সমুদ্র পৃষ্ঠের তাপমাত্রা পূর্বাভাসের জন্য গভীর নিউরাল নেটওয়ার্ক: তথ্যসূত্র

লিঙ্কের টেবিল

• বিমূর্ত এবং ভূমিকা
• পটভূমি
• প্রস্তাবিত পদ্ধতি
• পরীক্ষামূলক ফলাফল এবং বিশ্লেষণ
• উপসংহার এবং ভবিষ্যতে কাজ
• তথ্যসূত্র

তথ্যসূত্র

[১] AF Shchepetkin এবং JC McWilliams, "আঞ্চলিক মহাসাগরীয় মডেলিং সিস্টেম (ROMS): একটি বিভক্ত-স্পষ্ট, মুক্ত-সারফেস, টপোগ্রাফি অনুসরণ-সমন্বয় মহাসাগরীয় মডেল," ওশান মডেলিং, ভলিউম। 9, না। 4, পৃ. 347-404, 2005।

[২] আর. জ্যাকব, সি. শ্যাফার, আই. ফস্টার, এবং অন্যান্য। "কম্পিউটেশনাল ডিজাইন এবং দ্রুত মহাসাগরের বায়ুমণ্ডল মডেলের কর্মক্ষমতা," কম্পিউটেশনাল সায়েন্সের আন্তর্জাতিক সম্মেলনের কার্যক্রম। 2001, পৃ. 175-184।

[৩] সি. চেন, আরসি বিয়ার্ডসলে, জি. কাউলেস, এবং অন্যান্য। "একটি অসংগঠিত গ্রিড, সসীম আয়তনের উপকূলীয় মহাসাগর মডেল: FVCOM সিস্টেম," সমুদ্রবিদ্যা, ভলিউম। 19, না। 1, পৃ. 78-89, 2015।

[৪] EP Chassignet, HE Hurlburt, OM Smedstad, et al. "দ্য HYCOM (হাইব্রিড সমন্বয় সাগর মডেল) ডেটা অ্যাসিমিলেটিভ সিস্টেম," জার্নাল অফ মেরিন সিস্টেম, ভলিউম। 65, না। 1, পৃ. 60-83, 2007।

[৫] Y. LeCun, Y. Bengio, G. Hinton. "গভীর শিক্ষা," প্রকৃতি, ভলিউম। 521, পৃ. 436–444, 2015।

[৬] পিসি বারমান্ট, এমএম ব্রনস্টেইন, আরজে উড, এট আল। "শুক্রাণু তিমি বায়োঅ্যাকোস্টিক সনাক্তকরণ এবং শ্রেণীবিভাগের জন্য গভীর মেশিন লার্নিং কৌশল," বৈজ্ঞানিক রিপোর্ট, ভলিউম। 9, না। 1, পৃ. 1-10, 2019।

[৭] ভি. অ্যালকেন ভি, এনও হ্যান্ডেগার্ড, এস. রোজেন, এট আল। "সিন্থেটিক ডেটাতে প্রশিক্ষিত একটি কনভোলিউশনাল নিউরাল নেটওয়ার্ক ব্যবহার করে মাছের প্রজাতি সনাক্তকরণ," ICES জার্নাল অফ মেরিন সায়েন্স, ভলিউম। 76, না। 1, পৃ. 342–349, 2019।

[৮] ই. লিমা, এক্স. সান, জে ডং, এবং অন্যান্য। "শিক্ষা এবং সমুদ্রের সামনের স্বীকৃতিতে কনভোলিউশনাল নিউরাল নেটওয়ার্ক জ্ঞান স্থানান্তর করা," IEEE Geoscience and Remote Sensing Letters, vol. 14, না। 3, পৃ. 354–358, 2017।

[৯] এল. জু, এক্স. ওয়াং, এক্স. ওয়াং, "ডিপ জেনারেশন নেটওয়ার্কের উপর ভিত্তি করে জাহাজের ধ্বংসাবশেষ সনাক্তকরণ এবং অল্প পরিমাণ সোনার ইমেজ সহ শিক্ষা স্থানান্তর," IEEE ডেটা ড্রাইভেন কন্ট্রোল অ্যান্ড লার্নিং সিস্টেম কনফারেন্স (DDCLS), 2019, pp. 638-643।

