समुद्र सतह तापमान पूर्वानुमान के लिए डीप न्यूरल नेटवर्क: संदर्भ

लिंक की तालिका

• सार और परिचय
• पृष्ठभूमि
• प्रस्तावित विधि
• प्रयोगात्मक परिणाम और विश्लेषण
• निष्कर्ष और भविष्य के काम
• संदर्भ

प्रतिक्रिया दें संदर्भ

[1] एएफ शेचेपेटकिन और जेसी मैकविलियम्स, "क्षेत्रीय महासागरीय मॉडलिंग प्रणाली (आरओएमएस): एक विभाजित-स्पष्ट, मुक्त-सतह, स्थलाकृति-अनुसरण-समन्वय महासागरीय मॉडल," महासागर मॉडलिंग, खंड 9, संख्या 4, पृष्ठ 347-404, 2005।

[2] आर. जैकब, सी. शेफ़र, आई. फ़ॉस्टर, आदि। "फास्ट ओशन एटमॉस्फ़ियर मॉडल का कम्प्यूटेशनल डिज़ाइन और प्रदर्शन," कम्प्यूटेशनल साइंस पर अंतर्राष्ट्रीय सम्मेलन की कार्यवाही। 2001, पृष्ठ 175-184।

[3] सी. चेन, आर.सी. बियर्डस्ले, जी. काउल्स, आदि। “एक असंरचित ग्रिड, परिमित मात्रा तटीय महासागर मॉडल: एफ.वी.सी.ओ.एम. प्रणाली,” समुद्र विज्ञान, खंड 19, संख्या 1, पृष्ठ 78-89, 2015।

[4] ई.पी. चेसिग्नेट, एच.ई. हर्लबर्ट, ओ.एम. स्मेडस्टैड, आदि। “एचवाईकॉम (हाइब्रिड कोऑर्डिनेट ओशन मॉडल) डेटा एसिमिलेटिव सिस्टम,” जर्नल ऑफ मरीन सिस्टम, खंड 65, संख्या 1, पृष्ठ 60-83, 2007।

[5] वाई. लेकुन, वाई. बेंगियो, जी. हिंटन. “डीप लर्निंग,” नेचर, खंड 521, पृष्ठ 436-444, 2015.

[6] पीसी बर्मेंट, एमएम ब्रोंस्टीन, आरजे वुड, एट अल. "स्पर्म व्हेल बायोएकॉस्टिक्स का पता लगाने और वर्गीकरण के लिए डीप मशीन लर्निंग तकनीक," साइंटिफिक रिपोर्ट्स, वॉल्यूम 9, नंबर 1, पीपी. 1-10, 2019.

[7] वी. अल्केन वी, एन.ओ. हैंडगार्ड, एस. रोसेन, आदि। "सिंथेटिक डेटा पर प्रशिक्षित कन्वोल्यूशनल न्यूरल नेटवर्क का उपयोग करके मछली प्रजातियों की पहचान," आईसीईएस जर्नल ऑफ मरीन साइंस, खंड 76, संख्या 1, पृष्ठ 342-349, 2019।

[8] ई. लीमा, एक्स. सन, जे. डोंग, आदि। “महासागरीय सीमा पहचान के लिए कन्वोल्यूशनल न्यूरल नेटवर्क ज्ञान सीखना और स्थानांतरित करना,” आईईईई जियोसाइंस एंड रिमोट सेंसिंग लेटर्स, खंड 14, संख्या 3, पृष्ठ 354-358, 2017।

[9] एल. जू, एक्स. वांग, एक्स. वांग, "डीप जेनरेशन नेटवर्क पर आधारित शिपव्रेक का पता लगाना और सोनार छवियों की छोटी मात्रा के साथ ट्रांसफर लर्निंग," आईईईई डेटा ड्रिवेन कंट्रोल एंड लर्निंग सिस्टम कॉन्फ्रेंस (डीडीसीएलएस), 2019, पृष्ठ 638-643।

[10] वाई. रेन, एक्स. ली, डब्ल्यू. झांग, "पिघलने के मौसम के दौरान पैन-आर्कटिक के साप्ताहिक समुद्री बर्फ सांद्रता भविष्यवाणी के लिए एक डेटा-संचालित गहन शिक्षण मॉडल," आईईईई ट्रांजेक्शन ऑन जियोसाइंस एंड रिमोट सेंसिंग, वॉल्यूम 60, पीपी. 1-19, 2022.

