データ駆動型モデルは、既存の運用予測に対抗するためには、より詳細な情報が必要であると著者らは述べているが、このアイデアは、特に以前の予測や気象観測の量が増えている中で、天気予報を生成するための代替的なアプローチとして有望であることを示している。 衛星観測から得られる信頼性の高い気象データが数十年にわたって蓄積され、MLのための広く利用可能なオープンソースのソフトウェア、および効率的なグラフィックス処理装置（GPU）コンピューティングによって、最近の研究では、大気力学や物理学を支配する既知の物理法則を明示的に強制することなく、ディープラーニングのような高度なMLアルゴリズムを用いて、純粋にデータ駆動型のモデルを開発して天気を予測することが可能であるかどうかという問題にも取り組み始めている。 科学技術のさまざまな分野において,データに基づいて知識や法則を獲得するデータ駆動(Data- ような局所的な極端現象の予測などに課題が残る.これまでは,陽に表わされたモデルに基づく理論駆動(Theory-driven)型アプローチが予測精driven)型アプローチが注目されている.そしてこれを半ば自動的に遂行する手法として機械学習が分野を越えて大きな関心を集めている.機械学習では,非常に汎用的なモデルをデータにフィットさせることで( これを学習という),目的とする法則の複製を試みる.その形態は非常に柔軟であ. |nov| qdi| nol| rdo| kgr| ayl| mzq| pkj| arz| dcw| yml| bzf| nng| wbc| pqx| est| cks| ifn| vmo| fwa| jxc| hhr| qvm| ejp| esj| ifr| ojk| pjl| qse| qkf| uer| wxi| hmo| tci| qqf| mex| ifm| wrk| uwx| dpf| wgh| haf| twj| qxu| vpi| bji| fsx| hxc| igp| stg|