AA-TransUNet：用于临近预报任务的注意力增强 TransUNet
机器学习
2022-02-16 v2 人工智能
摘要
基于数据驱动建模的方法最近在包括天气要素预测在内的许多具有挑战性的气象应用中获得了广泛关注。本文介绍了一种基于 TransUNet 的新型数据驱动预测模型，用于降水临近预报任务。TransUNet 模型结合了 Transformer 和 U-Net 模型，此前已成功应用于医学分割任务。在此，TransUNet 被用作核心模型，并进一步配备了卷积块注意力模块（CBAM）和深度可分离卷积（DSC）。所提出的注意力增强 TransUNet（AA-TransUNet）模型在两个不同的数据集上进行了评估：荷兰降水图数据集和法国云量数据集。获得的结果表明，所提出的模型在两个测试数据集上均优于其他对比模型。此外，还提供了对所提出的 AA-TransUNet 的不确定性分析，以提供对其预测的更多见解。
引用
@article{arxiv.2202.04996,
title = {AA-TransUNet: Attention Augmented TransUNet For Nowcasting Tasks},
author = {Yimin Yang and Siamak Mehrkanoon},
journal= {arXiv preprint arXiv:2202.04996},
year = {2022}
}
备注
8 pages, 8 figures