Fusing Climate Data Products using a Spatially Varying Autoencoder

要約

オートエンコーダーは、複数のデータ ソースからの情報を圧縮するために使用される強力な機械学習モデルです。
ただし、オートエンコーダーは、他のすべての人工ニューラル ネットワークと同様に、識別できず、解釈できないことがよくあります。
この研究は、気候データ製品を融合して組み合わせるために使用できる、識別可能で解釈可能なオートエンコーダーの作成に焦点を当てています。
提案されたオートエンコーダーはベイジアン統計フレームワークを利用し、空間的に変化しながら確率的解釈を可能にし、さまざまなデータ製品にわたって有用な空間パターンを捕捉します。
オートエンコーダーがデータ内のパターンを学習するときに制約が設定され、各入力からの重要な特徴を含む解釈可能なコンセンサスが作成されます。
私たちは、アジアの高山地域における複数の降水量からの情報を組み合わせることにより、オートエンコーダーの有用性を実証します。

要約(オリジナル)

Autoencoders are powerful machine learning models used to compress information from multiple data sources. However, autoencoders, like all artificial neural networks, are often unidentifiable and uninterpretable. This research focuses on creating an identifiable and interpretable autoencoder that can be used to meld and combine climate data products. The proposed autoencoder utilizes a Bayesian statistical framework, allowing for probabilistic interpretations while also varying spatially to capture useful spatial patterns across the various data products. Constraints are placed on the autoencoder as it learns patterns in the data, creating an interpretable consensus that includes the important features from each input. We demonstrate the utility of the autoencoder by combining information from multiple precipitation products in High Mountain Asia.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google