data-driven models | BriefGPT

关键词data-driven models

搜索结果 - 61

ICML通过分布式变量表示增强天气预报
通过使用数据驱动模型中的深度学习，我们提出了一种新的变量聚合方案和高效的学习框架，以增强天气预报的性能和准确性。实验证明，VarteX 在预报性能方面优于传统模型，所需的参数和资源明显减少。通过多种聚合和区域分割训练，学习的有效性得到了证明
PDF6 days ago
基于高斯过程的时间变化系统的未来感知安全主动学习
本文介绍了一种安全的主动学习框架（T-IMSPE），针对时间变化的系统，解决了漂移、季节变化和动态行为引起的复杂性，提高了模型质量，并通过玩具和真实世界的例子进行了实证研究。
PDF2 months ago
内镜手术中的人工智能自主导航：系统综述
人工智能在自主血管内操作导航方面的潜力很大，但目前仍处于实验概念验证阶段，技术准备水平为 3。我们强调指定性能度量的参考标准对于未来几年提出的数据驱动算法的比较至关重要。
PDF2 months ago
生物医学时间序列少样本学习综述
通过使用 AI 方法与类人能力相结合的方法来弥补稀缺标记数据的方法被称为 few-shot learning。本文综述并比较了 few-shot learning 方法在生物医学时间序列应用方面的使用，讨论了该方法相对于传统的数据驱动方法的
PDF2 months ago
衍生品定价和套期保值中的微分机器学习数学
该论文介绍了金融差分机器学习算法的创新概念，通过严谨的数学框架探讨了理论假设对机器学习算法构建的重要影响，从而构建了面向金融模型的数据驱动模型。
PDF2 months ago
使用开放数据集进行电动微移动能耗建模的数据驱动方法
城市交通拥堵和环境恶化所带来的挑战凸显了认可电动出行解决方案在城市空间中的关键性。特别是，电动滑板车和电动自行车等微型电动工具在此过渡过程中起着关键作用，为城市通勤者提供可持续的替代选择。然而，这些工具的能源消耗模式是影响其在真实环境中有效
PDF3 months ago
用于运营的数据驱动气象预测模型集合的亚季节预测
我们提出了一个实用的多模式集成天气预报系统，该系统使用混合数据驱动的天气预测模型与欧洲中期天气预报中心（ECMWF）海洋模型相结合，在 4 周的前期预测全球天气，分辨率为 1 度。对于 2 米温度的预测，我们的集成模型相比于原始的 ECMW
PDF3 months ago
Koopman 集成用于概率时间序列预测
本研究探讨了使用集合模型来生成随机输出的训练方法，证明了通过明确鼓励模型成员产生高模型间方差预测的训练准则，能够显著提高集合模型的不确定性量化能力。
PDF4 months ago
质子交换膜水电解中的机器学习 -- 第一部分：知识整合框架
在这项研究中，我们提出采用一种新颖的框架，即知识集成机器学习，来推进质子交换膜水电解（PEMWE）的发展。通过融合数据驱动的模型和领域专业知识，系统地应对 PEMWE 在优化性能方面的挑战。我们展示了一种分层的三级框架，在 PEMWE 的背
PDF5 months ago
基于多智能体的数据驱动型空中交通应用的迁移学习
提出了一种名为 MA-BERT 的多智能体双向编码器转换模型和预训练及微调迁移学习框架，通过在大型数据集上进行预训练并在其他机场和特定航空交通应用中进行微调，实现了减少总训练时间和利用少量数据实现高性能的目标。
PDF5 months ago
HARDCORE：基于残差扩张卷积神经网络的磁芯中任意波形的 H 场和功率损耗估计
利用数据驱动模型对环形铁氧体芯中稳态功率损耗进行材料特定、波形不可知的估计的 MagNet Challenge 2023 呼吁竞争者。HARDCORE 方法表明，基于物理信息扩展的残差卷积神经网络在先前的观测数据上训练后，可以高效地完成该任
PDF5 months ago
一种结合迁移学习和物理准则建模的混合方法：提高工业废水处理厂中溶解氧浓度预测
使用传递学习方法，将来自开源模拟模型和另一废水处理厂的知识转移到工业废水处理厂，从而提高预测性能。测试和验证性能分别提高了 27% 和 59%。
PDF5 months ago
一种针对高度不平衡工业数据的成本敏感的 Transformer 模型
该文介绍了一种新颖的成本敏感变压器模型，该模型通过融合混合型采样器和基于回归的填充器，以及经过严格测试的方法，从而在工业环境中预测故障方面表现出比现有方法更好的性能，并分析了所提出方法中不同组成部分的贡献。研究结果凸显了该方法在解决工业设置
PDF6 months ago
FengWu-4DVar：将数据驱动的天气预报模型与 4D 变分同化相结合
该研究论文通过将全球人工智能天气预报模型 FengWu 与四维变分同化算法集成，开发出一种 AI 驱动的循环天气预报系统 FengWu-4DVar，该系统可以将观测数据融入数据驱动的天气预报模型，通过考虑大气动力学的时间演化，以无需物理模型
PDF7 months ago
基于数据驱动的流体复杂流动模型中引入对称性
利用流体力学中的对称性，本文运用模拟数据找到了长时间动力学在较低自由度的流形上的演化方程，通过称之为 '' 对称图表 '' 的方法，采用傅里叶变换和自动编码器找到了数据的低维坐标表示，最后利用神经常微分方程在该流形上学习动力学。应用于二维混
PDF7 months ago
MM天气和气候数据理解的基础模型：一项综合调查
人工智能在地球和大气科学领域日益采用数据驱动模型，通过深度学习技术对地球系统的混沌和非线性方面进行解码，以及通过理解天气和气候数据来应对气候挑战。这篇综述全面介绍了针对天气和气候数据专门设计的最先进的人工智能方法，特别关注时间序列和文本数据
PDF7 months ago
使用深度符号分类的可解释欺诈检测
欺诈检测的需求越来越大，需要解释性、透明性和数据驱动的模型。本文提出了深度符号分类（DSC）作为一个扩展，通过搜索所有解析函数的空间来进行分类问题的优化，同时通过深度神经网络进行训练和引导，解决了类不平衡的问题，提高了模型的解释性，并在 P
PDF7 months ago
基于视觉信息的人群仿真模型研究 —— 基于时空卷积网络
本文提出了一种基于视觉信息的众包模拟模型（VID），该模型通过使用先前的社会视觉信息和个体的运动数据来预测行人下一时间步的速度。通过测试该模型在具有不同几何结构的三个公共行人运动数据集上，结果显示该模型在适应不同几何情景方面的能力得到了提升
PDF8 months ago
基于学习的机器人摩擦模型适应
在第四次工业革命中，机器人的部署是不可或缺的，但是机器人与人类的合作制造过程非常复杂，其中建模机器人关节的摩擦力矩一直存在问题。为了解决这个挑战，我们提出了一种基于残差学习的新方法，旨在利用尽可能少的数据将现有摩擦模型适应新的动力学。通过合
PDF8 months ago
通过学习不变表示来打破深度神经网络中的维数诅咒
通过研究深度学习模型的架构和数据内在结构之间的关系，本文探讨了深度学习的理论基础，并通过实验和物理启发式玩具模型的结合，揭示了它们的内在工作原理，旨在填补理论与实践之间的鸿沟。
PDF8 months ago