合成ワーピングによる大規模非定常時空間共分散モデルの構築【JST・京大機械翻訳】

Vu Quan; Zammit-Mangion Andrew; Chuter Stephen J.

プレプリント

J-GLOBAL ID：202202215333210887 整理番号：22P0286172

合成ワーピングによる大規模非定常時空間共分散モデルの構築【JST・京大機械翻訳】

Constructing Large Nonstationary Spatio-Temporal Covariance Models via Compositional Warpings

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： 2022年02月07日プレプリントサーバーでの情報更新日： 2023年03月16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)

環境現象を理解し予測することは,しばしばGauss過程である時空間統計モデルの構築を必要とする。Gauss過程に関する共通仮定は共分散定常性であり,それは多くの地球物理学的応用において非現実的である。本論文では,縦糸空間-時間領域上の定常過程をモデル化することにより,記述的非定常空間-時間モデルを構築するために,深層学習にヒントを得たアプローチを導入した。著者らが用いたワーピング関数は,組成を通して組み合わせるとき,複雑なワーピングを誘発することができるいくつかの単純な注入ワーピングユニットを用いて構築される。縦糸ドメイン上の静止時空間共分散関数は,元の領域上で共分散非定常性を誘導した。スパース線形代数法を用いて,大きなデータ設定でモデルを当てはめたときの計算量を低減した。提案した非定常空間時間モデルは,空間と時間の両方で共分散非定常性を捕捉することができ,シミュレーション研究と実世界データセットの両方で従来の定常モデルより良い確率的予測を提供することを示した。【JST・京大機械翻訳】

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

統計学

, , , , , ,

前のページに戻る