Zobrazeno 1 - 10
of 627
pro vyhledávání: '"McDermott, Patrick"'
Autor:
Kraft, Autumn L., Wells, Jim E., Frye, Jonathan G., Ibekwe, Abasiofiok M., Durso, Lisa M., Hiott, Lari, East, Cheryl, McConn, Betty R., Franklin, Alison M., Boczek, Laura A., Garland, Jay L., Kabera, Claudine, McDermott, Patrick F., Ottesen, Andrea R., Zheng, Jie, Cook, Kimberly L., Sharma, Manan
Publikováno v:
In Science of the Total Environment 20 December 2023 905
Long-lead forecasting for spatio-temporal systems can often entail complex nonlinear dynamics that are difficult to specify it a priori. Current statistical methodologies for modeling these processes are often highly parameterized and thus, challengi
Externí odkaz:
http://arxiv.org/abs/1806.10728
Recurrent neural networks (RNNs) are nonlinear dynamical models commonly used in the machine learning and dynamical systems literature to represent complex dynamical or sequential relationships between variables. More recently, as deep learning model
Externí odkaz:
http://arxiv.org/abs/1711.00636
Spatio-temporal data and processes are prevalent across a wide variety of scientific disciplines. These processes are often characterized by nonlinear time dynamics that include interactions across multiple scales of spatial and temporal variability.
Externí odkaz:
http://arxiv.org/abs/1708.05094
1. Analog forecasting has been successful at producing robust forecasts for a variety of ecological and physical processes. Analog forecasting is a mechanism-free nonlinear method that forecasts a system forward in time by examining how past states d
Externí odkaz:
http://arxiv.org/abs/1701.04485
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
High-dimensional Bayesian variable selection problems are often solved using computationally expensive Markov Chain Montle Carlo (MCMC) techniques. Recently, a Bayesian variable selection technique was developed for continuous data using the EM algor
Externí odkaz:
http://arxiv.org/abs/1605.05429