ترجمه فارسی مقاله حوا مجازی: یک مدل یادگیری عمیق برای پیش‌بینی تابش خورشیدی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Virtual EVE: a Deep Learning Model for Solar Irradiance Prediction
عنوان مقاله به فارسی حوا مجازی: یک مدل یادگیری عمیق برای پیش‌بینی تابش خورشیدی
نویسندگان Manuel Indaco, Daniel Gass, William James Fawcett, Richard Galvez, Paul J. Wright, Andrés Muñoz-Jaramillo
فرمت مقاله انگلیسی PDF
تعداد صفحات 6
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Solar and Stellar Astrophysics,Instrumentation and Methods for Astrophysics,اخترفیزیک خورشیدی و ستاره ای , ابزار دقیق و روشهای اخترفیزیک ,
توضیحات Submitted 30 August, 2024; originally announced August 2024. , Comments: Submission to Machine Learning and the Physical Sciences Workshop, NeurIPS 2023
توضیحات به فارسی ارسال شده در 30 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: ارسال به یادگیری ماشین و کارگاه علوم فیزیکی ، Neurips 2023
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Understanding space weather is vital for the protection of our terrestrial and space infrastructure. In order to predict space weather accurately, large amounts of data are required, particularly in the extreme ultraviolet (EUV) spectrum. An exquisite source of information for such data is provided by the Solar Dynamic Observatory (SDO), which has been gathering solar measurements for the past 13 years. However, after a malfunction in 2014 affecting the onboard Multiple EUV Grating Spectrograph A (MEGS-A) instrument, the scientific output in terms of EUV measurements has been significantly degraded. Building upon existing research, we propose to utilize deep learning for the virtualization of the defective instrument. Our architecture features a linear component and a convolutional neural network (CNN) -- with EfficientNet as a backbone. The architecture utilizes as input grayscale images of the Sun at multiple frequencies -- provided by the Atmospheric Imaging Assembly (AIA) -- as well as solar magnetograms produced by the Helioseismic and Magnetic Imager (HMI). Our findings highlight how AIA data are all that is needed for accurate predictions of solar irradiance. Additionally, our model constitutes an improvement with respect to the state-of-the-art in the field, further promoting the idea of deep learning as a viable option for the virtualization of scientific instruments.

چکیده به فارسی (ترجمه ماشینی)

درک هوای فضا برای محافظت از زیرساخت های زمینی و فضایی ما بسیار مهم است.به منظور پیش بینی دقیق آب و هوای فضا ، مقادیر زیادی از داده ها مورد نیاز است ، به ویژه در طیف ماوراء بنفش شدید (EUV).یک منبع اطلاعاتی نفیس برای چنین داده هایی توسط رصدخانه پویا خورشیدی (SDO) ارائه شده است ، که برای 13 سال گذشته در حال جمع آوری اندازه گیری های خورشیدی است.با این حال ، پس از نقص عملکرد در سال 2014 که بر روی ابزارهای مختلف طیف نگاری EUV AUV (MEGS-A) تأثیر می گذارد ، بازده علمی از نظر اندازه گیری EUV به طور قابل توجهی تخریب شده است.با تکیه بر تحقیقات موجود ، ما پیشنهاد می کنیم از یادگیری عمیق برای مجازی سازی ابزار معیوب استفاده کنیم.معماری ما دارای یک مؤلفه خطی و یک شبکه عصبی حلقوی (CNN) است - با کارآمد به عنوان ستون فقرات.این معماری به عنوان تصاویر خاکستری ورودی از خورشید در فرکانس های متعدد - تهیه شده توسط مونتاژ تصویربرداری جوی (AIA) - و همچنین مغناطیس های خورشیدی تولید شده توسط تصویرگر Helioseismic و مغناطیسی (HMI) استفاده می کند.یافته های ما نشان می دهد که چگونه داده های AIA برای پیش بینی های دقیق تابش خورشیدی مورد نیاز است.علاوه بر این ، مدل ما با توجه به پیشرفته ترین زمینه در این زمینه ، پیشرفتی را ایجاد می کند ، و بیشتر ایده یادگیری عمیق را به عنوان گزینه ای مناسب برای مجازی سازی ابزارهای علمی ترویج می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.