Buchumschlag

Benchmarking Scientific Machine Learning Models for Air Quality Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Masud, Khawja Imran, Unnam, Venkata Sai Rahul, Ali, Sahara
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TS-CausalNN: Learning Temporal Causal Relations from Non-linear Non-stationary Time Series Data
von: Faruque, Omar, et al.
Veröffentlicht: (2024)

Predicting Multi-Drug Resistance in Bacterial Isolates Through Performance Comparison and LIME-based Interpretation of Classification Models
von: Wishal, Santanam, et al.
Veröffentlicht: (2026)

Forecasting MBTA Transit Dynamics: A Performance Benchmarking of Statistical and Machine Learning Models
von: Nalamalpu, Sai Siddharth, et al.
Veröffentlicht: (2025)

Multiphysics Bench: Benchmarking and Investigating Scientific Machine Learning for Multiphysics PDEs
von: Yang, Changfan, et al.
Veröffentlicht: (2025)

FuXi-Air: Urban Air Quality Forecasting Based on Emission-Meteorology-Pollutant multimodal Machine Learning
von: Geng, Zhixin, et al.
Veröffentlicht: (2025)

TTCD:Transformer Integrated Temporal Causal Discovery from Non-Stationary Time Series Data
von: Faruque, Omar, et al.
Veröffentlicht: (2026)

Estimating Direct and Indirect Causal Effects of Spatiotemporal Interventions in Presence of Spatial Interference
von: Ali, Sahara, et al.
Veröffentlicht: (2024)

Using Machine Learning in Analyzing Air Quality Discrepancies of Environmental Impact
von: Wang, Shuangbao Paul, et al.
Veröffentlicht: (2025)

Towards Modeling Data Quality and Machine Learning Model Performance
von: Anjum, Usman, et al.
Veröffentlicht: (2024)

PDEBENCH: An Extensive Benchmark for Scientific Machine Learning
von: Takamoto, Makoto, et al.
Veröffentlicht: (2022)

The Physics Constraint Paradox: When Removing Explicit Constraints Improves Physics-Informed Data for Machine Learning
von: Ray, Rahul D
Veröffentlicht: (2025)

Air Quality Forecasting Using Machine Learning: A Global perspective with Relevance to Low-Resource Settings
von: Christian, Mulomba Mukendi, et al.
Veröffentlicht: (2024)

Leveraging Interpolation Models and Error Bounds for Verifiable Scientific Machine Learning
von: Chang, Tyler, et al.
Veröffentlicht: (2024)

Comparative Analysis of Machine Learning-Based Imputation Techniques for Air Quality Datasets with High Missing Data Rates
von: Yan, Sen, et al.
Veröffentlicht: (2024)

Blu-WERP (Web Extraction and Refinement Pipeline): A Scalable Pipeline for Preprocessing Large Language Model Datasets
von: Gowtham, et al.
Veröffentlicht: (2025)

Scientific Machine Learning Seismology
von: Okazaki, Tomohisa
Veröffentlicht: (2024)

WaveCatBoost for Probabilistic Forecasting of Regional Air Quality Data
von: Borah, Jintu, et al.
Veröffentlicht: (2024)

Scientific Inference With Interpretable Machine Learning: Analyzing Models to Learn About Real-World Phenomena
von: Freiesleben, Timo, et al.
Veröffentlicht: (2022)

Best Practices for Machine Learning Experimentation in Scientific Applications
von: Michelucci, Umberto, et al.
Veröffentlicht: (2025)

Evaluating Machine Learning Approaches for ASCII Art Generation
von: Coumar, Sai, et al.
Veröffentlicht: (2025)

ATLO-ML: Adaptive Time-Length Optimizer for Machine Learning -- Insights from Air Quality Forecasting
von: Kao, I-Hsi, et al.
Veröffentlicht: (2025)

Automated Manifold Learning for Reduced Order Modeling
von: Nasim, Imran, et al.
Veröffentlicht: (2025)

Chunked Data Shapley: A Scalable Dataset Quality Assessment for Machine Learning
von: Loizou, Andreas, et al.
Veröffentlicht: (2025)

End-to-End Data Quality-Driven Framework for Machine Learning in Production Environment
von: Bayram, Firas, et al.
Veröffentlicht: (2025)

Modeling chaotic Lorenz ODE System using Scientific Machine Learning
von: Kashyap, Sameera S, et al.
Veröffentlicht: (2024)

Evaluating Generative Models for Tabular Data: Novel Metrics and Benchmarking
von: Herurkar, Dayananda, et al.
Veröffentlicht: (2025)

On the Readiness of Scientific Data for a Fair and Transparent Use in Machine Learning
von: Giner-Miguelez, Joan, et al.
Veröffentlicht: (2024)

Muon with Spectral Guidance: Efficient Optimization for Scientific Machine Learning
von: Lu, Binghang, et al.
Veröffentlicht: (2026)

Machine Learning for Scientific Visualization: Ensemble Data Analysis
von: Gadirov, Hamid
Veröffentlicht: (2025)

Beyond the Hype: Comparing Lightweight and Deep Learning Models for Air Quality Forecasting
von: Gondal, Moazzam Umer, et al.
Veröffentlicht: (2025)

Leveraging Deep Learning for Physical Model Bias of Global Air Quality Estimates
von: Doerksen, Kelsey, et al.
Veröffentlicht: (2025)

A Survey on Data Quality Dimensions and Tools for Machine Learning
von: Zhou, Yuhan, et al.
Veröffentlicht: (2024)

Deciphering Air Travel Disruptions: A Machine Learning Approach
von: Jatavallabha, Aravinda, et al.
Veröffentlicht: (2024)

The Benchmarking Epistemology: Construct Validity for Evaluating Machine Learning Models
von: Freiesleben, Timo, et al.
Veröffentlicht: (2025)

A Declarative Query Language for Scientific Machine Learning
von: Jamil, Hasan M
Veröffentlicht: (2024)

A Machine Learning Approach to Predict Biological Age and its Longitudinal Drivers
von: Dunbayeva, Nazira, et al.
Veröffentlicht: (2025)

Beyond Quantities: Machine Learning-based Characterization of Inequality in Infrastructure Quality Provision in Cities
von: Li, Bo, et al.
Veröffentlicht: (2024)

LimTopic: LLM-based Topic Modeling and Text Summarization for Analyzing Scientific Articles limitations
von: Azhar, Ibrahim Al, et al.
Veröffentlicht: (2025)

Towards Foundation Models for Scientific Machine Learning: Characterizing Scaling and Transfer Behavior
von: Subramanian, Shashank, et al.
Veröffentlicht: (2023)

Probabilistic Neural Networks (PNNs) for Modeling Aleatoric Uncertainty in Scientific Machine Learning
von: Pourkamali-Anaraki, Farhad, et al.
Veröffentlicht: (2024)