文献

J-GLOBAL ID：202102248123576203   整理番号：21A0068033

深層学習によるクラウドカバーナウキャスティング【JST・京大機械翻訳】

Cloud Cover Nowcasting with Deep Learning

著者 (3件)： Berthomier Lea (METEO FRANCE,AI Lab,Toulouse,France) ,  Pradel Bruno (METEO FRANCE,AI Lab,Toulouse,France) ,  Perez Lior (METEO FRANCE,AI Lab,Toulouse,France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IPTA  ページ： 1-6  発行年： 2020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： キャスティングは,数時間までの短期の天気予報を目的とする気象学の分野である。気象景観において,この分野は,従来の気象が一般的に物理的モデリングに基づくデータ外挿のような特別な技術を必要とするので,むしろ特異的である。本論文では,衛星ショット最適化や光起電力エネルギー生産予測のような様々な応用領域を持つクラウドカバーの現在キャスティングに焦点を当てた。多重画像タスクに関する最近の深層学習成功に続いて,著者らは,クラウドカバーキャスティングのためにMeteosat衛星画像に関する深い畳込みネットワークを適用した。画像セグメンテーションと時系列予測に特化したいくつかのアーキテクチャの結果を示した。機械学習計量と気象計量に従って最良のモデルを選択した。すべての選択したアーキテクチャは,持続性に対して顕著な改善を示し,よく知られたU-NetはAROME物理モデルを上回った。Copyright 2021 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： 光起電力 ,  最適化 ,  畳込み ,  天気予報 ,  外挿法 ,  ネットワーク ,  気象 ,  気象学 ,  多重化 ,  *計算機アーキテクチャ ,  機械学習
準シソーラス用語： 時系列予測 ,  画像セグメンテーション ,  物理モデル ,  *深層学習 , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： 深層学習