文献

J-GLOBAL ID：202202287455814695   整理番号：22A0630090

嵐ナウキャスティングのための深層学習モデルの開発【JST・京大機械翻訳】

Developing Deep Learning Models for Storm Nowcasting

著者 (2件)： Cuomo Joaquin (Department of Electrical and Computer Engineering, Colorado State University, Fort Collins, CO, USA) ,  Chandrasekar V. (Department of Electrical and Computer Engineering, Colorado State University, Fort Collins, CO, USA)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.4103713.1-13  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)

抄録/ポイント： ストームキャスティングは,合理的に高速サンプリングされたレーダデータに依存し,深層学習(DL)は,この膨大な量のデータを利用するために使用できる。過去5年間のこのトピックに関するすべての出版物にもかかわらず,まだアドホックな仮定と標準化の欠如がある。本研究は,異なる歴史長さの影響や訓練段階中の非凸計量を用いて,現在キャスティングシステムに対するDLモデルの開発についてはまだ解析されていない側面を扱う。例えば,損失関数が変わるとしても,予測は予測に大きく影響しず,予測フレームの数が顕著な影響を持つことを示した。異なるモデルを提案して,他のDLモデルに対するそれらの性能を比較するために,実験結果を使用した。結果は,提案モデルが,多くの観点において,既存の実装より優れていることを示した。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： レーダ ,  刊行物 ,  損失関数 ,  データ ,  標準化 ,  予測 ,  *モデル ,  凸形 ,  *機械学習
準シソーラス用語： *ナウキャスト ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 嵐 ,  ナウキャスティング ,  深層学習 ,  モデル ,  開発