[১০] ওয়াই. রেন, এক্স. লি, ডব্লিউ. ঝাং, "গলে যাওয়া মৌসুমে প্যান-আর্কটিকের সাপ্তাহিক সমুদ্রের বরফ ঘনত্বের পূর্বাভাসের জন্য একটি ডেটা-চালিত গভীর শিক্ষার মডেল," জিওসায়েন্স অ্যান্ড রিমোট সেন্সিং-এর উপর IEEE লেনদেন, ভলিউম। 60, পৃ. 1-19, 2022।

[১১] এম. রেইখস্টেইন, জি. ক্যাম্পস-ভালস, বি. স্টিভেনস, এবং অন্যান্য। "ডেটা-চালিত আর্থ সিস্টেম বিজ্ঞানের জন্য গভীর শিক্ষা এবং প্রক্রিয়া বোঝার," প্রকৃতি, ভলিউম। 566, না। 7743, পৃ. 195-204, 2019।

[১২] এনডি ব্রেনোভিৎস, সিএস ব্রেদারটন। "একটি নিউরাল নেটওয়ার্ক ইউনিফাইড ফিজিক্স প্যারামিটারাইজেশনের প্রাগনোস্টিক বৈধতা," জিওফিজিক্যাল রিসার্চ লেটারস, ভলিউম। 45, না। 12, পৃ. 6289–6298, 2018।

[১৩] O. Pannekoucke এবং R. Fablet. "PDE-NetGen 1.0: সিম্বলিক আংশিক ডিফারেনশিয়াল ইকুয়েশন (PDE) থেকে শারীরিক প্রক্রিয়ার উপস্থাপনা থেকে প্রশিক্ষণযোগ্য নিউরাল নেটওয়ার্ক উপস্থাপনা পর্যন্ত," জিওসায়েন্টিফিক মডেল ডেভেলপমেন্ট, ভলিউম। 13, না। 7, পৃ. 3373–3382, 2020।

[১৪] কে. পাতিল, এমসি দেও, এম. রবিচন্দ্রন। "সংখ্যাসূচক এবং নিউরাল কৌশলগুলি একত্রিত করে সমুদ্র পৃষ্ঠের তাপমাত্রার পূর্বাভাস," বায়ুমণ্ডলীয় এবং মহাসাগরীয় প্রযুক্তির জার্নাল, ভলিউম। 33, না। 8, পৃ. 1715-1726, 2016।

[১৫] ওয়াইজি হ্যাম, জেএইচ কিম, জেজে লুও। "মাল্টি-বছরের ENSO পূর্বাভাসের জন্য গভীর শিক্ষা," প্রকৃতি, ভলিউম। 573, না। 7775, পৃ. 568–572, 2019।

[১৬] আই. গুডফেলো, জে. পগেট-আবাদি, এম. মির্জা, এবং অন্যান্য। "জেনারেটিভ অ্যাডভারসারিয়াল নেট,"প্রসিডিংস অফ অ্যাডভান্সেস ইন নিউরাল ইনফরমেশন প্রসেসিং সিস্টেম (নিউরিআইপিএস), 2014।

[১৭] এল. ইয়াং, ডি. ঝাং, জিই কার্নিয়াডাকিস। "স্টোকাস্টিক ডিফারেনশিয়াল সমীকরণের জন্য পদার্থবিজ্ঞান-তথ্যযুক্ত জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক," সায়েন্টিফিক কম্পিউটিং-এর উপর সিয়াম জার্নাল, ভলিউম। 42, না। 1, পিপি। A292–A317, 2020।

[১৮] B. Lutjens, B. Leshchinskiy, C. Requena-Mesa, et al. "উপকূলীয় বন্যার ভিজ্যুয়ালাইজেশনের জন্য পদার্থবিজ্ঞান-অবহিত ¨ GANs," arXiv প্রিপ্রিন্ট arXiv:2010.08103, 2020।

