{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,4]]，“日期-时间”：“2024-06-04T02:01:27Z”，“时间戳”：1717466487677}，“引用-计数”：49，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{:“日期-零件”：[2022,3,1]]，“时间”：”2022-03-01T00:00Z“，”timestamp“：16460928000000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2022,3,1]]，“date-time”：“2022-03-01T00:00:00Z”，“timestamp”：16460928000000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https:\\/doi.org\/10.15223\/policy-017”}，{“开始”：{“日期部分”：[[2022,3,1]]，“日期时间”：“2022-03-01T00:00:00Z”，“timestamp”：1646092800000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[2022,3,1]]，“date-time”：“2022-03-01T00:00:00Z”，“timetamp”：64609280000}，doi.org \/10.15223 \/policy-012“}，{”开始“：{”日期部分“：[2022,3,1]]，“date-time”：“2022-03-01T00:00:00Z”，“timestamp”：16460928000000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[2022,3,1]]，“datetime”：“022-03-01T1T00:00Z”，-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-004“}]，“资助者”：[{“DOI”：“10.13039\/501100010877”，“名称”：“深圳市科学技术和创新委员会”，“DOI-asserted-by”：“出版商”，“奖项”：[“JCYJ20200109113014456”，“JCYJ10210324120208022”]}]，“内容域”：{“域”：[”elsevier.com“，”sciencedirect.com“]，“交叉标记限制”：true}，“短容器时间”：[“Knowledge-Based Systems”]，“published-print”：{“date-parts”：[[2022,3]]}，“DOI”：“10.1016\/j.knosys.2021.107900”，“type”：“journal-article”，“created”：{-“date-parts”：[[2021,12,29]]，“date-time”：“2021-12-29T16:53:03Z”，“timestamp”：1640796783000}，”page“：”107900“，“update-policy”：”http://\/dx.DOI.org \/10.1016 \/elsevier_cm_policy“，”源“：”Crossref“，“is-referenced-by-count”：17，“title”：[“PredRANN:时空注意卷积递归神经网络降水预报”]，“prefix”：“10.1016”，“volume”：“239”，“author”：[{“给定”：“初尧”，“family”：“Luo”，“sequence”：“first”，“affiliation”：[]}，{“given”：”Xinue“，“faily”：”Zhao“sequence:”additional“，“afliance”：[]}，“givent”：“玉溪”，“family”：“Sun”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“徐涛”，“faily”：”Li“，”sequence“：”additional“，”affiliance“：[]{“ORCID”：”http://\/ORCID.org\/00000-0003-4848-609X“，”authenticated-ORCID“：false，”given“：”Yunming“，”family“：”Ye“，“se序列”：“additional”、“affidiation”：[]}]，“member”：“78”，“reference”：[{“键”：“10.1016\/j.knosys.2021.107900_b1”，“series-title”：“2017 IEEE国际地球科学与遥感研讨会（IGARSS）”，“首页”：“5205”，“文章标题”：“多普勒天气雷达ECHO预报的基于深度学习的对抗正则化方法”，“作者”：“Singh”，“年份”：“2017”}，{“问题”：“2”，“关键”：“10.1016\/j.knosys.20211.07900_b2”，“doi断言者”：“crossref”，“首页”：“448”，“doi”：“10.1007\/s00376-012-2026-7”，“文章标题”：“多尺度跟踪雷达回波方案在定量降水预报中的应用”，“卷”：“30”，“作者”：“王”，“年份”：“2013”，“期刊标题”：“Adv.Atmos.Sci.”