[11] एम. रीचस्टीन, जी. कैम्प्स-वाल्स, बी. स्टीवंस, आदि। “डेटा-संचालित पृथ्वी प्रणाली विज्ञान के लिए गहन शिक्षण और प्रक्रिया समझ,” नेचर, खंड 566, संख्या 7743, पृष्ठ 195-204, 2019।

[12] एनडी ब्रेनोवित्ज़, सीएस ब्रेथरटन। “न्यूरल नेटवर्क एकीकृत भौतिकी पैरामीटराइजेशन का पूर्वानुमानात्मक सत्यापन,” जियोफिजिकल रिसर्च लेटर्स, खंड 45, संख्या 12, पृष्ठ 6289-6298, 2018।

[13] ओ. पनेकोके और आर. फैबलेट। “पीडीई-नेटजेन 1.0: भौतिक प्रक्रियाओं के प्रतीकात्मक आंशिक अंतर समीकरण (पीडीई) अभ्यावेदन से लेकर प्रशिक्षित तंत्रिका नेटवर्क अभ्यावेदन तक,” जियोसाइंटिफिक मॉडल डेवलपमेंट, खंड 13, संख्या 7, पृष्ठ 3373-3382, 2020।

[14] के. पाटिल, एम.सी. देव, एम. रविचंद्रन। “संख्यात्मक और तंत्रिका तकनीकों के संयोजन से समुद्री सतह के तापमान की भविष्यवाणी,” जर्नल ऑफ एटमॉस्फेरिक एंड ओशनिक टेक्नोलॉजी, खंड 33, संख्या 8, पृष्ठ 1715-1726, 2016।

[15] वाईजी हैम, जेएच किम, जेजे लुओ। “बहु-वर्षीय ईएनएसओ पूर्वानुमानों के लिए गहन शिक्षण,” नेचर, खंड 573, संख्या 7775, पृष्ठ 568-572, 2019।

[16] आई. गुडफेलो, जे. पौगेट-अबादी, एम. मिर्ज़ा, आदि। “जेनेरेटिव एडवर्सरीयल नेट्स,” न्यूरल इन्फॉर्मेशन प्रोसेसिंग सिस्टम्स (न्यूरआईपीएस) में प्रगति की कार्यवाही, 2014।

[17] एल. यांग, डी. झांग, जी.ई. कर्नियाडाकिस। “स्टोकेस्टिक डिफरेंशियल इक्वेशन के लिए भौतिकी-सूचित जनरेटिव एडवर्सरीयल नेटवर्क,” एसआईएएम जर्नल ऑन साइंटिफिक कंप्यूटिंग, वॉल्यूम 42, नंबर 1, पीपी. ए292-ए317, 2020।

[18] बी. लुटजेंस, बी. लेशचिंस्की, सी. रेक्वेना-मेसा, आदि. “तटीय बाढ़ दृश्य के लिए भौतिकी-सूचित ¨ जीएएन,” arXiv प्रीप्रिंट arXiv:2010.08103, 2020.

[19] क्यू. झेंग, एल. ज़ेंग, जी.ई. कर्नियाडाकिस, "भौतिकी-सूचित सिमेंटिक इनपेंटिंग: भूस्थैतिक मॉडलिंग में अनुप्रयोग," जर्नल ऑफ़ कम्प्यूटेशनल फ़िज़िक्स, वॉल्यूम 419, पृष्ठ 1-10, 2020।

[20] एक्स. शि, जेड. चेन, एच. वांग, आदि। "कन्वोल्यूशनल एलएसटीएम नेटवर्क: प्रीसिपिटेशन नाउकास्टिंग के लिए एक मशीन लर्निंग दृष्टिकोण," न्यूरल इंफॉर्मेशन प्रोसेसिंग सिस्टम (न्यूरआईपीएस) में प्रगति की कार्यवाही, 2015।

[21] जे. गु, जेड. वांग, जे. कुएन, आदि। “कन्वोल्यूशनल न्यूरल नेटवर्क में हालिया प्रगति,” पैटर्न रिकॉग्निशन, पृ. 354-377, 2018।

[22] एच. जी.ई., जेड. यान, डब्ल्यू. यू, एट अल. "वीडियो एक्शन रिकग्निशन के लिए एक ध्यान तंत्र आधारित कन्वोल्यूशनल एलएसटीएम नेटवर्क," मल्टीमीडिया टूल्स एंड एप्लीकेशन', वॉल्यूम 78, नंबर 14, पीपी. 20533-20556, 2019.

