勿浪费数据：利用迁移学习充分调动所有数据用于机器学习气候模式模拟
机器学习
2022-11-01 v2 混沌动力学
摘要
在训练机器学习气候模式时，我们如何能从所有可用数据中学习，而在模拟时不产生任何额外代价？通常，训练数据由粗粒化的高分辨率数据组成。但仅保留这些粗粒化数据意味着其余高分辨率数据被丢弃。我们采用一种可应用于一系列机器学习模型的迁移学习方法，以利用所有高分辨率数据。我们使用三个混沌系统表明，它稳定了训练，给出了改进的泛化性能并带来更好的预报技巧。我们的代码位于 https://github.com/raghul-parthipan/dont_waste_data
引用
@article{arxiv.2210.04001,
title = {Don't Waste Data: Transfer Learning to Leverage All Data for Machine-Learnt Climate Model Emulation},
author = {Raghul Parthipan and Damon J. Wischik},
journal= {arXiv preprint arXiv:2210.04001},
year = {2022}
}
备注
8 pages. NeurIPS 2022 Workshop: Tackling Climate Change with Machine Learning. Spotlight talk