{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部分”：[[2024,3,24]]，“日期-时间”：“2024-03-24T01:18:27Z”，“时间戳”：1711243107668}，“发布者位置”：“美国纽约州纽约市”，“引用-计数”：40，“出版商”：“ACM”，“内容-域”：{:“域”：[“dl.ACM.org”]，“交叉标记限制”：true}，“短容器时间”：[]，“published-print”：{“date-parts”：[[2021,8,14]]}，“DOI”：“10.1145\/3447548.3467173”，“type”：“proceedings-article”，“created”：{“date-ports”：[2021,8,13]]，“date-time”：“2021-08-13T18:21:39Z”，“timestamp”：1628878899000}，”update-policy“http://dx.DOI.org\/10.1145\/crossmark-policy”，“source”：“Crossref”，“is-referenced-by-count”：7，“title”：[“微气候预测-基于多尺度编码器-解码器的深度学习框架”]，“前缀”：“10.1145”，“作者”：[{“给定”：“Peeyush”，“家族”：“Kumar”，“序列”：“第一”，“从属关系”：[}“名称”：“Microsoft Research，Redmond，WA，USA”}]}，{“已知”：“Ranveer”，“家庭”：“Chandra”，“顺序”：“附加”，“附属关系”：：“Microsoft Research，Redmond，WA，USA”}]}，{“given”：“Chetan”，“family”：“Bansal”，“sequence”：“additional”，“affiliation”：[{“name”：“Microsoft Research，Redmond，WA，USA”}]neneneep，{”given“：”Shivkumar“，”family“：”Kalyanaraman“，”sequence“：”additional“sequence”：“附加”，“附属关系”：[｛“name”：“Microsoft Research，Bengaluru，India”｝]｝，｛“given”：“Michael”，“family”：“Grant”，“sequence”：“additional”，“附属关系”：[｛“name”：“University of Washington Seattle，Seattle，WA，USA”｝]，“member”：“320”，“在线发布”：｛“date parts”：[[2021,8,14]]｝，“reference”：[｛“key”：“e_1_3_2_1_1”，“doi asserted by”：“publisher”，“doi”：“10.1016\/j.uclim.2017.07.005”}，{“key”：“e_1_3_2_2_1”，“volume-title”：“From crystal ball to computer.New York ua”，”author“：”Scott Armstrong j“，”year“：”1985“，”unstructured“：”j Scott Arms trong and Long-Range Forecasting.1985。从水晶球到电脑。纽约州（1985年）。J Scott Armstrong和长期预测。1985年，从水晶球到电脑。纽约州（1985年）。“}，{”key“：”e_1_3_2_3_1“，”首页“：”265“，”article-title“：”ARIMA模型和Box——Jenkins方法论“，”volume“：“2”，”author“：”Asteriou Dimitros“，”year“：”2011“，”unstructured“：”Dimitros-Asterious和Stephen G Hall。2011.ARIMA模式和Box—Jenkins.方法论。应用计量经济学，第2卷，第2期（2011）, 265 -- 286 . 迪米特罗斯·阿斯特里奥（Dimitros Asteriou）和斯蒂芬·霍尔（Stephen G Hall）。2011年，ARIMA模型和Box-Jenkins方法。《应用计量经济学》，第2卷，第2期（2011年），第265--286页Mohammad Taha Bahadori、Qi Rose Yu和Yan Liu。2014 . 通过低秩张量学习进行快速多元时空分析。神经信息处理系统进展，第27卷（2014），3491-3499。Mohammad Taha Bahadori、Qi Rose Yu和Yan Liu。2014.通过低秩张量学习进行快速多元时空分析。神经信息处理系统进展，第27卷（2014），3491-3499。“}，{”key“：”e_1_3_2_5_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1371”\/journal.pone.0214508“}”，{“key”：“e_1_ 3_2_6_1”，“volume-title”：“台湾”，“author”：“Chun-Lin Liu”，“year”：“2010”，“unstructured”：“Liu Chun-Lin.2010”。