文献

J-GLOBAL ID：202202213176685174   整理番号：22A0397846

メモリグラフ畳込みネットワークによる海面水温予測【JST・京大機械翻訳】

Sea Surface Temperature Prediction With Memory Graph Convolutional Networks

著者 (4件)： Zhang Xiaoyu (College of Oceanography and Space Informatics, China University of Petroleum (East China), Qingdao, China) ,  Li Yongqing (College of Control Science and Engineering, China University of Petroleum (East China), Qingdao, China) ,  Frery Alejandro C. (School of Mathematics and Statistics, Victoria University of Wellington, Wellington, New Zealand) ,  Ren Peng (College of Oceanography and Space Informatics, China University of Petroleum (East China), Qingdao, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.8017105.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
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： 海面温度(SST)予測のためのメモリグラフ畳込みネットワーク(MGCN)フレームワークを開発した。MGCNは2つのメモリ層から成る:1つのグラフ層と1つの出力層。メモリ層は,時間的畳み込みユニットとゲート線形ユニットを介してSST時間変化を捕捉する。グラフ層は,グラフラプラシアンに由来する特性に関してSST空間変化をコード化する。出力層は以前の層から情報をカプセル化し,SST予測結果を生成する。MGCNは,時間的および空間的変化の両方を特性化し,包括的なSST予測戦略をレンダリングする。実験評価のため渤海と東シナ海の近くの2つの地域に対する日平均SSTデータを用いて,MGCNが沿岸SST予測のための他の伝統的機械学習法より良好に機能することを検証した。さらに,毎週および月平均SSTデータセットでMGCNを試験し,MGCNがロバストでSST予測に適していることを検証した。Copyright 2022 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： *記憶装置 ,  *畳込み ,  *ネットワーク ,  経時変化 ,  *海面水温 ,  東シナ海 ,  沿岸 ,  キャラクタリゼーション ,  ロバスト性 ,  レンダリング ,  機械学習
準シソーラス用語： 渤海 ,  実験評価 ,  グラフラプラシアン , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： グラフ ,  畳込み ,  海面水温 ,  予測