マルチスケールシステムにおける確率的パラメタリゼーションのためのニューラルネットワークによる再サンプリング【JST・京大機械翻訳】

Crommelin Daan; Edeling Wouter

プレプリント

J-GLOBAL ID：202202210468773120 整理番号：21P0028247

マルチスケールシステムにおける確率的パラメタリゼーションのためのニューラルネットワークによる再サンプリング【JST・京大機械翻訳】

Resampling with neural networks for stochastic parameterization in multiscale systems

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 (2件)： ,
資料名：
発行年： 2020年04月03日プレプリントサーバーでの情報更新日： 2020年04月03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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

マルチスケール動的システムのシミュレーションにおいて,すべての関連プロセスを明確に解決できない。未解決プロセスの影響を考慮すると,パラマー化の必要性を導入することが重要である。完全分解シミュレーションからの観測あるいは参照データの条件付き再サンプリングに用いる機械学習法を示した。それは,巨視的変数に条件付けされた参照データのサブセットの確率的分類に基づいている。本方法を用いて,未解決スケールの不確実性を考慮して,確率的であるパラメタリゼーションを定式化した。パラメタリゼーション法に対して挑戦的な2つの異なるパラメータ設定を用いて,Lorenz96システムに関する著者らのアプローチを検証した。【JST・京大機械翻訳】

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

天気予報

, , ,

前のページに戻る