}，{“问题”：“3”，“关键”：“10.1016\/j.knosys.2021.107900_b3”，“doi-asserted-by”：“crossref”，“first page”：“48”，“doi”：“10.3390\/atmos8030048”，《article-title》：“光流技术在雷达降雨预报中的业务应用”，“volume”：”8“，“author”：“Woo”，“year”：“2017”，“journal-title”：“Atmosphere”}，{“issue”：“4”，“key”：00_b4英寸，“doi-asserted-by”：“crossref”，“first page”：“1387”，“doi”：“10.5194\/gmd-12-1387-2019”，“article-title”：“光流模型作为基于雷达的降水预报的开放基准（rainymotion v0）。1） “，”卷“：”12“，”作者“：”Ayzel“，”年份“：”2019“，”新闻标题“：”地球科学“。模型开发人“}，{“key”：“10.1016\/j.knosys.2021.107900_b5”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.jhydrol.2019.124140”，“article-title”：“使用Burgers\u2019方程改进降雨预报”，“体积”：“581”，“作者”：“Ryu”，“年份”：“2020”，“日志标题”：“j.Hydrol.”}，}“问题”：“12”，“key“10.1016”j.knosys.2021.107900_b6“，”doi-asserted-by“：”crossref“，”first page“：”2859“，”DOI“：”10.1175\/1520-0493（2002）130<2859:SDOTPO>2.0.CO；2“，”article-title“：“大陆雷达图像降水可预测性的尺度依赖性。第一部分：方法论描述”，“卷”：“130”，“作者”：“Germann”，“年份”：“2002”，“新闻标题”：“周一”。Weather Rev.“}，{”key“：”10.1016\/j.knosys.2021.107900_b7“，”doi-asserted-by“：”crossref“，”first page“：“228”，“doi”：“10.1016\/j.patcog.2017.11.004”，“article-title”：“用于潜在因素分析的结构属性软件多层网络嵌入”，“volume”：“76”，“author”：“Lu”，“year”：“2018”，“journal-title“：”Pattern Recognit.“{”10.1016\/j.knosys.2021.107900_b8“，“series-title”：“多媒体建模国际会议”，“首页”：“16”，“文章标题”：“基于卷积神经网络的天气雷达回波外推方法”，“作者”：“石”，“年份”：“2018”}，{“key”：“10.1016\\j.knocys.2021.007900_59”，“doi-asserted-by”：“crossref”，“第一页”：”186“，“doi”：“10.1016\/j.procs.2019.02.036”，“文章标题”：“用于基于雷达的降水预报的所有卷积神经网络”，“卷”：“150”，“作者”：“Ayzel”，“年份”：“2019”，“期刊标题”：“Procedia Comput。科学。“}，{”key“：”10.1016\/j.knosys.2021.107900_b10“，”article-title“：”Auto-FERNet:具有架构搜索的面部表情识别网络“，”author“：”Li“，”year“：”2021“，”journal-title”：“IEEE Trans.Netw.Sci.Eng.”}，“key”：“10.1016\\j.knosys.2021.07900_b11”，“doi-asserted-by”：“crossref”，“first-page”：“565”，“doi”：“101016\/j.neunet.2021.09.016“，”article-title“：“高度并行记忆二元神经网络”，“volume”：“144”，“author”：“Chen”，“year”：“2021”，“journal-title”：“neural Netw。“}，{”key“：”10.1016\/j.knosys.2021.107900_b12“，”series-title“：”神经信息处理系统的进展“，”首页“：”802“，”article-title“：“卷积LSTM网络：降水预报的机器学习方法”，“author”：“Shi”，“year”：“2015”}，“key”：“10.1016\\j.knocys.2021.07900_b13”，“首页”：“1097”，“article-title”：“”深度卷积神经网络的Imagenet分类”，“卷”：“25”，“作者”：“Krizhevsky”，“年份”：“2012年”，“期刊标题”：“高级神经信息处理”。系统。“}，{”key“：”10.1016\/j.knosys.2021.107900_b14“，”article-title“：”CKFO:卷积内核首次操作算法及其在基于忆阻的卷积神经网络中的应用“，”author“：”Wen“，”year“：”2020“，”journal-title”：“IEEE Trans.Compute.