Mar, 2022

我们能否将空间验证方法集成到神经网络损失函数中用于大气科学？

PDF
TL;DR本研究开发了空间增强损失函数（SELF），并针对神经网络（NN）预测雷暴的应用演示了它们的用途，其中 SELF 使用邻域和频域滤波器以空间增强常见的验证分数。研究结果表明，使用 SELF 的模型相较于传统模型具有更好的性能和更好的概率校准。
发现论文，激发创造
  • 基于注意力机制的卫星图像散射网络

    利用散射变换从多通道卫星图像中提取高级特征，并引入分离方案以关注独立输入通道，通过实验对热带气旋强度估计和卫星图像中雷电预测显示出有希望的结果。

    Oct, 2022

  • 使用递归卷积深度学习实现无缝闪电预报

    通过收集有关雷达数据、卫星数据、天气预报数据和数字高程模型数据，使用循环卷积神经网络模型实现了更精准的雷电预报模型，实现了 8 公里内未来 60 分钟闪电的预测。

    Mar, 2022

  • 在空间频域中评估对抗鲁棒性

    CNN 模型易受到对抗攻击的脆弱性为安全关键应用的部署带来了担忧，本研究通过在频域中构建空间频率图层来探讨 CNN 模型的脆弱性，通过广泛的实验观察到空间频率 CNN 模型在白盒和黑盒攻击下比常规 CNN 模型更加稳健，此外，发现低频成分对空间频率 CNN 模型的鲁棒性有重大贡献，这些发现将有助于未来设计更加鲁棒的 CNN 模型。

    May, 2024

  • 时间子采样减弱了地球物理湍流的递归神经网络仿真中的小空间尺度

    该论文研究了机器学习方法在模拟高维地球物理湍流过程中的预测性能，并发现训练数据的时间分辨率对于预测性能的影响。

    Apr, 2023

  • 面向真实世界图像去噪的自适应自监督学习

    本研究提出一种新的思路来解决现实世界 sRGB 图像去噪中空间相关噪声的问题，其通过分别考虑噪声图像中平滑区域和纹理区域的特性，并构建相应的监督来训练模型，最终得到了更好的去噪效果。

    Mar, 2023

  • 使用卷积神经网络高效大规模估计非静态空间协方差函数

    本文提出了一种利用卷积神经网络构建空间分区的方法来解决具有空间非平稳 Matern 协方差的高斯过程参数估计问题，并在合成和真实数据集中对该方法进行了有效性验证。

    Jun, 2023

  • GlobeNet：卷积神经网络用于遥感图像中的台风眼追踪

    本篇研究提出使用多层神经网络基于多通道卫星图像对复杂大气动态进行理解，为单个台风坐标预测任务进行线性回归并在东北半球获得了有趣的预测结果。

    Aug, 2017

  • 太阳多目标多帧盲反卷积及具有空间变化卷积神经模拟器

    该论文介绍了一种利用深度神经网络模拟空间变异卷积的新框架，为天文图像去模糊的效率和准确性带来突破；通过对具有空间不变点扩散函数的图像数据集进行训练，并验证了其适用于空间变异条件，该方法在传统方法上具有显著突破，将卷积模拟器用作太阳图像的多目标多帧盲去模糊算法的前向模型，避免了分块整合技术所带来的伪影现象，从而在处理时间上具有重大的计算优势。

    May, 2024

  • 太阳影像的多光谱熵约束神经压缩

    提出了一种基于变压器的多光谱神经图像压缩器，通过使用窗口聚合令牌多头自注意力机制捕获跨波长的冗余信息，使用随机平移窗口注意力机制使神经压缩器对输入域的平移不变，展示了该方法在多个波长上比传统压缩算法更好地去相关图像。

    Sep, 2023

  • 卷积神经网络应用于天空图像，用于短期太阳辐射预测

    本文介绍了使用深度卷积神经网络预测太阳能辐射强度的初步结果，并探讨了训练算法的图像识别技术，和利用过去相同日期数据进行训练以提高短期预测技能的方法。

    May, 2020