253476 20240713173127.0 G:(GEPRIS)280675332 G:(GEPRIS)280675332 280675332 GEPRIS http://gepris.its.kfa-juelich.de Maschinelles Lernen von repräsentativen Merkmalen in meteorologischen Feldern (A07) 2015 - 2024 Professor Dr. Filip Sadlo Professor Dr. Rüdiger Westermann DFG project 280675332 d 2015 - 2024 Deutsche Forschungsgemeinschaft I:(DE-588b)2007744-0 DFG G:(GEPRIS)257899354 TRR 165: Wellen, Wolken, Wetter t Der Fokus liegt auf der Entwicklung von Techniken des maschinellen Lernens, mit dem Ziel einer verbesserten Unsicherheits-Analyse und Merkmals-Detektion in meteorologischen Feldern. Neuronale Netzwerke werden verwendet, um Abbildungen von räumlichen Koordinaten auf Verteilungen der prognostischen Variablen sowie Korrelations-Strukturen zu lernen, um somit regionale Vorhersageunsicherheiten darzustellen. Durch die Verwendung von selbstüberwachtem Lernen und Merkmals-Identifikation sollen Merkmals-Deskriptoren entwickelt werden, die auf der Existenz von wiederkehrenden Mustern in den Daten basieren und zu einer verbesserten vergleichenden Analyse und zeitlichen Verfolgung von Merkmalen führen. oai:juser.fz-juelich.de:920078 authority:GRANT authority G AUTHORITY oai:juser.fz-juelich.de:920078