文献

J-GLOBAL ID：202202235991317522   整理番号：22A1154644

深層学習と高性能計算を用いた風予測【JST・京大機械翻訳】

Wind Prediction Using Deep Learning and High Performance Computing

著者 (5件)： Manero Jaume (Department of Computer Science, Universitat Politecnica de Catalunya, Barcelona, Spain) ,  Bejar Javier (Department of Computer Science, Universitat Politecnica de Catalunya, Barcelona, Spain) ,  Bejar Javier (Barcelona Supercomputing Center, Barcelona, Spain) ,  Cortes Ulises (Department of Computer Science, Universitat Politecnica de Catalunya, Barcelona, Spain) ,  Cortes Ulises (Barcelona Supercomputing Center, Barcelona, Spain)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1540  ページ： 193-207  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 深層学習畳込みニューラルネットワークは,多くのアプリケーションで首尾よく使用されている。その汎用性は,他のアーキテクチャによって提供される特徴表現能力を維持し,改善しながら,訓練するパラメータの数を減らすことにある。その成功のために,畳込みネットワークは画像とビデオ処理アプリケーションのための選択のアーキテクチャになった。風力時系列への畳み込みネットワークの適用はまだ限られており,新手法を開発する高いポテンシャルを持つ分野である。本論文は,いくつかの深い学習モデルを調査して,それらを多段階予測のために風時系列に適用した。実験に用いた時系列は多次元時間スタンプ多変量気象データである。高性能コンピューティングの使用を必要とする126,692の風サイトを有する国立再生可能研究所からの風データの大きなデータセットを使用した。実験結果は,畳込みネットワークが風時系列予測のための有効なアプローチであることを示した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  学習モデル ,  ネットワーク ,  予測 ,  ニューラルネットワーク ,  気象データ ,  録画装置 ,  応用プログラム ,  風力 ,  高次元 ,  計算機アーキテクチャ ,  *機械学習
準シソーラス用語： 時系列予測 ,  多変量 ,  特徴表現 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (7件)： 風の予測 ,  時系列 ,  深層学習 ,  CNN ,  畳込みネットワーク ,  多段階予測 ,  HPC

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 深層学習 ,  高性能計算 ,  風 ,  予測