Buchumschlag

Model codes for "Modeling CO2 fluxes in coastal wetlands of China using explainable sequence-based deep learning"

Fuente: Zenodo

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	He, Wei, Nguyen, Ngoc Tu
Format:	Recurso digital
Veröffentlicht:	Zenodo 2026
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Carbon fluxes of China's coastal wetlands and impacts of reclamation and restoration
von: Weizhi Lu, et al.
Veröffentlicht: (2024)

In silico prediction of ocular toxicity of compounds using explainable machine learning and deep learning approaches
von: Yiqing Zhou, et al.
Veröffentlicht: (2024)

Improving turbulence control through explainable deep learning
von: Beneitez, Miguel, et al.
Veröffentlicht: (2025)

Methane flux measurements from coastal wetlands on the Kenai Peninsula
von: Fuchs, Matthias, et al.
Veröffentlicht: (2024)

Data set for modeling methane fluxes of Beringian coastal wetlands
von: Fuchs, Matthias, et al.
Veröffentlicht: (2024)

An explainable artificial intelligence‐based approach for reliable damage detection in polymer composite structures using deep learning
von: Muhammad Muzammil Azad, et al.
Veröffentlicht: (2024)

Modeling CO Line Profiles in Shocks of W28 and IC44
von: Fuda, Nguyen, et al.
Veröffentlicht: (2021)

Challenges in explaining deep learning models for data with biological variation
von: Tětková, Lenka, et al.
Veröffentlicht: (2024)

Evaluating explainable AI for deep learning-based network intrusion detection system alert classification
von: Kalakoti, Rajesh, et al.
Veröffentlicht: (2025)

IRS‐aided cognitive radio short‐packet communications over Nakagami‐ m fading channels: BLER analysis and deep learning evaluation
von: Tu‐Trinh Thi Nguyen, et al.
Veröffentlicht: (2025)

The codes used in the work titled "Global warming impacts of CO₂ uptake, CH₄ emissions, and albedo changes in wetlands."
von: Huang, Yuting
Veröffentlicht: (2025)

Automated detection of motion artifacts in brain MR images using deep learning and explainable artificial intelligence
von: Jimeno, Marina Manso, et al.
Veröffentlicht: (2024)

A benchmark analysis of saliency-based explainable deep learning methods for the morphological classification of radio galaxies
von: Atemkeng, M. T., et al.
Veröffentlicht: (2025)

Non-uniform bounds for non-normal approximation via Stein's method with applications to the Curie--Weiss model and the imitative monomer-dimer model
von: Thành, Lê Vǎn, et al.
Veröffentlicht: (2025)

Non-uniform Berry--Esseen bounds for exchangeable pairs with applications to the mean-field classical $N$-vector models and Jack measures
von: Thành, Lê Vǎn, et al.
Veröffentlicht: (2025)

Hybrid deep learning model for maize leaf disease classification with explainable AI
von: Yıldırım Özüpak, et al.
Veröffentlicht: (2025)

Identifying regions of importance in wall-bounded turbulence through explainable deep learning
von: Cremades, Andres, et al.
Veröffentlicht: (2023)

Environment-adaptive machine learning potentials
von: Nguyen, Ngoc Cuong, et al.
Veröffentlicht: (2024)

Enhancing secrecy in RIS–fountain code‐aided multi‐cluster satellite–terrestrial NOMA networks under eavesdropping threats
von: Nguyen Van Toan, et al.
Veröffentlicht: (2026)

Portfolio construction using explainable reinforcement learning
von: Daniel González Cortés, et al.
Veröffentlicht: (2024)

T2‐weighted imaging of rectal cancer using a 3D fast spin echo sequence with and without deep learning reconstruction: A reader study
von: Dan Nguyen, et al.
Veröffentlicht: (2025)

NWP-based deep learning for tropical cyclone intensity prediction
von: Kieu, Chanh, et al.
Veröffentlicht: (2025)

Modeling flexible behavior with remapping-based hippocampal sequence learning
von: Ito, Yoshiki, et al.
Veröffentlicht: (2024)

SINAPSE: A lightweight deep learning framework for accurate and explainable neutron-$γ$ discrimination
von: Carreau, Thomas, et al.
Veröffentlicht: (2026)

Bridging visual saliency and large language models for explainable deep learning in medical imaging
von: Nguezet, Paul Valery, et al.
Veröffentlicht: (2026)

Assessment of non-intrusive sensing in wall-bounded turbulence through explainable deep learning
von: Cremades, A., et al.
Veröffentlicht: (2025)

A redescription mining framework for post-hoc explaining and relating deep learning models
von: Mihelčić, Matej, et al.
Veröffentlicht: (2025)

Differential whole‐brain patterns of cardiometabolic risk and blood biomarker using multi‐modal neuroimaging and explainable deep learning
von: Da Ma, et al.
Veröffentlicht: (2024)

Management in coastal wetlands
von: Stout, J.P.
Veröffentlicht: (1978)

Model-based deep reinforcement learning for accelerated learning from flow simulations
von: Weiner, Andre, et al.
Veröffentlicht: (2024)

Temporal turnover of viral biodiversity and functional potential in intertidal wetlands
von: Ji, Mengzhi, et al.
Veröffentlicht: (2023)

An Efficient Approach for Machine Translation on Low-resource Languages: A Case Study in Vietnamese-Chinese
von: Son, Tran Ngoc, et al.
Veröffentlicht: (2025)

Integrative characterization of the topography of V4 neural codes using deep learning approaches
von: Bian, Yingjue, et al.
Veröffentlicht: (2025)

Forgetfulness to Take Antihypertensive Medications and Poor Blood Pressure Control in Older Adults With Type 2 Diabetes and Hypertension in Vietnam
von: Wei Jin Wong, et al.
Veröffentlicht: (2025)

Seasonality of temperature dependence of methane fluxes from natural wetlands
von: Jinshuai Li, et al.
Veröffentlicht: (2025)

Global explainability of a deep abstaining classifier
von: Dhaubhadel, Sayera, et al.
Veröffentlicht: (2025)

The extended adjoint state and nonlinearity in correlation-based passive imaging
von: Nguyen, Tram Thi Ngoc
Veröffentlicht: (2025)

Spatiotemporal Tile-based Attention-guided LSTMs for Traffic Video Prediction
von: Nguyen, Tu
Veröffentlicht: (2019)

Evidence of Grain Alignment by Magnetically Enhanced Radiative Torques from Multiwavelength Dust Polarization Modeling of HL Tau
von: Thang, Nguyen Tat, et al.
Veröffentlicht: (2023)

Uncovering emotion sequence patterns in different interaction groups using deep learning and sequential pattern mining
von: Changqin Huang, et al.
Veröffentlicht: (2024)