グリッドデータを超えて:地球観測のためのグラフニューラルネットワークの探索【JST機械翻訳】

Zhao Shan; Chen Zhaiyu; Xiong Zhitong; Shi Yilei; Saha Sudipan; Zhu Xiao Xiang

プレプリント

J-GLOBAL ID：202402202226640887 整理番号：24P0265375

グリッドデータを超えて:地球観測のためのグラフニューラルネットワークの探索【JST機械翻訳】

Beyond Grid Data: Exploring Graph Neural Networks for Earth Observation

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。

arXiv掲載論文の撤回有無については、一次情報をご確認下さい。

著者 (6件)： , , , , ,
資料名：
発行年： 2024年11月05日プレプリントサーバーでの情報更新日： 2024年11月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント言語：英語 (EN)

地球観測(EO)データ解析は,深層学習(DL)により,グリッドのようなデータ構造に典型的に制限される応用により,大きく変革されてきた。グラフニューラルネットワーク(GNN)は重要なイノベーションとして現れ,DLを非Euclidドメインに推進する。自然に,GNNは多様なモダリティ,複数センサ,およびEOデータの異種性により課せられた課題に効果的に取り組むことができる。関連ドメインにGNNを導入するために,本レビューではGNNに関する基本的知識の提供から開始した。次に,GNNが潜在的解を提供できるEOにおける一般的問題を要約した。これに続いて,気象と気候解析,災害管理,大気質監視,農業,土地被覆分類,水文過程モデリング,都市モデリングのような地域をカバーする地球システムにおける科学的問題へのGNNs適用の広域スペクトルを調べた。グラフを組織化し,様々なタスクのための好ましいアーキテクチャを設計するための方法論とともに,これらの分野におけるGNNの採用の背後にある論理的根拠を説明した。さらに,これらのドメインにおけるGNNの実装の方法論的挑戦課題と,将来の研究をガイドできる可能性のあるソリューションを強調した。GNNは普遍的な解ではないと認識されているが,これらを変圧器のような他のポピュラーなアーキテクチャと比較し,それらの潜在的な相乗効果を解析することにより本論文を結論した。【JST機械翻訳】

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

人工知能

, , ,

ライセンス情報：

前のページに戻る