2つの時系列再構成アプローチを用いたLSTMオートエンコーダベース深層学習可能Bayes推定の比較【JST・京大機械翻訳】

Dana Saumik

プレプリント

J-GLOBAL ID：202202212823393042 整理番号：22P0298586

2つの時系列再構成アプローチを用いたLSTMオートエンコーダベース深層学習可能Bayes推定の比較【JST・京大機械翻訳】

Comparison of LSTM autoencoder based deep learning enabled Bayesian inference using two time series reconstruction approaches

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 (1件)：
資料名：
発行年： 2022年03月03日プレプリントサーバーでの情報更新日： 2022年03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)

本研究では,結合流と地球力学問題における地表面データからの注入速度のロバスト推定を提供するために,LSTM自動符号器の形式におけるBayes推論,Markov連鎖モンテカルロおよび深層学習の組合せを用いた。水注入問題による断層の上面の格子点に対する変位時系列を再構成するために,LSTM自動符号化器を用いた。次に,変位入力から注入速度を推定するため,Bayes推論フレームワークにおける高忠実度モデルの代わりに,このLSTM自動符号器ベースモデルを展開する。【JST・京大機械翻訳】

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

パターン認識

, , , , ,

前のページに戻る