Multitask Air-Quality Prediction Based on LSTM-Autoencoder Model

With the development of the data-driven modeling techniques, using the neural network to simulate the transport process of atmospheric pollutants and constructing <inline-formula> <tex-math notation="LaTeX">{\textrm {PM}}_{2.5} </tex-math></inline-formula> time-seri...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on cybernetics Ročník 51; číslo 5; s. 2577 - 2586
Hlavní autoři:	Xu, Xinghan, Yoneda, Minoru
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States IEEE 01.05.2021 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Air pollution Atmospheric modeling Atmospheric models Autoencoder Computer architecture Learning Logic gates long short-term memory (LSTM) Multilayers multitask learning Neural networks PM₂. Pollutants Pollution monitoring Prediction models Predictive models Simulation Stations Time series Time series analysis Urban areas
ISSN:	2168-2267, 2168-2275, 2168-2275
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!