[১৯] Q. Zheng, L. Zeng, GE Karniadakis, "পদার্থবিজ্ঞান-অবহিত শব্দার্থিক ইনপেইন্টিং: জিওস্ট্যাটিস্টিক্যাল মডেলিংয়ের আবেদন," কম্পিউটেশনাল ফিজিক্সের জার্নাল, ভলিউম। 419, পৃষ্ঠা 1-10, 2020।

[২০] এক্স শি, জেড চেন, এইচ ওয়াং, এট আল। "Convolutional LSTM নেটওয়ার্ক: এখন বৃষ্টিপাতের জন্য একটি মেশিন লার্নিং পদ্ধতি," নিউরাল ইনফরমেশন প্রসেসিং সিস্টেমে অগ্রগতির প্রক্রিয়া (নিউরিআইপিএস), 2015।

[২১] জে. গু, জেড. ওয়াং, জে. কুয়েন, এট আল। "কনভোলিউশনাল নিউরাল নেটওয়ার্কে সাম্প্রতিক অগ্রগতি," প্যাটার্ন রিকগনিশন, পিপি 354-377, 2018।

[২২] H. Ge, Z. Yan, W. Yu, et al. "ভিডিও অ্যাকশন স্বীকৃতির জন্য একটি মনোযোগ প্রক্রিয়া ভিত্তিক কনভোল্যুশনাল LSTM নেটওয়ার্ক," মাল্টিমিডিয়া টুলস এবং অ্যাপ্লিকেশন', ভলিউম। 78, না। 14, পৃ. 20533–20556, 2019।

[২৩] ডব্লিউ. চে, এবং এস. পেং, "মানব মোশন রিকগনিশনের জন্য কনভোলিউশনাল এলএসটিএম নেটওয়ার্কস এবং আরজিবি-ডি ভিডিও," আইইইই ইনফরমেশন টেকনোলজি অ্যান্ড মেকাট্রনিক্স ইঞ্জিনিয়ারিং কনফারেন্স (আইটিওইসি), 2018, পৃষ্ঠা 951-955।

[২৪] আইডি লিন্স, এম. আরাউজো, এট আল। "সমর্থন ভেক্টর মেশিন দ্বারা গ্রীষ্মমন্ডলীয় আটলান্টিকে সমুদ্র পৃষ্ঠের তাপমাত্রার পূর্বাভাস," গণনামূলক পরিসংখ্যান এবং ডেটা বিশ্লেষণ, ভলিউম। 61, পৃ. 187-198, 2013।

[২৫] পাতিল কে, ডিও এম সি। "কৃত্রিম নিউরাল নেটওয়ার্কের সাহায্যে সমুদ্র পৃষ্ঠের তাপমাত্রার বেসিন-স্কেল পূর্বাভাস," জার্নাল অফ অ্যাটমোস্ফেরিক অ্যান্ড ওশেনিক টেকনোলজি, ভলিউম। 35, না। 7, পৃ. 1441–1455, 2018।

[26] Q. Zhang, H. Wang, J. Dong, et al. "দীর্ঘ স্বল্পমেয়াদী মেমরি ব্যবহার করে সমুদ্র পৃষ্ঠের তাপমাত্রার পূর্বাভাস," IEEE Geoscience and Remote Sensing Letters, vol. 14, না। 10, পৃ. 1745–1749, 2017।

[২৭] ওয়াই ইয়াং, জে ডং, এক্স সান এক্স, এট আল। "সমুদ্র পৃষ্ঠের তাপমাত্রার পূর্বাভাসের জন্য একটি CFCC-LSTM মডেল," IEEE Geoscience and Remote Sensing Letters, vol. 15, না। 2, পৃ. 207-211, 2017।

