Nature Scientific Reports: Улучшение реанализов океана в регионах с редкими наблюдениями с помощью трансферного обучения
Наблюдения за слоем океана, лежащим под поверхностью, редки и приводят к большим неопределённостям в любой оценке на модельной основе. Авторы исследуют применимость нейронных сетей на основе трансферного обучения для реконструкции температур Северной Атлантики в периоды с редкими наблюдениями. Эта сеть обучается на периоде времени с обильными наблюдениями для изучения реалистичного физического поведения. Для оценки её в рамках последовательной структуры усвоения данных сеть изучает и воспроизводит физические закономерности своих обучающих данных. Кроме того, сеть может переносить эти закономерности на историческую оценку содержания тепла в океане в периоды с редкими наблюдениями. Следовательно, при нечастых входных данных реконструкции машинного обучения демонстрируют схожие физические структуры, при этом исправляя известные ошибки по сравнению с современными продуктами усвоения данных. Таким образом, трансферное обучение может влиять на инициализацию и оценку климатических ретроспективных прогнозов. Кроме того, демонстрируя способность точно переносить результаты с высоких на низкие частоты, нейронные сети на основе трансферного обучения демонстрируют свою значимость в измерениях на смешанных частотах за пределами климатологии.
