Buchumschlag

Modeling Spatial Extremal Dependence of Precipitation Using Distributional Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bülte, Christopher, Leimenstoll, Lisa, Schienle, Melanie
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Modeling Nonstationary Extremal Dependence via Deep Spatial Deformations
von: Shao, Xuanjie, et al.
Veröffentlicht: (2025)

Graph Neural Networks for Enhancing Ensemble Forecasts of Extreme Rainfall
von: Bülte, Christopher, et al.
Veröffentlicht: (2025)

Probabilistic neural operators for functional uncertainty quantification
von: Bülte, Christopher, et al.
Veröffentlicht: (2025)

Probabilistic intraday electricity price forecasting using generative machine learning
von: Chen, Jieyu, et al.
Veröffentlicht: (2025)

Improved probabilistic regression using diffusion models
von: Kneissl, Carlo, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Regression: A Unified Framework based on kernel scores
von: Bülte, Christopher, et al.
Veröffentlicht: (2025)

A Review of Neural Networks in Precipitation Prediction
von: Zeng, Yugong, et al.
Veröffentlicht: (2025)

Towards Location-Specific Precipitation Projections Using Deep Neural Networks
von: Kumar, Bipin, et al.
Veröffentlicht: (2025)

Uncertainty quantification for data-driven weather models
von: Bülte, Christopher, et al.
Veröffentlicht: (2024)

Canonical Tail Dependence for Soft Extremal Clustering of Multichannel Brain Signals
von: Talento, Mara Sherlin, et al.
Veröffentlicht: (2025)

An Axiomatic Assessment of Entropy- and Variance-based Uncertainty Quantification in Regression
von: Bülte, Christopher, et al.
Veröffentlicht: (2025)

Bayesian Semi-Parametric Spatial Dispersed Count Model for Precipitation Analysis
von: Nadifar, Mahsa, et al.
Veröffentlicht: (2025)

Self-supervised Spatial-Temporal Learner for Precipitation Nowcasting
von: Li, Haotian, et al.
Veröffentlicht: (2024)

Rectifying Distribution Shift in Cascaded Precipitation Nowcasting
von: Ju, Fanbo, et al.
Veröffentlicht: (2025)

Training Robust Graph Neural Networks by Modeling Noise Dependencies
von: In, Yeonjun, et al.
Veröffentlicht: (2025)

Spatial Bayesian Neural Networks
von: Zammit-Mangion, Andrew, et al.
Veröffentlicht: (2023)

On Distributional Dependent Performance of Classical and Neural Routing Solvers
von: Thyssens, Daniela, et al.
Veröffentlicht: (2025)

Modeling Spatial Extremes using Non-Gaussian Spatial Autoregressive Models via Convolutional Neural Networks
von: Rai, Sweta, et al.
Veröffentlicht: (2025)

Performance Heterogeneity in Graph Neural Networks: Lessons for Architecture Design and Preprocessing
von: Fesser, Lukas, et al.
Veröffentlicht: (2025)

Model Determination for High-Dimensional Longitudinal Data with Missing Observations: An Application to Microfinance Data
von: Rüter, Lotta, et al.
Veröffentlicht: (2024)

Predicting the Temperature Dependence of Surfactant CMCs Using Graph Neural Networks
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Precipitation Nowcasting Using Physics Informed Discriminator Generative Models
von: Yin, Junzhe, et al.
Veröffentlicht: (2024)

MAD-SmaAt-GNet: A Multimodal Advection-Guided Neural Network for Precipitation Nowcasting
von: van Wonderen, Samuel, et al.
Veröffentlicht: (2026)

Empowering Power Outage Prediction with Spatially Aware Hybrid Graph Neural Networks and Contrastive Learning
von: Shen, Xuyang, et al.
Veröffentlicht: (2026)

Simple Macroeconomic Forecast Distributions for the G7 Economies
von: Becker, Friederike, et al.
Veröffentlicht: (2024)

Data-Driven and Theory-Guided Pseudo-Spectral Seismic Imaging Using Deep Neural Network Architectures
von: Zerafa, Christopher
Veröffentlicht: (2025)

Inference in Partially Linear Models under Dependent Data with Deep Neural Networks
von: Brown, Chad
Veröffentlicht: (2024)

Distributional Regression U-Nets for the Postprocessing of Precipitation Ensemble Forecasts
von: Pic, Romain, et al.
Veröffentlicht: (2024)

Effective Capacitance Modeling Using Graph Neural Networks
von: Dogan, Eren, et al.
Veröffentlicht: (2025)

Graph Topic Modeling for Documents with Spatial or Covariate Dependencies
von: Jung, Yeo Jin, et al.
Veröffentlicht: (2024)

A Subsampling Based Neural Network for Spatial Data
von: Thakur, Debjoy
Veröffentlicht: (2024)

Dynamic Localisation of Spatial-Temporal Graph Neural Network
von: Duan, Wenying, et al.
Veröffentlicht: (2025)

The Map Equation Goes Neural: Mapping Network Flows with Graph Neural Networks
von: Blöcker, Christopher, et al.
Veröffentlicht: (2023)

Spatially Parallel All-optical Neural Networks
von: Qin, Jianwei, et al.
Veröffentlicht: (2025)

Visual Spatial Learning: Single-Field Spatial Interpolation Using Convolutional Neural Networks
von: Tinoco, Daniel, et al.
Veröffentlicht: (2026)

Hardness of Learning Neural Networks under the Manifold Hypothesis
von: Kiani, Bobak T., et al.
Veröffentlicht: (2024)

Quantum Extremal Learning
von: Varsamopoulos, Savvas, et al.
Veröffentlicht: (2022)

Enforcing convex constraints in Graph Neural Networks
von: Rashwan, Ahmed, et al.
Veröffentlicht: (2025)

Learning Guarantee of Reward Modeling Using Deep Neural Networks
von: Luo, Yuanhang, et al.
Veröffentlicht: (2025)

BIGNet: Pretrained Graph Neural Network for Embedding Semantic, Spatial, and Topological Data in BIM Models
von: Han, Jin, et al.
Veröffentlicht: (2025)