[২৮] কে. পাটিল, এমসি ডিও, "দক্ষ নিউরাল নেটওয়ার্ক ব্যবহার করে দৈনিক সমুদ্র পৃষ্ঠের তাপমাত্রার পূর্বাভাস," ওশান ডাইনামিক্স, ভলিউম। 67, না। 3, পৃ. 357–368, 2017।

[২৯] S. Ouala, C. Herzet, R. Fablet, "প্যাচ-স্তরের নিউরাল নেটওয়ার্ক উপস্থাপনা ব্যবহার করে সমুদ্র পৃষ্ঠের তাপমাত্রার পূর্বাভাস এবং পুনর্গঠন," প্রসিডিংস অফ IEEE ইন্টারন্যাশনাল জিওসায়েন্স অ্যান্ড রিমোট সেন্সিং সিম্পোজিয়াম, 2018, pp. 5628–5631৷

[৩০] সি. শর্টেন, টিএম খোশগোফতার, "গভীর শিক্ষার জন্য ইমেজ ডেটা অগমেন্টেশনের উপর একটি সমীক্ষা," বিগ ডেটা জার্নাল, ভলিউম। 6, না। 1, পৃ. 1–48, 2017।

[৩১] H. Bagherinezhad, M. Horton, M. Rastegari, et al. "লেবেল শোধনাগার: লেবেল অগ্রগতির মাধ্যমে ইমেজনেট শ্রেণীবিভাগের উন্নতি," arXiv প্রিপ্রিন্ট arXiv:1805.02641, 2018৷

[৩২] কে. চ্যাটফিল্ড, কে. সিমোনিয়ান, এ. ভেদাল্ডি, এবং অন্যান্য। "বিশদ বিবরণে শয়তানের প্রত্যাবর্তন: কনভোলিউশনাল নেটের গভীরে প্রবেশ করা," ব্রিটিশ মেশিন ভিশন কনফারেন্সের কার্যপ্রণালী (বিএমভিসি), 2014।

[৩৩] এ. জুরিও, এম. পাগোলা, এম. গালার, এবং অন্যান্য। "ক্লাস্টারিং ভিত্তিক ইমেজ সেগমেন্টেশনে বিভিন্ন রঙের স্থানগুলির তুলনামূলক অধ্যয়ন," তথ্য প্রক্রিয়াকরণ এবং জ্ঞান-ভিত্তিক সিস্টেমে অনিশ্চয়তার ব্যবস্থাপনার আন্তর্জাতিক সম্মেলনের কার্যক্রম, 2010, পৃষ্ঠা 532-541।

[৩৪] প্র. আপনি, জে. লুও, এইচ জিন, এবং অন্যান্য। "প্রগতিশীলভাবে প্রশিক্ষিত এবং ডোমেন স্থানান্তরিত গভীর নেটওয়ার্কগুলি ব্যবহার করে শক্তিশালী চিত্র অনুভূতি বিশ্লেষণ," কৃত্রিম বুদ্ধিমত্তার উপর AAAI সম্মেলনের কার্যক্রম, 2015, পৃষ্ঠা 381–388৷

[৩৫] জেড ঝং, এল ঝেং, জি কাং, এট আল। "র্যান্ডম ইরেজিং ডেটা অগমেন্টেশন," আর্টিফিশিয়াল ইন্টেলিজেন্সের উপর AAAI কনফারেন্সের কার্যপ্রণালী, 2020, pp. 13001–13008৷

[৩৬] টি. ডেভরিস, জিডব্লিউ টেলর, "কাটআউটের সাথে কনভোলিউশনাল নিউরাল নেটওয়ার্কের উন্নত নিয়মিতকরণ," arXiv প্রিপ্রিন্ট arXiv:1708.04552, 2017।

[৩৭] A. Mikołajczyk, M. Grochowski, "চিত্র শ্রেণীবিন্যাস সমস্যায় গভীর শিক্ষার উন্নতির জন্য ডেটা বৃদ্ধি," আন্তর্জাতিক আন্তঃবিভাগীয় পিএইচডি কর্মশালার কার্যক্রম (IIPhDW), 2018, pp. 117–122৷

[৩৮] এস এম মুসাভি-ডেজফুলি, এ. ফাওজি, পি. ফ্রসার্ড, "ডিপফুল: গভীর নিউরাল নেটওয়ার্ককে বোকা বানানোর একটি সহজ এবং সঠিক পদ্ধতি," কম্পিউটার ভিশন এবং প্যাটার্ন রিকগনিশনের উপর IEEE সম্মেলনের কার্যক্রম, 2016, পৃষ্ঠা 2574–2582 .

