Przełomowe podejście do uczenia maszynowego pozwala szybko uzyskać dane klimatyczne o wyższej rozdzielczości
Naukowcy z Narodowego Laboratorium Energii Odnawialnej (NREL) Departamentu Energii USA (DOE) opracowali nowatorskie podejście do uczenia maszynowego, aby szybko zwiększyć rozdzielczość danych o prędkości wiatru o 50 razy, a danych o nasłonecznieniu o 25-krotnie – udoskonalenie, którego nigdy nie było osiągnięte wcześniej z danymi klimatycznymi. Naukowcy przyjęli alternatywne podejście, wykorzystując trening przeciwnika, w którym model […]