文献

J-GLOBAL ID：202202286042417503   整理番号：22A0446661

深層学習による干ばつレベル予測【JST・京大機械翻訳】

Drought Level Prediction with Deep Learning

著者 (1件)： Liu Chenhao (University of Electronic Science and Technology of China, Chengdu, Sichuan, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1513  ページ： 53-65  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： 干ばつレベルの予測は,農業開発と生態学的保護にとって重要である。いくつかの以前のアプローチは,統計的方法,機械学習などを含んでいる。より正確に干ばつレベルを予測するために,著者らは,従来の研究と同様に専門気象補助情報の追加を避ける深層学習法を用いて,予測システムが専門家の支援なしで自動的に予測できるようにした。本研究では,RNN,CNNおよび注意メカニズムを組み合わせた多数の異なる深層学習モデルを構築し,米国干ばつおよび気象学的データと名付けた公共気象データセットを使用した。同時に,他の予測法と深い学習を比較した。結果は,LSTMと注意機構と組み合わせたInceptionの深層学習ネットワークが0.728の最良のF1スコアを達成し,他の方法より高い干ばつレベルを識別するのにより良いことを示した。全体として,深層学習モデルは機械学習を超える最良の性能を持つが,現在の干ばつ等級分類基準の下では,既存の方法はより高い干ばつグレードを区別できない。Copyright Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  ネットワーク ,  農業 ,  レイティング ,  気象 ,  気象学 ,  統計的方法 ,  *干ばつ ,  気象データ ,  生態学 ,  機械学習
準シソーラス用語： 予測システム ,  *深層学習 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (3件)： 干ばつレベル予測 ,  機械学習 ,  気象データ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 深層学習 ,  干ばつ ,  予測