-Aided Des.Integr.Circuits Syst.”}，“{”key“：理解LSTM\u2013a长短记忆递归神经网络教程“，“author”：“Staudemeyer”，“year”：“2019”}，{“key”：“10.1016\/j.knosys.2021.107900_b16”，“series-title”：“Advances in neural Information Processing Systems”，“first page”：Predrnn:使用时空lstms进行预测学习的递归神经网络”，“author”：“Wang”，“year”：“2017”}，{“key”：“10.1016\/j.knosys.2021.07900_b17”，“unstructured”：“Y.Wang，Z.Gao，M.Long，j.Wang，S.Y。Philip，PredRNN++：《走向时空预测学习深度困境的解决》，摘自：国际机器学习会议，2018年，第5123\u20135132页。“}，{“关键”：“10.1016\/j.knosys.2021.107900_b18”，“doi-asserted-by”：“crossref”，“非结构化”：“Y.Wang，j.Zhang，H.Zhu，M.Long，j.Wang，P.S。Yu，记忆中的记忆：从时空动力学中学习高阶非平稳性的预测神经网络，收录于：IEEE计算机视觉和模式识别会议论文集，2019年，第9154\u20139162页。“，”DOI“：”10.1109\/CVPR.2019.00937“}，{“key”：“10.1016\/j.knosys.2021.107900_b19”，“series-title”：“Eidetic 3D LSTM:视频预测及以后的模型“，”author“：”Wang“，”year“：”2019“}，{”key“：”10.1016\/j.knosys.2021.07900_b20“，”doi-asserted-by“：”crossref“，”unstructured“：”Z.Lin，M.Li，Z.Zheng，Y.Cheng，C。袁，用于时空预测的自我关注ConvLSTM，载于：《AAAI人工智能会议论文集》，第34卷，2020年，第11531\u201311538页author“：”Wu“，”year“：”2021“}，{”issue“：”5660“，”key“：”10.1016\/j.knosys.2021.107900_b22“，”doi-asserted-by“：”crossref“，”first-page“：”287“，”doi“：”101038\/273287a0“，”article-title“：”常规天气雷达探测三维风暴运动“，”volume“：“273”，”author”：“Rinehart”，“year”：“1978”，“journal-title”：“Nature”}，{“问题”：“2\u20134”key“：”10.1016\/j.knosys.20211.07900_b23“，”doi断言“：”crossref“，”首页“：”450“，”doi“：”10.1016\/j.atmoses.2005.09014“，”文章标题“：”捷克水文气象研究所\u2019s强风暴预报系统“，”卷“：”83“，”作者“：”诺瓦克“，”年份“：”2007“，”期刊标题“：”大气“。研究“}，{“key”：“10.1016\/j.knosys.2021.107900_b24”，“首页”：“179”，“文章标题”：“视觉空间感知理论”，“体积”：“11”，“作者”：“吉布森”，“年份”：“2013”，“新闻标题”：《感知事件对象》}，}，“关键字”：“101016\/j.knocys.2021.07900_b25”，“非结构化”：“W.Wong，L.H.Yeung，Y.Wang，M。Chen，走向NWP与Nowcast的融合，2014年B08FDP的运行经验，见：WMO Nowcasting研讨会，第30卷10.1016\/j.knosys.2021.107900_b27“，”doi-asserted-by“：”crossref“，”first page“：”178“，“doi”：“10.1016\/j.patrec.2021.01.036”，“article-title”：“Smaat-unet:使用小型关注-网络架构的降水预报”，“volume”：“145”，“author”：“Trebing”，“year”：“2021”，“journal-title“：”模式识别。莱特。“}，{”issue“：”2“，”key“：”10.1016\/j.knosys.2021.107900_b28“，”doi-asserted-by“：”crossref“，”doi“：”101029\/2019EA000812“，“article-title”：“基于深度学习的雷达降水预报方法学”，“volume”：“7”，“author”：“Chen”，“year”：“2020”，“journal-title“：”Earth Space Sci.