-
最近の投稿
- Online Adaptation of Terrain-Aware Dynamics for Planning in Unstructured Environments
- ‘Don’t Do That!’: Guiding Embodied Systems through Large Language Model-based Constraint Generation
- SGN-CIRL: Scene Graph-based Navigation with Curriculum, Imitation, and Reinforcement Learning
- Olfactory Inertial Odometry: Sensor Calibration and Drift Compensation
- Chronoamperometry with Room-Temperature Ionic Liquids: Sub-Second Inference Techniques
-
最近のコメント
表示できるコメントはありません。 cs.AI (39257) cs.CL (29715) cs.CV (44646) cs.HC (2989) cs.LG (44171) cs.RO (23444) cs.SY (3577) eess.IV (5131) eess.SY (3569) stat.ML (5743)
「physics.ao-ph」カテゴリーアーカイブ
MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling
要約 異常気象と地球温暖化が頻繁に起こる時代において、正確で詳細な地表付近の天気 … 続きを読む
カテゴリー: cs.AI, cs.CV, physics.ao-ph
MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling はコメントを受け付けていません
Atmospheric Transport Modeling of CO$_2$ with Neural Networks
要約 大気トレーサー輸送モデルを使用して大気中の CO$_2$ の分布を正確に記 … 続きを読む
カテゴリー: cs.CV, cs.LG, physics.ao-ph
Atmospheric Transport Modeling of CO$_2$ with Neural Networks はコメントを受け付けていません
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability
要約 地球システムの予測可能性は、環境力学の複雑さと関係する多数の変数によって挑 … 続きを読む
カテゴリー: cs.AI, cs.DC, eess.IV, physics.ao-ph, physics.geo-ph
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability はコメントを受け付けていません
DUNE: A Machine Learning Deep UNet++ based Ensemble Approach to Monthly, Seasonal and Annual Climate Forecasting
要約 高解像度再解析に基づく平均大気および気候フィールドの ERA5 月次平均長 … 続きを読む
カテゴリー: cs.LG, physics.ao-ph
DUNE: A Machine Learning Deep UNet++ based Ensemble Approach to Monthly, Seasonal and Annual Climate Forecasting はコメントを受け付けていません
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability
要約 地球システムの予測可能性は、環境力学の複雑さと関係する多数の変数によって挑 … 続きを読む
カテゴリー: cs.AI, cs.DC, eess.IV, physics.ao-ph, physics.geo-ph
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability はコメントを受け付けていません
Generative Adversarial Models for Extreme Geospatial Downscaling
要約 気候変動の課題に対処するには、地理空間データ、特に気候と気象変数の正確で高 … 続きを読む
カテゴリー: cs.AI, cs.LG, physics.ao-ph
Generative Adversarial Models for Extreme Geospatial Downscaling はコメントを受け付けていません
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability
要約 地球システムの予測可能性は、環境力学の複雑さと関係する多数の変数によって挑 … 続きを読む
カテゴリー: cs.AI, cs.DC, eess.IV, physics.ao-ph, physics.geo-ph
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability はコメントを受け付けていません
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability
要約 地球システムの予測可能性は、環境力学の複雑さと関係する多数の変数によって挑 … 続きを読む
カテゴリー: cs.AI, cs.DC, eess.IV, physics.ao-ph, physics.geo-ph
ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability はコメントを受け付けていません
Towards Physically Consistent Deep Learning For Climate Model Parameterizations
要約 気候モデルは、気候変動の理解と予測において重要な役割を果たします。 その複 … 続きを読む
カテゴリー: cs.LG, physics.ao-ph
Towards Physically Consistent Deep Learning For Climate Model Parameterizations はコメントを受け付けていません
A Likelihood-Based Generative Approach for Spatially Consistent Precipitation Downscaling
要約 深層学習は、降水量のダウンスケーリングのための有望なツールとして浮上してい … 続きを読む
カテゴリー: cs.LG, physics.ao-ph, stat.ML
A Likelihood-Based Generative Approach for Spatially Consistent Precipitation Downscaling はコメントを受け付けていません