Core Concepts
流体力学の確率的偏微分方程式におけるノイズの校正方法を開発し、新たな生成モデル技術を導入する。
Abstract
研究目的: 流体力学の確率的パラメータ化における不確実性を扱うための新しい手法を提案。
PCAテクニックから生成モデルテクニックへの置換により、Gaussian以外のノイズも考慮。
データ駆動型モデルで実際の不確実性を考慮した設計。
DSBモデルに基づくスコアベース生成モデルが有望。
予測ランキング結果でgenerative modeling技術が優れた結果を示す。
Stats
数値シミュレーションは非ガウス性のノイズを示す。
RMSE、CRPSスコア、予測ランクヒストグラム結果が良好。
Quotes
"Generative models are a class of machine learning models designed to generate new data samples from an unknown distribution."
"The generative modelling technology gives good RMSE, CRPS score and forecast rank histogram results."