[৩৯] জে. সু, ডিভি ভার্গাস, কে. সাকুরাই, "ডিপ নিউরাল নেটওয়ার্ককে বোকা বানানোর জন্য এক পিক্সেল আক্রমণ," আইইইই লেনদেন অন ইভোল্যুশনারি কম্পিউটেশন, ভলিউম। 23, না। 5, পৃ. 828–841, 2019।

[৪০] এম. জাজ্যাক, কে. জোলনা, এন. রোস্তমজাদেহ, এবং অন্যান্য। "ইমেজ এবং ভিডিও শ্রেণীবিভাগের জন্য প্রতিপক্ষের ফ্রেমিং," আর্টিফিশিয়াল ইন্টেলিজেন্সের উপর AAAI কনফারেন্সের কার্যক্রম, 2019, pp. 10077-10078৷

[৪১] এস লি, ওয়াই চেন, ওয়াই পেং, এট আল। "প্রতিপক্ষের প্রশিক্ষণের সাথে আরও শক্তিশালী বৈশিষ্ট্য শেখা," arXiv প্রিপ্রিন্ট arXiv:1804.07757, 2018৷

[৪২] LA Gatys, AS Ecker, M. Bethge, "শৈল্পিক শৈলীর একটি নিউরাল অ্যালগরিদম," জার্নাল অফ ভিশন ভলিউম। 16, না। 12, 2016।

[৪৩] ডি. উলিয়ানভ, এ. ভেদাল্ডি, ভি. লেম্পিটস্কি, "উদাহরণ স্বাভাবিককরণ: দ্রুত স্টাইলাইজেশনের জন্য অনুপস্থিত উপাদান," arXiv প্রিপ্রিন্ট arXiv:1607.08022, 2016।

[৪৪] পি. জ্যাকসন, এ. আবরঝুই, এস. বোনার, এবং অন্যান্য। "স্টাইল অগমেন্টেশন: স্টাইল র্যান্ডমাইজেশনের মাধ্যমে ডেটা বৃদ্ধি," কম্পিউটার ভিশন এবং প্যাটার্ন রিকগনিশন (সিভিপিআর) ওয়ার্কশপ, 2019, পৃষ্ঠা 83-92 সংক্রান্ত আইইইই ইন্টারন্যাশনাল কনফারেন্সের কার্যক্রম।

[৪৫] জে. টবিন, আর. ফং, এ. রে, এবং অন্যান্য। "সিমুলেশন থেকে বাস্তব জগতে গভীর নিউরাল নেটওয়ার্ক স্থানান্তর করার জন্য ডোমেন র্যান্ডমাইজেশন," ইন্টেলিজেন্ট রোবটস অ্যান্ড সিস্টেমস (IROS), 2017, পৃষ্ঠা 23-30 এর IEEE ইন্টারন্যাশনাল কনফারেন্সের কার্যক্রম।

[৪৬] সি. সামারস, এবং এম. ডিনিন, "উন্নত মিশ্র-উদাহরণ ডেটা বৃদ্ধি," কম্পিউটার ভিশন (WACV), 2019, pp. 1262–1270 অ্যাপ্লিকেশনের উপর IEEE শীতকালীন সম্মেলনের কার্যক্রম।

[৪৭] ডি. লিয়াং, এফ. ইয়াং, টি. ঝাং, এবং অন্যান্য। "মিক্সআপ প্রশিক্ষণের পদ্ধতি বোঝার," IEEE অ্যাক্সেস, ভলিউম। 6, পৃ. 58774–58783, 2018।

