nkysdb: なかよし論文データベース
上田 修功 様の 共著関連データベース
+(A list of literatures under single or joint authorship with "上田 修功")
共著回数と共著者名 (a list of the joint author(s))
発行年とタイトル (Title and year of the issue(s))
2018: 機械学習を用いた広帯域地震動合成の試み(S14 P02)
Toward Synthesis of Broadband Ground Motions Using Machine Learning (S14 P02)
2019: site2vec サイト特性をデータから学習する地震動予測器 (S22P 06)
site2vec: A Ground Motion Predictor Learning Site Conditions from Data (S22P 06)
2019: 埋込み機械学習による長周期波形からの広帯域地震動合成(SCG62 P06)
Broadband ground motion synthesis using embeddig machine learning (SCG62 P06)
2019: 機械学習とアンサンブルカルマンフィルタのハイブリッド手法を用いた南海トラフ巨大地震シミュレータの摩擦パラメータ推定(S22 11)
A hybrid approach of Machine learning and Ensemble Kalman Filter for estimating frictional parameters in Nankai megaquake cycle simulator (S22 11)
2019: 機械学習を用いた異なるパラメータの相対強度マップの統合方法の検討(S22P 09)
Machine Learning Approach for Integration of Multiple Relative Intensity Models (S22P 09)
2020: Neural Network Based Ground Motion Model Learning Site Property from Data (SCG60 04)
2020: 伝播経路を特定した地震動予測ニューラル・ネットワーク(S15P 14)
Ground Motion Prediction Neural Network with Single Path Uncertainty (S15P 14)
2021: ニューラル・ネットワークによる非エルゴード地震動予測式(S15P 13)
Nonergodic Ground Motion Prediction Model Using Artificial Neural Networks (S15P 13)
2021: 加速度エンベロープのWasserstein内挿を用いた広帯域地震動合成(SSS11 06)
Broadband Ground Motion Synthesis Using Wasserstein Interpolation of Acceleration Envelopes (SSS11 06)
2021: 地震動予測式のサイト汎化性能：単調ニューラル・ネットワークの適用(SCG52 05)
Site Generalization Performance of Ground Motion Models: Application of Monotonic Neural Networks (SCG52 05)
2022: Physics Informed Neural NetworkによるDislocation Modelの解法(SCG51 08)
Solving Dislocation Models Using Physics Informed Neural Networks (SCG51 08)
2022: ガウス過程を用いたCMTデータ逆解析による時間依存応力場の推定(SCG52 P02)
Estimation of Time dependent Stress Fields from CMT Data Inversion Using Gaussian Processes (SCG52 P02)
2022: ガウス過程を用いたオイラーベクトル逆解析による水平速度場の推定(STT40 03)
Estimation of Horizontal Velocity Fields from Euler Vector Inversion Using Gaussian Processes (STT40 03)
2022: シミュレーションベース機械学習とその地震データ解析への応用(STT40 01)
Simulation based machine learning and its application to seismic data analysis (STT40 01)
2022: 地震学逆解析における最適輸送に基づく波形間の距離指標(S21 04)
Optimal Transport Distance Measure in Geophysical Inversion (S21 04)
2023: Physics Informed Deep Learning for Inverse Modeling of Coseismic Crustal Deformation (SCG55 09)
2023: ベイジアンニューラルネットワークによる地震動予測式の構築(S15P 15)
Construction of ground motion models using Bayesian neural networks (S15P 15)
2023: 深層作用素学習による地殻変動データからの断層形状およびすべり分布同時推定の試み(S21 12)
Simultaneous estimation of fault geometry and slip distribution from crustal deformation data using deep operator learning (S21 12)
2024: Physics Informed Deep LearningによるInplane地殻変動の順・逆解析(S21 09)
Physics Informed Deep Learning for Forward and Inverse Modeling of Inplane Crustal Deformation (S21 09)
2024: 地殻変動の断層形状不変性と物理深層学習による効率解法(SGD02 06)
Fault Geometry Invariance of Crustal Deformation and Streamlined Analysis Using Physics Informed Deep Learning (SGD02 06)
2024: 経験的知識を活用した深層学習による地震動予測式の検討(SCG50 P04)
Empirical knowledge informed deep learning approach for ground motion prediction equations (SCG50 P04)