:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Colwell, Matthew, Abolghasemi, Mahdi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2404.14635
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dynamical errors in machine learning forecasts
von: Fang, Zhou, et al.
Veröffentlicht: (2025)

Current applications and potential future directions of reinforcement learning-based Digital Twins in agriculture
von: Goldenits, Georg, et al.
Veröffentlicht: (2024)

Improving the forecast accuracy of wind power by leveraging multiple hierarchical structure
von: English, Lucas, et al.
Veröffentlicht: (2023)

An explainable machine learning approach for energy forecasting at the household level
von: Béraud, Pauline, et al.
Veröffentlicht: (2024)

Coronary Artery Disease Classification Using One-dimensional Convolutional Neural Network
von: Phoemsuk, Atitaya, et al.
Veröffentlicht: (2024)

Predicting human decisions with behavioral theories and machine learning
von: Plonsky, Ori, et al.
Veröffentlicht: (2019)

Time-series surrogates from energy consumers generated by machine learning approaches for long-term forecasting scenarios
von: Gerhards, Ben, et al.
Veröffentlicht: (2025)

A feature-stable and explainable machine learning framework for trustworthy decision-making under incomplete clinical data
von: Andrys-Olek, Justyna, et al.
Veröffentlicht: (2026)

Review of multimodal machine learning approaches in healthcare
von: Krones, Felix, et al.
Veröffentlicht: (2024)

Automated machine learning: AI-driven decision making in business analytics
von: Schmitt, Marc
Veröffentlicht: (2022)

FuXi-ENS: A machine learning model for medium-range ensemble weather forecasting
von: Zhong, Xiaohui, et al.
Veröffentlicht: (2024)

FuXi-S2S: A machine learning model that outperforms conventional global subseasonal forecast models
von: Chen, Lei, et al.
Veröffentlicht: (2023)

Practical machine learning is learning on small samples
von: Sapir, Marina
Veröffentlicht: (2025)

Position: Foundation Models Need Digital Twin Representations
von: Shen, Yiqing, et al.
Veröffentlicht: (2025)

From Transformers to Large Language Models: A systematic review of AI applications in the energy sector towards Agentic Digital Twins
von: Antonesi, Gabriel, et al.
Veröffentlicht: (2025)

A comparative study of deep learning and ensemble learning to extend the horizon of traffic forecasting
von: Zheng, Xiao, et al.
Veröffentlicht: (2025)

What should an AI assessor optimise for?
von: Romero-Alvarado, Daniel, et al.
Veröffentlicht: (2025)

Learning Paradigms and Modelling Methodologies for Digital Twins in Process Industry
von: Mayr, Michael, et al.
Veröffentlicht: (2024)

Exploring the design space of deep-learning-based weather forecasting systems
von: Siddiqui, Shoaib Ahmed, et al.
Veröffentlicht: (2024)

Recursive deep learning framework for forecasting the decadal world economic outlook
von: Wang, Tianyi, et al.
Veröffentlicht: (2023)

Adaptive traffic signal safety and efficiency improvement by multi objective deep reinforcement learning approach
von: Mirbakhsh, Shahin, et al.
Veröffentlicht: (2024)

Deep learning forecasts the spatiotemporal evolution of fluid-induced microearthquakes
von: Chung, Jaehong, et al.
Veröffentlicht: (2025)

Harmful algal bloom forecasting. A comparison between stream and batch learning
von: Molares-Ulloa, Andres, et al.
Veröffentlicht: (2024)

Ultra-short-term solar power forecasting by deep learning and data reconstruction
von: Wang, Jinbao, et al.
Veröffentlicht: (2025)

Causality in the human niche: lessons for machine learning
von: Lange, Richard D., et al.
Veröffentlicht: (2025)

Explanatory machine learning for sequential human teaching
von: Ai, Lun, et al.
Veröffentlicht: (2022)

Joint Hypergraph Rewiring and Memory-Augmented Forecasting Techniques in Digital Twin Technology
von: Sakhinana, Sagar Srinivas, et al.
Veröffentlicht: (2024)

Digital Twin-Driven Communication-Efficient Federated Anomaly Detection for Industrial IoT
von: Belay, Mohammed Ayalew, et al.
Veröffentlicht: (2026)

Extreme value forecasting using relevance-based data augmentation with deep learning models
von: Hua, Junru, et al.
Veröffentlicht: (2025)

Shadows of quantum machine learning
von: Jerbi, Sofiene, et al.
Veröffentlicht: (2023)

Surrogate uncertainty estimation for your time series forecasting black-box: learn when to trust
von: Erlygin, Leonid, et al.
Veröffentlicht: (2023)

XiChen: A global weather observation-to-forecast machine learning system via four-dimensional variational gradient-guided flexible assimilation
von: Wang, Wuxin, et al.
Veröffentlicht: (2025)

On Goodhart's law, with an application to value alignment
von: El-Mhamdi, El-Mahdi, et al.
Veröffentlicht: (2024)

Using machine learning for fault detection in lighthouse light sensors
von: Kampouridis, Michael, et al.
Veröffentlicht: (2024)

Decoding complexity: how machine learning is redefining scientific discovery
von: Vinuesa, Ricardo, et al.
Veröffentlicht: (2024)

Operating critical machine learning models in resource constrained regimes
von: Selvan, Raghavendra, et al.
Veröffentlicht: (2023)

Predicting life satisfaction using machine learning and explainable AI
von: Khan, Alif Elham, et al.
Veröffentlicht: (2025)

survex: an R package for explaining machine learning survival models
von: Spytek, Mikołaj, et al.
Veröffentlicht: (2023)

ExGRG: Explicitly-Generated Relation Graph for Self-Supervised Representation Learning
von: Naseri, Mahdi, et al.
Veröffentlicht: (2024)

A deep learning and machine learning approach to predict neonatal death in the context of São Paulo
von: Raihan, Mohon, et al.
Veröffentlicht: (2025)