[23] डब्ल्यू. चे, और एस. पेंग, “कन्वोल्यूशनल एलएसटीएम नेटवर्क और मानव गति पहचान के लिए आरजीबी-डी वीडियो,” आईईईई सूचना प्रौद्योगिकी और मेक्ट्रोनिक्स इंजीनियरिंग सम्मेलन (आईटीओईसी) की कार्यवाही, 2018, पृष्ठ 951-955।

[24] आई.डी. लिंस, एम. अरुजो, एट अल. “सपोर्ट वेक्टर मशीनों द्वारा उष्णकटिबंधीय अटलांटिक में समुद्र की सतह के तापमान की भविष्यवाणी,” कम्प्यूटेशनल सांख्यिकी और डेटा विश्लेषण, खंड 61, पृष्ठ 187-198, 2013।

[25] पाटिल के, देव एम सी. “कृत्रिम तंत्रिका नेटवर्क के साथ समुद्र की सतह के तापमान का बेसिन-स्केल पूर्वानुमान,” जर्नल ऑफ एटमॉस्फेरिक एंड ओशनिक टेक्नोलॉजी, खंड 35, संख्या 7, पृष्ठ 1441-1455, 2018।

[26] क्यू. झांग, एच. वांग, जे. डोंग, आदि। “दीर्घकालिक स्मृति का उपयोग करके समुद्र की सतह के तापमान की भविष्यवाणी,” आईईईई जियोसाइंस एंड रिमोट सेंसिंग लेटर्स, खंड 14, संख्या 10, पृष्ठ 1745-1749, 2017।

[27] वाई. यांग, जे. डोंग, एक्स. सन एक्स, एट अल. “समुद्री सतह तापमान भविष्यवाणी के लिए एक सीएफसीसी-एलएसटीएम मॉडल,” आईईईई जियोसाइंस एंड रिमोट सेंसिंग लेटर्स, खंड 15, संख्या 2, पृष्ठ 207-211, 2017.

[28] के. पाटिल, एमसी देव, “कुशल तंत्रिका नेटवर्क का उपयोग करके दैनिक समुद्री सतह के तापमान की भविष्यवाणी,” ओशन डायनेमिक्स, खंड 67, संख्या 3, पृष्ठ 357-368, 2017।

[29] एस. ओउला, सी. हर्ज़ेट, आर. फैबलेट, “पैच-लेवल न्यूरल नेटवर्क अभ्यावेदन का उपयोग करके समुद्र की सतह के तापमान की भविष्यवाणी और पुनर्निर्माण,” आईईईई इंटरनेशनल जियोसाइंस एंड रिमोट सेंसिंग सिम्पोजियम की कार्यवाही, 2018, पृष्ठ 5628-5631।

[30] सी. शॉर्टन, टीएम खोशगोफ्तार, "डीप लर्निंग के लिए इमेज डेटा वृद्धि पर एक सर्वेक्षण," जर्नल ऑफ बिग डेटा, खंड 6, संख्या 1, पृष्ठ 1-48, 2017।

[31] एच. बाघेरिनेज़हाद, एम. हॉर्टन, एम. रस्तेगरी, आदि। “लेबल रिफाइनरी: लेबल प्रगति के माध्यम से इमेजनेट वर्गीकरण में सुधार,” arXiv प्रीप्रिंट arXiv:1805.02641, 2018।

[32] के. चैटफील्ड, के. सिमोनियन, ए. वेडाल्डी, आदि। “विवरणों में शैतान की वापसी: कन्वोल्यूशनल नेट में गहराई से जाना,” ब्रिटिश मशीन विज़न कॉन्फ्रेंस (बीएमवीसी) की कार्यवाही, 2014।

[33] ए. जुरियो, एम. पगोला, एम. गैलर, आदि। “क्लस्टरिंग आधारित छवि विभाजन में विभिन्न रंग स्थानों का तुलनात्मक अध्ययन,” ज्ञान-आधारित प्रणालियों में सूचना प्रसंस्करण और अनिश्चितता के प्रबंधन पर अंतर्राष्ट्रीय सम्मेलन की कार्यवाही, 2010, पृष्ठ 532-541।

