文献

J-GLOBAL ID：201902280421462445   整理番号：19A0037532

残留学習による海洋数値モデルからの予測の修正【JST・京大機械翻訳】

Correcting Predictions from Oceanic Maritime Numerical Models via Residual Learning

著者 (6件)： Wang Tingwei (China University of Petroleum, College of Information and Control Engineering, East China) ,  Gao Song (North China Sea Marine Forecasting Center of State Oceanic Administration, China) ,  Xu Jiangling (North China Sea Marine Forecasting Center of State Oceanic Administration, China) ,  Li Yaru (North China Sea Marine Forecasting Center of State Oceanic Administration, China) ,  Li Peng (China University of Petroleum, College of Information and Control Engineering, East China) ,  Ren Peng (China University of Petroleum, College of Information and Control Engineering, East China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： OCEANS - Kobe  ページ： 1-4  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 有意な波高を正確に予測することは,高潮によって引き起こされる損傷を減少させるために不可欠である。2つの主に広く使われている予測方法,すなわち,数値モデルによる予測,および歴史的観測と予測の統計的性質を用いた予測がある。しかしながら,これらの方法の予測精度は,操作タスクの要求をほとんど満たさない。本論文では,数値モデルの効率的で効果的な補正を得ることができる,残留単一隠れ層フィードフォワードニューラルネットワークを用いた新しい予測修正フレームワークを提案した。ニューラルネットワークは,数値予測と歴史的観測の間の残差を予測するためにランダム入力重みを利用する。提案したフレームワークは,最初に,観測と比較した数値モデルから生成した残差のパターンを調べた。第二に,それは有意な波高の予測精度を改善するために訓練されたモデルを用いて残差を予測する。実験結果は,提案したフレームワークが海洋数値モデルと比較して,より正確で効率的に有意な波高を予測することを明らかにした。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 数値予測 ,  残差 ,  高潮 ,  ニューラルネットワーク ,  *海洋 ,  *学習 ,  *予測 ,  波高 ,  予測技法
準シソーラス用語： フィードフォワードニューラルネットワーク ,  隠れ層 ,  予測精度 ,  統計的性質 ,  *数値モデル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 残留 ,  学習 ,  海洋 ,  数値モデル ,  予測