Buchumschlag

Performance and Efficiency of Climate In-Situ Data Reconstruction: Why Optimized IDW Outperforms kriging and Implicit Neural Representation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Walczak, Jakub
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Studying the Impact of Latent Representations in Implicit Neural Networks for Scientific Continuous Field Reconstruction
von: Xu, Wei, et al.
Veröffentlicht: (2024)

TabINR: An Implicit Neural Representation Framework for Tabular Data Imputation
von: Ochs, Vincent, et al.
Veröffentlicht: (2025)

When Do Neural Nets Outperform Boosted Trees on Tabular Data?
von: McElfresh, Duncan, et al.
Veröffentlicht: (2023)

Enhancing Neural Function Approximation: The XNet Outperforming KAN
von: Li, Xin, et al.
Veröffentlicht: (2025)

ImputeINR: Time Series Imputation via Implicit Neural Representations for Disease Diagnosis with Missing Data
von: Li, Mengxuan, et al.
Veröffentlicht: (2025)

When Do Multi-Agent Systems Outperform? Analysing the Learning Efficiency of Agentic Systems
von: Su, Junwei, et al.
Veröffentlicht: (2026)

Time Series Continuous Modeling for Imputation and Forecasting with Implicit Neural Representations
von: Naour, Etienne Le, et al.
Veröffentlicht: (2023)

FA-INR: Adaptive Implicit Neural Representations for Interpretable Exploration of Simulation Ensembles
von: Li, Ziwei, et al.
Veröffentlicht: (2025)

Quantum Implicit Neural Representations
von: Zhao, Jiaming, et al.
Veröffentlicht: (2024)

Efficiency for Free: Ideal Data Are Transportable Representations
von: Sun, Peng, et al.
Veröffentlicht: (2024)

No Location Left Behind: Measuring and Improving the Fairness of Implicit Representations for Earth Data
von: Cai, Daniel, et al.
Veröffentlicht: (2025)

Richer Representations for Neural Algorithmic Reasoning via Auxiliary Reconstruction
von: Huang, Jiafu, et al.
Veröffentlicht: (2026)

TSINR: Capturing Temporal Continuity via Implicit Neural Representations for Time Series Anomaly Detection
von: Li, Mengxuan, et al.
Veröffentlicht: (2024)

Norm-Hierarchy Transitions in Representation Learning: When and Why Neural Networks Abandon Shortcuts
von: Khanh, Truong Xuan, et al.
Veröffentlicht: (2026)

Model Comparisons: XNet Outperforms KAN
von: Li, Xin, et al.
Veröffentlicht: (2024)

SBS: Enhancing Parameter-Efficiency of Neural Representations for Neural Networks via Spectral Bias Suppression
von: Xie, Qihu, et al.
Veröffentlicht: (2025)

Implicit Hypergraph Neural Network
von: Choudhuri, Akash, et al.
Veröffentlicht: (2025)

Unveiling Implicit Advantage Symmetry: Why GRPO Struggles with Exploration and Difficulty Adaptation
von: Yu, Zhiqi, et al.
Veröffentlicht: (2026)

MENDR: Manifold Explainable Neural Data Representations
von: Chen, Matthew, et al.
Veröffentlicht: (2025)

Enhancing Machine Learning Model Efficiency through Quantization and Bit Depth Optimization: A Performance Analysis on Healthcare Data
von: Goswami, Mitul, et al.
Veröffentlicht: (2025)

Can a Single Tree Outperform an Entire Forest?
von: Mao, Qiangqiang, et al.
Veröffentlicht: (2024)

Functional Graphical Models: Structure Enables Offline Data-Driven Optimization
von: Kuba, Jakub Grudzien, et al.
Veröffentlicht: (2024)

Latent Space Data Fusion Outperforms Early Fusion in Multimodal Mental Health Digital Phenotyping Data
von: Barkat, Youcef, et al.
Veröffentlicht: (2025)

MINR: Implicit Neural Representations with Masked Image Modelling
von: Lee, Sua, et al.
Veröffentlicht: (2025)

Implicit Neural Differential Model for Spatiotemporal Dynamics
von: Akhare, Deepak, et al.
Veröffentlicht: (2025)

Understanding Adversarial Transfer: Why Representation-Space Attacks Fail Where Data-Space Attacks Succeed
von: Gupta, Isha, et al.
Veröffentlicht: (2025)

Adaptive Regularization of Representation Rank as an Implicit Constraint of Bellman Equation
von: He, Qiang, et al.
Veröffentlicht: (2024)

HOIN: High-Order Implicit Neural Representations
von: Chen, Yang, et al.
Veröffentlicht: (2024)

Why and How Auxiliary Tasks Improve JEPA Representations
von: Yu, Jiacan, et al.
Veröffentlicht: (2025)

When Does Predictive Inverse Dynamics Outperform Behavior Cloning?
von: Schäfer, Lukas, et al.
Veröffentlicht: (2026)

Transcendence: Generative Models Can Outperform The Experts That Train Them
von: Zhang, Edwin, et al.
Veröffentlicht: (2024)

Data Diversity as Implicit Regularization: How Does Diversity Shape the Weight Space of Deep Neural Networks?
von: Ba, Yang, et al.
Veröffentlicht: (2024)

Benchmarking Pretrained Molecular Embedding Models For Molecular Representation Learning
von: Praski, Mateusz, et al.
Veröffentlicht: (2025)

Reconstructing Deep Neural Networks: Unleashing the Optimization Potential of Natural Gradient Descent
von: Liu, Weihua, et al.
Veröffentlicht: (2024)

Concept Influence: Leveraging Interpretability to Improve Performance and Efficiency in Training Data Attribution
von: Kowal, Matthew, et al.
Veröffentlicht: (2026)

Subspace Implicit Neural Representations for Real-Time Cardiac Cine MR Imaging
von: Huang, Wenqi, et al.
Veröffentlicht: (2024)

Outperforming Self-Attention Mechanisms in Solar Irradiance Forecasting via Physics-Guided Neural Networks
von: Abdullah, Mohammed Ezzaldin Babiker, et al.
Veröffentlicht: (2026)

Why is Your Language Model a Poor Implicit Reward Model?
von: Razin, Noam, et al.
Veröffentlicht: (2025)

Parameter-Efficient Neural CDEs via Implicit Function Jacobians
von: Kuleshov, Ilya, et al.
Veröffentlicht: (2025)

Knowledge Distillation in Wide Neural Networks: Risk Bound, Data Efficiency and Imperfect Teacher
von: Ji, Guangda, et al.
Veröffentlicht: (2020)