プロセス畳込みによるデータ駆動地球観測におけるドメイン知識の統合【JST・京大機械翻訳】

Svendsen Daniel Heestermans; Piles Maria; Munoz-Mari Jordi; Luengo David; Martino Luca; Camps-Valls Gustau

文献

J-GLOBAL ID：202202237276788465 整理番号：22A0202522

プロセス畳込みによるデータ駆動地球観測におけるドメイン知識の統合【JST・京大機械翻訳】

Integrating Domain Knowledge in Data-Driven Earth Observation With Process Convolutions

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0202522&from=J-GLOBAL&jstjournalNo=H0016B") }}

著者 (6件)： , , , , ,
資料名：
巻： 60 ページ： ROMBUNNO.4401715.1-15 発行年： 2022年
JST資料番号： H0016B ISSN： 0196-2892 CODEN： IGRSD2 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)

地球観測(EO)データのモデリングは困難な問題であり,典型的には純粋に機構的あるいは純粋にデータ駆動法のいずれかによってアプローチされる。機構モデルは,システムを支配するドメイン知識と物理的規則を符号化する。しかし,このようなモデルは問題における変数間のすべての相互作用の正しい仕様を必要とし,適切なパラメタリゼーションはそれ自体の課題である。他方,機械学習手法は柔軟なデータ駆動ツールであり,任意に複雑な関数を近似できるが,データが不足しているか,あるいは外挿体制において,解釈可能性とスラググルを欠いている。本論文では,両アプローチを組み合わせたハイブリッド学習スキームがこれら全ての問題を効率的に対処できると主張した。EO問題におけるハイブリッドモデリングのためのGaussプロセス(GP)畳込みモデルを導入した。特に,EO時系列モデリング,解析,および理解のための潜在力モデル(LFM)と呼ばれるGP畳込みモデルのクラスの使用を提案した。LFMは,多出力GPモデルに微分方程式に符号化された物理的知識を組み込んだハイブリッドモデルである。LFMは時系列にわたって情報を転送し,欠落観測に対処し,システムを強制する明示的潜在関数を推論し,システム解析と解釈可能性にとって非常に役立つパラメータ化を学習する。2つの事例研究における性能を示した。最初に,活性高度散乱計(ASCAT)とパッシブ[SMと海洋塩分(SMOS),先進マイクロ波走査放射計-2(AMSR2)]マイクロ波衛星からの土壌水分(SM)の時系列を考察した。支配方程式として一次微分方程式を仮定して,モデルはSM持続性に関連するe折畳み時間あるいは減衰速度を自動的に推定し,降水に関連する潜在力を発見することを示した。第2の事例研究では,異なる空間的および時間的ドメインにわたるそれらの関係を利用して,中程度の分解能イメージング分光放射計(MODIS)光学時系列から,モデルがどのように葉面積指数(LAI)のギャップおよび吸収光合成活性放射(fAPAR)の分画を埋めることができるかを示した。提案したハイブリッド方法論は,統計的学習と機構モデリングを混合することにより,リモートセンシングパラメータ推定における2つの主なアプローチを調和する。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】

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

その他の情報処理 , 環境問題 , 人工知能

, , , , ,

前のページに戻る