“}7900_b29“，”series-title“：”门控递归神经网络对序列建模的实证评估”，“author”：“Chung”，“year”：“2014”}，{“key”：“10.1016\/j.knosys.2021.107900_b30”，“series-title”：“基于变换的大规模数据对抗性视频预测”，“author”:“Luc”，“year”：”2020“}，“key“：”10.1016\/j.kosys.202.107900_b31”，“unstructured”：“W.Y.Lu，S.”。Easterbrook，S.Fidler，《高效和信息存储未来框架预测及展望》，in：2019年国际学习表征会议。“}，{“key”：“10.1016\/j.knosys.2021.07900_b32”，“series-title”：“神经信息处理系统的进展”，“首页”：“2672”，“article-title”：《生成对抗网》，“author”：“Goodfellow”，“年份”：“2014年”}，{“关键”：“10.1016\/j.knosys.2021.107900_b33”，“doi-asserted-by”：“crossref”，“非结构化”：“Z.Hu，j.Wang，一种新的具有动作控制的视频预测对抗性推理框架，收录于：IEEE\/CVF国际计算机视觉研讨会论文集，2019.”，“doi”：“101109\/ICCVW.2019.0101”}、{“key“：”10.1016\/j.knosys.2021.107900_b34“，”series-title“：”帧变化较大的自然视频的真实感视频预测“，”author“：”Shouno“，”year“：”2020“}，{“key”：“10.1016\/j.knosys.2021.107900_b35”，“article-title”：“一种基于能量的生成对抗性雷达回波图外推预报器”，“author”：“Xie”，“year”：“2020”，“期刊标题“：”IEEE Geosci。遥感快报。“}，{”key“：”10.1016\/j.knosys.2021.107900_b36“，”series-title“：”利用雷达深生成模型进行精确降水预报“，”author“：”Ravuri“，”year“：”2021“}”，{“key”：“10.1016\\j.knosys.2021.07900_b37”，“首页”：“1”，“article-title”：“基于卷积递归单位的雷达回波外推生成对抗模型”，“作者：“郑”，“年份”：“2021年”，“期刊标题”：“地质学”。模型开发讨论。“}，{”key“：”10.1016\/j.knosys.2021.107900_b38“，”series-title“：”2017 IEEE国际地球科学与遥感研讨会（IGARSS）“，”首页“：”5205“，”article-title“：“多普勒天气雷达ECHO预报的基于深度学习的对抗性正则化方法”，“author”：“Singh”，“year”：“2017”}，”{“key”：“”10.1016\/j.knosys.2021.107900_b39“，”doi-asserted-by“：”crossref“，”first page“：”89“，”doi“：”10.5194\/isprs-archives-XLII-3-W9-89-2019“，”article-title“：”Aenn:一个用于天气雷达回波外推的生成性对抗性神经网络“，”volume“：“42”，“author”：“Jing”，“year”：“2019”，“journal-title”：“Int.Arch。摄影测量，遥感空间信息。科学。“}，{”key“：”10.1016\/j.knosys.2021.107900_b40“，”article-title“：”降水预报的生成性对抗门控递归单元模型“，”author“：”Tian“，”year“：”2019“，”journal-title”：“IEEE Geosci.Remote Sens.Lett.”}，”{“key”：“10.1016\\j.knocys.2021.07900_b41”，”series-title“：“”Graph2seq：使用基于注意的神经网络进行图到序列学习“，”author“：”Xu“，”year“：”2018“}，{“key”：“10.1016\/j.knosys.2021.107900_b42”，“doi-asserted-by”：“crossref”，“first page”：”325“，”doi“：”10.1016\/j.neucom.2019.078“，”article-title“：”带注意机制和卷积层的双向LSTM用于文本分类“，”volume“：”337“，”author“：”Liu“，”year“：”2019“，”journal title“：”Neurocomputing“}，{“key”：“10.1016\/j.knosys.2021.107900_b43”，“series-title”：“Advances in Neural Information Processing Systems”，“first page”：”5998“，”article-title“：“Attention is all you need”，“author”：“Vaswani”，“year”：“2017”}，“key“”：”10.1016//j.knocys.2021.07900_b44“，”doi-as由“：”插入crossref“，”unstructured“：”P.Zhang，J.Xue，C.Lan，W.Zeng，Z.Gao，N.Zheng，《为递归神经网络中的神经元添加注意力》，摘自：《欧洲计算机视觉会议论文集》，2018年，第135\u2013151页。