Pracetak ECMWF ini melakukan sesuatu yang cukup konkret: menyisipkan jaringan saraf ke dalam model prakiraan IFS, lalu menggunakan 4D-Var untuk mempelajari koreksi kesalahan model secara daring dalam siklus asimilasi data. Pelatihan berurutan dengan satu jendela menurunkan kesalahan lebih dari 10% selama periode pelatihan, tetapi tidak berhasil saat diterapkan pada data yang belum pernah dilihat. Setelah diubah menjadi pemrosesan batch—menjalankan beberapa jendela asimilasi dalam urutan acak dan merata-ratakan penambahan parameter—keterampilan prakiraan di luar sampel baru meningkat secara konsisten. Intinya, pembelajaran daring dilakukan sebagai optimisasi stokastik mini-batch: semakin besar batch, semakin cepat konvergensi dan semakin kecil derau pembaruan.

$BTC