[৪৮] আর. তাকাহাশি, টি. মাতসুবারা, কে. উয়েহারা, "ডিপ সিএনএন-এর জন্য র্যান্ডম ইমেজ ক্রপিং এবং প্যাচিং ব্যবহার করে বৃদ্ধি," ভিডিও প্রযুক্তির জন্য সার্কিট এবং সিস্টেমের উপর IEEE লেনদেন, ভলিউম। 30, না। 9, পৃ. 2917- 2931, 2019।

[৪৯] T. Konno, এবং M. Iwazume, "কেকের উপর আইসিং: একটি সহজ এবং দ্রুত-শিক্ষার পদ্ধতি যা আপনি গভীর শিক্ষার পরে চেষ্টা করতে পারেন," arXiv প্রিপ্রিন্ট arXiv:1807.06540, 2018।

[৫০] T. DeVries, এবং G. Taylor, "ফিচার স্পেসে ডেটাসেট বৃদ্ধি," arXiv প্রিপ্রিন্ট arXiv:1702.05538, 2017।

[৫১] এফ. মোরেনো-বারিয়া, এফ. স্ট্রাজেরা, জে. জেরেজ, এট আল। "ডেটা অগমেন্টেশনের জন্য ফরোয়ার্ড নয়েজ অ্যাডজাস্টমেন্ট স্কিম," কম্পিউটেশনাল ইন্টেলিজেন্স (SSCI), 2018, pp. 728–734 এর IEEE সিম্পোজিয়াম সিরিজের কার্যক্রম।

[৫২] এম. ফ্রিড-আদার, ডি. ইডিট, ই. ক্লাং, এট আল। "লিভার ক্ষত শ্রেণীবিভাগে সিএনএন কর্মক্ষমতা বৃদ্ধির জন্য GAN-ভিত্তিক সিন্থেটিক মেডিকেল ইমেজ বৃদ্ধি," নিউরোকম্পিউটিং, ভলিউম। 321, পৃষ্ঠা 321-331, 2018।

[৫৩] জে ঝু, ওয়াই শেন, ডি ঝাও, এট আল। "ইন-ডোমেন GAN ইনভার্সন ফর রিয়েল ইমেজ এডিটিং," Proceedings of European Conference on Computer Vision (ECCV), 2020, pp. 592–608।

[৫৪] সিমোনিয়ান কে, জিসারম্যান এ. "বৃহৎ আকারের ইমেজ স্বীকৃতির জন্য অত্যন্ত গভীর কনভোলিউশনাল নেটওয়ার্ক," প্রসিডিংস অফ ইন্টারন্যাশনাল কনফারেন্স অন লার্নিং রিপ্রেজেন্টেশন (ICLR), 2015, পৃষ্ঠা 1-14।

[৫৫] GHRSST ডেটা, https://www.ghrsst.org (অ্যাক্সেস করা হয়েছে: জুলাই 3, 2022)

[৫৬] HYCOM ডেটা, https://www.hycom.org (অ্যাক্সেস করা হয়েছে: জুলাই 3, 2022)

[৫৭] ঝু জেওয়াই, ক্রহেনব ¨ ইউএইচএল পি, শেচ্টম্যান ই, এট আল। "প্রাকৃতিক ইমেজ ম্যানিফোল্ডে জেনারেটিভ ভিজ্যুয়াল ম্যানিপুলেশন," কম্পিউটার ভিশন (ECCV), 2016, pp. 597-613 এর প্রসিডিংস অফ ইউরোপিয়ান কনফারেন্স।

[৫৮] এ. লারসেন, এস. সন্ডারবি, এইচ. লারোচেল, এবং অন্যান্য। "শিক্ষিত সাদৃশ্য মেট্রিক ব্যবহার করে পিক্সেলের বাইরে অটোএনকোডিং," মেশিন লার্নিং (ICML), 2016, pp. 1558-1566 সংক্রান্ত ইন্টারন্যাশনাল কনফারেন্সের প্রক্রিয়া।