[34] क्यू. यू, जे. लुओ, एच. जिन, एट अल. “प्रगतिशील रूप से प्रशिक्षित और डोमेन हस्तांतरित गहरे नेटवर्क का उपयोग करके मजबूत छवि भावना विश्लेषण,” आर्टिफिशियल इंटेलिजेंस पर एएएआई सम्मेलन की कार्यवाही, 2015, पृष्ठ 381-388।

[35] जेड. झोंग, एल. झेंग, जी. कांग, आदि. “रैंडम इरेज़िंग डेटा ऑग्मेंटेशन,” आर्टिफिशियल इंटेलिजेंस पर एएएआई कॉन्फ्रेंस की कार्यवाही, 2020, पृष्ठ 13001-13008।

[36] टी. डेव्रीस, जीडब्ल्यू टेलर, "कटआउट के साथ कन्वोल्यूशनल न्यूरल नेटवर्क का बेहतर नियमन," arXiv प्रीप्रिंट arXiv:1708.04552, 2017.

[37] ए. मिकोलाज्स्की, एम. ग्रोकोव्स्की, “छवि वर्गीकरण समस्या में गहन शिक्षण में सुधार के लिए डेटा वृद्धि,” अंतर्राष्ट्रीय अंतःविषय पीएचडी कार्यशाला की कार्यवाही (आईआईपीएचडीडब्ल्यू), 2018, पृष्ठ 117-122।

[38] एस.एम. मूसावी-डेज़फूली, ए. फ़ॉज़ी, पी. फ़्रॉसार्ड, "डीपफूल: डीप न्यूरल नेटवर्क को मूर्ख बनाने की एक सरल और सटीक विधि," कंप्यूटर विज़न और पैटर्न रिकॉग्निशन पर आईईईई सम्मेलन की कार्यवाही, 2016, पृष्ठ 2574-2582।

[39] जे. सु, डी.वी. वर्गास, के. सकुराई, "डीप न्यूरल नेटवर्क को बेवकूफ़ बनाने के लिए एक पिक्सेल हमला," आईईईई ट्रांजेक्शन ऑन इवोल्यूशनरी कंप्यूटेशन, खंड 23, संख्या 5, पृष्ठ 828-841, 2019।

[40] एम. ज़ाजैक, के. ज़ोलना, एन. रोस्तमज़ादेह, आदि। “छवि और वीडियो वर्गीकरण के लिए प्रतिकूल फ़्रेमिंग,” आर्टिफिशियल इंटेलिजेंस पर एएएआई सम्मेलन की कार्यवाही, 2019, पृष्ठ 10077-10078।

[41] एस. ली, वाई. चेन, वाई. पेंग, आदि। “प्रतिकूल प्रशिक्षण के साथ अधिक मजबूत सुविधाएँ सीखना,” arXiv प्रीप्रिंट arXiv:1804.07757, 2018।

[४२] एलए गैटिस, एएस एकर, एम. बेथगे, “कलात्मक शैली का एक तंत्रिका एल्गोरिथ्म,” जर्नल ऑफ विज़न खंड १६, संख्या १२, २०१६।

[43] डी. उल्यानोव, ए. वेडाल्डी, वी. लेम्पिट्स्की, "इंस्टेंस नॉर्मलाइज़ेशन: तेज़ स्टाइलाइज़ेशन के लिए गायब घटक," arXiv प्रीप्रिंट arXiv:1607.08022, 2016.

[44] पी. जैक्सन, ए. अबरघोई, एस. बोनर, आदि। “स्टाइल ऑग्मेंटेशन: स्टाइल रैंडमाइजेशन के माध्यम से डेटा ऑग्मेंटेशन,” कंप्यूटर विज़न और पैटर्न रिकॉग्निशन (सीवीपीआर) कार्यशाला पर आईईईई इंटरनेशनल कॉन्फ्रेंस की कार्यवाही, 2019, पृष्ठ 83-92।

[45] जे. टोबिन, आर. फोंग, ए. रे, आदि। “सिमुलेशन से वास्तविक दुनिया में गहरे तंत्रिका नेटवर्क को स्थानांतरित करने के लिए डोमेन यादृच्छिकरण,” IEEE इंटरनेशनल कॉन्फ्रेंस ऑन इंटेलिजेंट रोबोट्स एंड सिस्टम्स (IROS) की कार्यवाही, 2017, पृष्ठ 23-30।

