-
最近の投稿
- Online Adaptation of Terrain-Aware Dynamics for Planning in Unstructured Environments
- ‘Don’t Do That!’: Guiding Embodied Systems through Large Language Model-based Constraint Generation
- SGN-CIRL: Scene Graph-based Navigation with Curriculum, Imitation, and Reinforcement Learning
- Olfactory Inertial Odometry: Sensor Calibration and Drift Compensation
- Chronoamperometry with Room-Temperature Ionic Liquids: Sub-Second Inference Techniques
-
最近のコメント
表示できるコメントはありません。 cs.AI (39257) cs.CL (29715) cs.CV (44646) cs.HC (2989) cs.LG (44171) cs.RO (23444) cs.SY (3577) eess.IV (5131) eess.SY (3569) stat.ML (5743)
「physics.geo-ph」カテゴリーアーカイブ
The Physics-Informed Neural Network Gravity Model: Generation III
要約 科学的機械学習と物理情報に基づいたニューラル ネットワーク (PINN) … 続きを読む
カテゴリー: cs.LG, physics.geo-ph
The Physics-Informed Neural Network Gravity Model: Generation III はコメントを受け付けていません
Approaches for enhancing extrapolability in process-based and data-driven models in hydrology
要約 プロセスベースでデータ駆動型の水文学モデルの適用は、現代の水文学研究、特に … 続きを読む
カテゴリー: cs.LG, physics.geo-ph
Approaches for enhancing extrapolability in process-based and data-driven models in hydrology はコメントを受け付けていません
Controllable seismic velocity synthesis using generative diffusion models
要約 正確な地震波速度の推定は、地球の地下構造の理解、天然資源の評価、地震の危険 … 続きを読む
カテゴリー: cs.LG, physics.geo-ph
Controllable seismic velocity synthesis using generative diffusion models はコメントを受け付けていません
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability
要約 地球システムの予測可能性は、環境力学の複雑さと関係する多数の変数によって挑 … 続きを読む
カテゴリー: cs.AI, cs.DC, eess.IV, physics.ao-ph, physics.geo-ph
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability はコメントを受け付けていません
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability
要約 地球システムの予測可能性は、環境力学の複雑さと関係する多数の変数によって挑 … 続きを読む
カテゴリー: cs.AI, cs.DC, eess.IV, physics.ao-ph, physics.geo-ph
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability はコメントを受け付けていません
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability
要約 地球システムの予測可能性は、環境力学の複雑さと関係する多数の変数によって挑 … 続きを読む
カテゴリー: cs.AI, cs.DC, eess.IV, physics.ao-ph, physics.geo-ph
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability はコメントを受け付けていません
Machine learning surrogates for efficient hydrologic modeling: Insights from stochastic simulations of managed aquifer recharge
要約 プロセスベースの水文モデルは、陸域の水循環を理解し、現代の水資源問題に対処 … 続きを読む
カテゴリー: cs.LG, physics.geo-ph
Machine learning surrogates for efficient hydrologic modeling: Insights from stochastic simulations of managed aquifer recharge はコメントを受け付けていません
DINOv2 Rocks Geological Image Analysis: Classification, Segmentation, and Interpretability
要約 この研究では、特に地球科学における DINOv2 の応用に焦点を当てて、岩 … 続きを読む
カテゴリー: cs.CV, physics.geo-ph
DINOv2 Rocks Geological Image Analysis: Classification, Segmentation, and Interpretability はコメントを受け付けていません
Shakebot: A Low-cost, Open-source Robotic Shake Table for Earthquake Research and Education
要約 振動表は、地震現象をシミュレートし、地震力に対する構造物の応答をテストする … 続きを読む
カテゴリー: cs.RO, physics.geo-ph
Shakebot: A Low-cost, Open-source Robotic Shake Table for Earthquake Research and Education はコメントを受け付けていません
AI for Extreme Event Modeling and Understanding: Methodologies and Challenges
要約 近年、人工知能（AI）は地球システム科学を含むさまざまな分野に深い影響を与 … 続きを読む
カテゴリー: cs.AI, physics.ao-ph, physics.geo-ph
AI for Extreme Event Modeling and Understanding: Methodologies and Challenges はコメントを受け付けていません