Buchumschlag

Applying Machine Learning Tools for Urban Resilience Against Floods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pour, Mahla Ardebili, Ghiasi, Mohammad B., Karkehabadi, Ali
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

AttnGen: Attention-Guided Saliency Learning for Interpretable Genomic Sequence Classification
von: Nia, Rayhaneh Shabani, et al.
Veröffentlicht: (2026)

FFCL: Forward-Forward Net with Cortical Loops, Training and Inference on Edge Without Backpropagation
von: Karkehabadi, Ali, et al.
Veröffentlicht: (2024)

FloodDamageCast: Building Flood Damage Nowcasting with Machine Learning and Data Augmentation
von: Liu, Chia-Fu, et al.
Veröffentlicht: (2024)

Mapping how LLMs debate societal issues when shadowing human personality traits, sociodemographics and social media behavior
von: Ardebili, Ali Aghazadeh, et al.
Veröffentlicht: (2026)

Relatively Smart: A New Approach for Instance-Optimal Learning
von: Dughmi, Shaddin, et al.
Veröffentlicht: (2026)

Sequential Compression Layers for Efficient Federated Learning in Foundational Models
von: Mahla, Navyansh, et al.
Veröffentlicht: (2024)

High-Resolution Flood Probability Mapping Using Generative Machine Learning with Large-Scale Synthetic Precipitation and Inundation Data
von: Huang, Lipai, et al.
Veröffentlicht: (2024)

Optimizing Urban Critical Green Space Development Using Machine Learning
von: Ganjirad, Mohammad, et al.
Veröffentlicht: (2025)

Rethinking Explainable Machine Learning as Applied Statistics
von: Bordt, Sebastian, et al.
Veröffentlicht: (2024)

A Novel Data-Dependent Learning Paradigm for Large Hypothesis Classes
von: Pour, Alireza F., et al.
Veröffentlicht: (2025)

mwBTFreddy: A Dataset for Flash Flood Damage Assessment in Urban Malawi
von: Chapuma, Evelyn, et al.
Veröffentlicht: (2025)

Unsupervised Graph Deep Learning Reveals Emergent Flood Risk Profile of Urban Areas
von: Yin, Kai, et al.
Veröffentlicht: (2023)

An Exact Finite-dimensional Explicit Feature Map for Kernel Functions
von: Ghiasi-Shirazi, Kamaledin, et al.
Veröffentlicht: (2024)

Machine Learning-Based Comparative Analysis of Human and Economic Losses from Cold-Climate Mountain Floods: Case Studies of Zarindasht–Firouzkouh (Iran, 2022) and Houghton, Michigan (2018)
von: Sohrabi, Mohammad
Veröffentlicht: (2025)

Game of Coding: Coding Theory in the Presence of Rational Adversaries, Motivated by Decentralized Machine Learning
von: Nodehi, Hanzaleh Akbari, et al.
Veröffentlicht: (2026)

Coded Computing for Resilient Distributed Computing: A Learning-Theoretic Framework
von: Moradi, Parsa, et al.
Veröffentlicht: (2024)

ML4EJ: Decoding the Role of Urban Features in Shaping Environmental Injustice Using Interpretable Machine Learning
von: Ho, Yu-Hsuan, et al.
Veröffentlicht: (2023)

Enhancing IoT Security Against DDoS Attacks through Federated Learning
von: Shirvani, Ghazaleh, et al.
Veröffentlicht: (2024)

Flood Prediction Using Classical and Quantum Machine Learning Models
von: Grzesiak, Marek, et al.
Veröffentlicht: (2024)

Learning with Multiple Correct Answers -- A Trichotomy of Regret Bounds under Different Feedback Models
von: Pour, Alireza F., et al.
Veröffentlicht: (2026)

Machine Learning-based Approach for Ex-post Assessment of Community Risk and Resilience Based on Coupled Human-infrastructure Systems Performance
von: Li, Xiangpeng, et al.
Veröffentlicht: (2024)

Position: Towards Resilience Against Adversarial Examples
von: Dai, Sihui, et al.
Veröffentlicht: (2024)

Robust Optimization Approach and Learning Based Hide-and-Seek Game for Resilient Network Design
von: Khosravi, Mohammad, et al.
Veröffentlicht: (2026)

Machine Learning Tools for Environmental Sustainability.
von: Moka Nanditha Varma
Veröffentlicht: (2025)

Learning to Judge: LLMs Designing and Applying Evaluation Rubrics
von: Siro, Clemencia, et al.
Veröffentlicht: (2026)

Game of Coding: Sybil Resistant Decentralized Machine Learning with Minimal Trust Assumption
von: Nodehi, Hanzaleh Akbari, et al.
Veröffentlicht: (2024)

Leveraging Machine Learning and Deep Learning Techniques for Improved Pathological Staging of Prostate Cancer
von: Ghalamkarian, Raziehsadat, et al.
Veröffentlicht: (2025)

Bayesian Modeling of Zero-Shot Classifications for Urban Flood Detection
von: Franchi, Matt, et al.
Veröffentlicht: (2025)

Machine Learning Applied to the Detection of Mycotoxin in Food: A Review
von: Inglis, Alan, et al.
Veröffentlicht: (2024)

Causal Inference Tools for a Better Evaluation of Machine Learning
von: Soumm, Michaël
Veröffentlicht: (2024)

MXtalTools: A Toolkit for Machine Learning on Molecular Crystals
von: Kilgour, Michael, et al.
Veröffentlicht: (2025)

An Adaptive Simulated Annealing-Based Machine Learning Approach for Developing an E-Triage Tool for Hospital Emergency Operations
von: Ahmed, Abdulaziz, et al.
Veröffentlicht: (2022)

Flood-DamageSense: Multimodal Mamba with Multitask Learning for Building Flood Damage Assessment using SAR Remote Sensing Imagery
von: Ho, Yu-Hsuan, et al.
Veröffentlicht: (2025)

Exploring Gradient Subspaces: Addressing and Overcoming LoRA's Limitations in Federated Fine-Tuning of Large Language Models
von: Mahla, Navyansh, et al.
Veröffentlicht: (2024)

Towards Using Machine Learning to Generatively Simulate EV Charging in Urban Areas
von: Miltner, Marek, et al.
Veröffentlicht: (2024)

DeepCAVE: A Visualization and Analysis Tool for Automated Machine Learning
von: Segel, Sarah, et al.
Veröffentlicht: (2025)

FIDLAR: Forecast-Informed Deep Learning Architecture for Flood Mitigation
von: Shi, Jimeng, et al.
Veröffentlicht: (2024)

Climate Adaptation with Reinforcement Learning: Experiments with Flooding and Transportation in Copenhagen
von: Costa, Miguel, et al.
Veröffentlicht: (2024)

ImprovDML: Improved Trade-off in Private Byzantine-Resilient Distributed Machine Learning
von: Liu, Bing, et al.
Veröffentlicht: (2025)

NeRCC: Nested-Regression Coded Computing for Resilient Distributed Prediction Serving Systems
von: Moradi, Parsa, et al.
Veröffentlicht: (2024)