“DOI”：“10.1007\/978-3-030-01240-3_9”}，{“key”：“101016\/J.knosys.2021.07900_b45”，“DOI-asserted-by”：“crossref“，”unstructured“：”S.Wang，L.Hu，L.Cao，X.Huang，D.Lian，W.Liu，下一项建议的基于注意的事务上下文嵌入，收录于：《AAAI人工智能会议论文集》，第32卷，2018年。“DOI”：“10.1609\/AAAI.v32i1.11851”}，{“key”：“101016\/j.knosyss.2021.107900_b46”，“DOI-asserted-by”：“crossref.”，“非结构化”：“J.Fu，J.Liu，H.Tian，Y.Li，Y.Bao，Z.Fang，H.Lu，用于场景分割的双注意网络，收录于：IEEE计算机视觉和模式识别会议论文集，2019年，第3146\u20133154页。”，“DOI”：“10.1109\/CVPR.2019.00326”}，{“key”：“101016\/J.knosys.2021.107900_b47”，“series-title”：“图像值16x16个单词：变形金刚（Transformers for image recognition at scale），“作者”：“Dosovitskiy”，“年份”：“2020”}，{“问题”：“5”，“关键”：“10.1016\/j.knosys.2021.07900_b48”，“doi-asserted-by”：“crossref”，“首页”：“244”，“doi”：“10.3390\/atmos10050244”“article-title”：“降水预报中的计算机视觉：应用图像质量评估指标训练深层神经网络”，“卷”：“10”，“作者”：“Tran”，“年份”：“2019”，“期刊标题”：“大气”}，{“关键”：“10.1016\/j.knosys.2021.07900_b49”，“系列标题”：《神经信息处理系统进展》，“首页”：“5617”，“文章标题”：降水预报深度学习：基准和新模型”，“作者”：“Shi”，“年份”：“2017”}]，“容器-时间”：[“基于知识的系统”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0950705121010601？httpAccept=text\/xml”，“内容类型”：“text\/xml”，“content-version”：“vor”预期应用程序”：“文本挖掘”｝，｛“URL”：“https:\/\/api.elsevier.com\/content\/article\/PII:S950705121010601？httpAccept=text\/plain”，“内容类型”：“text\/plain”，“内容版本”：“vor”，“预期应用程序”：“文本挖掘”｝]，“存放”：｛“日期部分”：[[2023,3,11]]，“日期时间”：“2023-03-11T16:26:17Z”，“时间戳”：1678551977000｝，“分数”：1，“resource“：{”primary”：{“URL”：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S0950705121010601”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{-“date-parts”：[2022,3]]}，”references-count“：49，”alternative-id“：[”S095070521010601“]，”URL“：”http://\/dx.doi.org\/101016\/j.knosys.2021.079 00“，”关系“：{}，”ISSN“：[”0950-7051“]，”ISSN-type“：[{”value“：”0950-7051“，”type“：”print“}]，”subject“：[]，”published“：{”date-parts“：[2022,3]]}，”assertion“：[{”value“：“Elsevier”，”name“：”publisher“，”label“：”This article is maintained by“}，{”value“：”PredRANN:The spatio-temporal attention Convolution Recurrent Neural Network for demoncasting“Knowledge-Based Systems“，”name“：”journaltle“，”label“：”Journal Title“}，”{“value”：“https:\/\/doi.org\/10.1016\/j.knosys.2021.107900”，“name”：“articlelink”，“label”：“CrossRef doi link to publisher maintained version”}，{“value”：“article”，“name”：“content_type”，“标签”：“content-type”}、{“值”：“\u00a9 2021 Elsevier B.V.保留所有权利。“，”name:“版权“，”标签“：”版权“}]，”文章编号“：”107900“}}