残差ニューラルネットワークを用いた長ラン予測のためのSentinel-2スペクトル動力学の学習【JST・京大機械翻訳】

Estopinan Joaquim; Tochon Guillaume; Drumetz Lucas

プレプリント

J-GLOBAL ID：202202207747007886 整理番号：21P0061811

残差ニューラルネットワークを用いた長ラン予測のためのSentinel-2スペクトル動力学の学習【JST・京大機械翻訳】

Learning Sentinel-2 Spectral Dynamics for Long-Run Predictions Using Residual Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年11月17日プレプリントサーバーでの情報更新日： 2021年03月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

マルチスペクトル画像時系列の殆どは,空間的,スペクトル的および時間的情報の同時解析の複雑性のため,有望だが,まだ比較的探索されていない研究方向である。時間的動力学の把握と特性化は,重要で挑戦的な課題の一つである。著者らの新しい方法は,実際のデータダイナミックスを捉える方法を開き,最終的には,非混合や分類のような応用に役立つ。時系列動力学の取扱いは古典的に動的モデルと観測モデルの知識を必要とする。前者は,正しく,あるいは計算が困難であり,従って,データから直接学習ダイナミクスを狙ったデータ駆動戦略を動機付ける。本論文では,ニューラルネットワークアーキテクチャを適用して,シミュレーションおよび実際のマルチスペクトル時系列の両方の周期的ダイナミクスを学習した。周期動力学を把握するための正しい状態変数の選択の必要性を強調し,著者らのモデルが1年間の訓練データだけを用いて植生の平均季節動力学を再現することができることを示した。【JST・京大機械翻訳】

, , , , , ,
, , , , , , , 【Automatic Indexing@JST】

光合成 , 写真測量,空中写真

, , , , ,

前のページに戻る