[46] सी. समर्स, और एम. दिननेन, “बेहतर मिश्रित-उदाहरण डेटा वृद्धि,” कंप्यूटर विज़न के अनुप्रयोगों पर IEEE शीतकालीन सम्मेलन की कार्यवाही (WACV), 2019, पृष्ठ 1262-1270।

[47] डी. लियांग, एफ. यांग, टी. झांग, आदि. “मिक्सअप प्रशिक्षण विधियों को समझना,” आईईईई एक्सेस, खंड 6, पृष्ठ 58774–58783, 2018.

[48] आर. ताकाहाशी, टी. मात्सुबारा, के. उएहारा, "डीप सीएनएन के लिए रैंडम इमेज क्रॉपिंग और पैचिंग का उपयोग करके वृद्धि," आईईईई ट्रांजेक्शन ऑन सर्किट्स एंड सिस्टम्स फॉर वीडियो टेक्नोलॉजी, वॉल्यूम 30, नंबर 9, पीपी. 2917-2931, 2019.

[49] टी. कोनो, और एम. इवाज़ुमे, "केक पर आइसिंग: एक आसान और त्वरित पोस्ट-लर्निंग विधि जिसे आप डीप लर्निंग के बाद आज़मा सकते हैं," arXiv प्रीप्रिंट arXiv:1807.06540, 2018।

[50] टी. डेव्रीस, और जी. टेलर, "फ़ीचर स्पेस में डेटासेट वृद्धि," arXiv प्रीप्रिंट arXiv:1702.05538, 2017.

[51] एफ. मोरेनो-बरिया, एफ. स्ट्रैज़ेरा, जे. जेरेज़, आदि। “डेटा वृद्धि के लिए फ़ॉरवर्ड नॉइज़ एडजस्टमेंट स्कीम,” कम्प्यूटेशनल इंटेलिजेंस (एसएससीआई) पर आईईईई संगोष्ठी श्रृंखला की कार्यवाही, 2018, पृष्ठ 728-734।

[52] एम. फ्रिड-अदार, डी. इदित, ई. क्लैंग, एट अल. “लीवर घाव वर्गीकरण में सीएनएन प्रदर्शन को बढ़ाने के लिए जीएएन-आधारित सिंथेटिक मेडिकल इमेज वृद्धि,” न्यूरोकंप्यूटिंग, वॉल्यूम 321, पृष्ठ 321-331, 2018।

[53] जे. झू, वाई. शेन, डी. झाओ, आदि. “वास्तविक छवि संपादन के लिए इन-डोमेन जीएएन व्युत्क्रमण,” कंप्यूटर विज़न पर यूरोपीय सम्मेलन की कार्यवाही (ईसीसीवी), 2020, पृष्ठ 592-608।

[54] सिमोनियन के, ज़िस्सरमैन ए. “बड़े पैमाने पर छवि पहचान के लिए बहुत गहरे कन्वोल्यूशनल नेटवर्क,” इंटरनेशनल कॉन्फ्रेंस ऑन लर्निंग रिप्रेजेंटेशन (आईसीएलआर) की कार्यवाही, 2015, पृष्ठ 1-14।

[55] जीएचआरएसएसटी डेटा, https://www.ghrsst.org (पहुँचा: 3 जुलाई, 2022)

[56] HYCOM डेटा, https://www.hycom.org (एक्सेस: 3 जुलाई, 2022)

[57] झू जेवाई, क्राहेनब¨उहल पी, शेचमैन ई, एट अल. “नेचुरल इमेज मैनिफोल्ड पर जनरेटिव विज़ुअल मैनिपुलेशन,” कंप्यूटर विज़न पर यूरोपीय सम्मेलन की कार्यवाही (ईसीसीवी), 2016, पृष्ठ 597-613।

[58] ए. लार्सन, एस. सोंडरबी, एच. लारोचेल, आदि. “सीखने वाली समानता मीट्रिक का उपयोग करके पिक्सेल से परे ऑटोएन्कोडिंग,” मशीन लर्निंग पर अंतर्राष्ट्रीय सम्मेलन (आईसीएमएल) की कार्यवाही, 2016, पृष्ठ 1558-1566।