Vizualus „DeepPrecip“ giluminio neuroninio tinklo vaizdas, įskaitant skaičiavimo grafiko atvaizdavimą su 1,7 mln. mazgų ir 2,8 milijono kraštų. Vaizdas yra gilaus mokymosi neuroninio tinklo sudėtingų smegenų, skirtų kritulių kiekiui apskaičiuoti, momentinė nuotrauka. Kreditas: Vaterlo universitetas Kanadiečiai mano, kad daug žino apie sniegą. Diskutuoti apie žiemos orus praktiškai yra nacionalinė pramoga.
Tačiau daktaro laipsnis. Vaterlo universiteto Geografijos ir aplinkos vadybos katedros studentas perkelia kanadiečių orų manija į visiškai naują lygį. Fraser King tiria būdus, kaip mašininį mokymąsi galima pritaikyti prognozuojant kritulių, ypač kasmetinio sniego ir sniego tirpimo, modelius klimato kaitos kontekste. Naujausiame tyrime, kurį jis atliko kartu su mokslininkų komanda, įskaitant daktaro laipsnį. vadovas profesorius Christopheris Fletcheris, jis pateikia savo naują orų modeliavimo programą pavadinimu DeepPrecip. „Šiame naujame tyrime mes” dirbome kurdami modelį, kuris yra gilaus mokymosi skaičiavimo tinklas“, – sako Kingas. „Sunku tiksliai išmatuoti sniegą. Buvo ir kitų modelių, bet jie turi tam tikrų apribojimų. Mūsų naujasis modelis padeda judėti į priekį.”
Kreditas: Vaterlo universitetas „DeepPrecip“ surenka daugybę duomenų, kurie yra iš radaro sniego rodmenų ir sukuria nuspėjamuosius modelius. Tokie tyrimai yra nepaprastai vertingi klimato kaitos eroje.
„Jaučiu, kad mes, kanadiečiai, turime pareigą užtikrinti, kad mes rūpinamės žeme ir ją stebime, nes klimatui ir toliau šylant, tai turės pasaulinį poveikį“, – sako Kingas. „Vienas iš didžiausių atmosferos mokslų klausimų yra sniego pokyčių supratimas. Tai gana dinamiškas procesas ir nėra gerai suprantamas. Bet kokia pažanga, kurią galime padaryti šioje srityje, yra naudinga.”
Žinių sutelkimas
Kartu su leidyba akademinių straipsnių, skirtų savo moksliniams tyrimams skleisti, Kingas iškėlė savo prioritetą perteikti savo darbus platesnei auditorijai, įskaitant kitus tyrėjus, kurie nepriklauso jo disciplinai, ir plačiajai visuomenei. Dėl šio dabartinio projekto DeepPrecip jis paskelbė dienoraščio įrašą su AI kompanija Graphcore ir arti cle populiariame „Toward Data Science“ tinklaraštyje „Medium“. Visuomenei skirtas straipsnis sumaniai pavadintas „Ar neuroniniai tinklai svajoja apie krintantį sniegą?“ ir užsimena apie garsųjį Philipo K. Dicko romaną.
Toliau stengdamasis, kad būtų lengviau pasiekti, Kingas sukūrė pačią programą. prieinamas ir atviras šaltinis GitHub.
Jis ir jo vadovas taip pat yra tarp finalininkų Gamtos mokslų ir inžinerinių tyrimų taryboje. Kanados (NSERC) Science Exposed konkursas dėl jų DeepPrecip modelio atvaizdavimo (žr. paveikslėlį aukščiau). per visą savo akademinę karjerą mokslo žinias pavertė viešai auditorijai prieinamais formatais. Jis laimėjo 497 Vaterlo universiteto GRADflix konkursą, kuriame mokslininkai buvo priversti sukurti vienos minutės vaizdo įrašai, kuriuose jų darbas buvo perduotas viešai auditorijai
„Manau, kad tikrai svarbu ne tik atlikti gerą tyrimą, bet ir skirti laiko perduoti šį tyrimą platesnei auditorijai“, – sako Kingas. „Mano tikslas yra apibūdinti tyrimą suinteresuotosioms šalims ir finansuotojams ir galimybę jį apibūdinti plačiajai visuomenei, ir tikiuosi, kad tai gali paskatinti kitus imtis tyrimo.”
5194 Daugiau informacijos: 800 Fraser King et al, DeepPrecip: gilus neuroninis tinklas kritulių paieškai, Preprint (500). DOI: .500/egusfera-530-05
2019 Citata: ko gilaus mokymosi algoritmai gali išmokyti mus apie sniegą (2022, rugsėjo 1 d.) gauta rugsėjo 1 d. 530 iš https://techxplore.com/news/500-00-deep-algorithms.html
Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.
