーションフレームワークLeCropFollowについて述べる。
その結果,LeCropFollowは非構造行で最先端のベースラインと一致しているが,プランテーションギャップでは著しく優れていた。
これらの結果から,不均一な農業環境下での運用において,潜在計画が幾何的推定に頑健な代替手段となることが示唆された。
論文 参考訳(メタデータ) (2026-06-30T16:47:08Z) - TabPFN Extensions for Interpretable Geotechnical Modelling [1.89576312978177]
本稿では,テキスト内学習を用いたトランスフォーマーベース基盤モデルであるTabPFNについて検討する。
本研究では,TabPFN由来の埋め込みにコサイン類似性解析を適用し,反復的推論手法から完全な後部分布を可視化し,SHAPに基づく特徴量の計算を行う。
以上の結果から,データスカース地盤技術における不確実性を考慮したパラメータ推論を支援する基盤モデルツールの可能性が示唆された。
論文 参考訳(メタデータ) (2026-03-22T03:06:28Z) - Tabular foundation model for GEOAI benchmark problems BM/AirportSoilProperties/2/2025 [2.07098502859192]
本稿では,GEOAIベンチマークBM/AirportSoilProperties/2/2025で定義されたサイト特性問題に対する Tabular Prior-Data Fitted Network (TabPFN) の新たな応用について述べる。
我々は、TabPFNをゼロトレーニング、少数ショット、空間内学習設定に適用し、大きな間接データベース(BID)から追加のコンテキストを提供する。
この研究は、TabPFNが汎用基礎モデルとして優れた精度とよく校正された予測分布を達成したことを示す。
論文 参考訳(メタデータ) (2025-09-03T10:21:18Z) - TwinTURBO: Semi-Supervised Fine-Tuning of Foundation Models via Mutual Information Decompositions for Downstream Task and Latent Spaces [10.86297454943578]
本稿では,限られたラベル付きデータに対するトレーニングの課題に対処する,半教師付き微調整フレームワークを提案する。
いくつかのデータセットの実験では、極低ラベル条件下での分類タスクが大幅に改善された。
論文 参考訳(メタデータ) (2025-03-10T20:56:54Z) - Edge Classification on Graphs: New Directions in Topological Imbalance [53.42066415249078]
異なるクラスにまたがるエッジの歪んだ分布から生じる新しいトポロジカル不均衡問題」を同定する。
本稿では,各エッジのトポロジ的不均衡を測定する新しいトポロジ的指標であるトポロジカルエントロピー(TE)を紹介する。
TEをベースとした(合成)エッジのトレーニングに重点を置くため、トポロジカルリウェイトリングとTEウェッジベースのMixupという2つの戦略を開発した。
論文 参考訳(メタデータ) (2024-06-17T16:02:36Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳(メタデータ) (2021-02-15T10:37:52Z) - Revisiting LSTM Networks for Semi-Supervised Text Classification via
Mixed Objective Function [106.69643619725652]
我々は,単純なBiLSTMモデルであっても,クロスエントロピー損失でトレーニングした場合に,競争的な結果が得られるようなトレーニング戦略を開発する。
いくつかのベンチマークデータセット上で,テキスト分類タスクの最先端結果について報告する。
論文 参考訳(メタデータ) (2020-09-08T21:55:22Z) - Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。
本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。
複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
論文 参考訳(メタデータ) (2020-03-31T22:38:09Z)
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。