小波变换教程。台湾NTUEE（2010）。刘春林.2010。小波变换教程。台湾NTUEE（2010）。“}，{”key“：”e_1_3_2_2_7_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/978-3-319-70139-4_54”}，“key”：“e_1_ 3_2_8_1”，“volume-title”：“利用机器学习方法进行微气候预测。2018年IEEE国际海洋计量研讨会；学习测量海洋健康参数（MetroSea）。197--200”，“author”：“Eleftheriou A.”，“年份”：“2018年”，“非结构化”：“A.Eleftherio，K.Kouvaris，P.Karvelis，and C.Stylios。2018 . 利用机器学习方法进行微气候预测。2018年IEEE国际海洋计量研讨会；学习测量海洋健康参数（MetroSea）。197--200 . https:\/\/doi.org\/10.109\/MetroSea。2018年，8657903 10.1109，MetroSea.2018.8657902 A.Eleftheriou、K.Kouvaris、P.Karvelis和C.Stylios。2018年，利用机器学习方法进行微气候预测。2018年IEEE国际海洋计量研讨会；学习测量海洋健康参数（MetroSea）。197--200. https:\/\/doi.org\/10.109\/MetroSea.2018.8657903“}，{”key“：”e_1_3_2_2_9_1“，”volume-title“：”InceptionTime:Finding AlexNet for Time Series Classification.arXiv-print arXiv:1909.04939“，”author“：”Fawaz Hassan Ismail“，“year”：“2019”，“unstructured”：“哈桑·伊斯梅尔·法瓦兹（Hassan Ismail Fawaz）、本杰明·卢卡斯（Benjamin Lucas）、热尔曼·福雷斯蒂尔（Germain Forestier）、夏洛特·佩利蒂尔（Charlotte Pelletier）、丹尼尔·施密特（Daniel F Schmidt）、乔纳森·韦伯（Jonathan Weber）、杰弗里·韦布（Geoffrey I Webb）、哈桑·伊多姆加尔（Lhassane Idoumghar）、皮尔雷·阿莱恩·穆勒（Pierre-Alain Muller）和弗朗西·佩蒂让（Francc ois Petitjean）。2019.InceptionTime：查找AlexNet进行时间序列分类。arXiv预印本arXiv:1909.04939（2019）。哈桑·伊斯梅尔·法瓦兹（Hassan Ismail Fawaz）、本杰明·卢卡斯（Benjamin Lucas）、热尔曼·福雷斯蒂尔（Germain Forestier）、夏洛特·佩利蒂尔（Charlotte Pelletier）、丹尼尔·施密特（Daniel F Schmidt）、乔纳森·韦伯（Jonathan Weber）、杰弗里·韦布（Geoffrey I Webb）、哈桑·伊多姆加尔（Lhassane Idoumghar）、皮尔雷·阿。2019.InceptionTime：查找AlexNet进行时间序列分类。arXiv预印本arXiv:1909.04939（2019）。“}，{“key”：“e_1_3_2_10_1”，“volume title”：“条件生成对抗性网络的时间序列模拟。arXiv预印本arXiv:1904.11419”，“author”：“Fu Rao”，“year”：“2019”，“nonstructured”：“Rao Fu，Jie Chen，Shutian Zeng，Yiping Zhuang，and Agus Sudjianto。2019。条件生成对抗网时间序列模拟。arXiv预印本arXiv:1904.11419（2019）。饶富、陈杰、曾树田、庄一平和阿古斯·苏健托。2019.条件生成对抗网时间序列模拟。arXiv预印本arXiv:1904.11419（2019）。“}，{”key“：”e_1_3_2_2_11_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.jweia.2017.04.007“}”，{“key”：“e_1_ 3_2_12_1”，“doi-assert-by”：“publisher”，“doi”：“10.1007\/s12053-015-9383-x”}，“key“:”e_3_2_13_1“，1755-1315\/351\/1\/012003“}，{“键”：“e_1_3_2_2_14_1”，“非结构化”：“伊恩·古德费勒（Ian Goodfellow）让·普格特·巴迪·梅迪·米尔扎·宾（Mirza Bing Xu）、大卫·沃德·法利（David Warde-Farley）、谢吉尔·奥扎尔（Sherjil Ozair）、亚伦·库维尔（Aaron Courville）和约舒亚·本吉奥（Yoshua Bengio）。2014.生成性对抗网络。神经信息处理系统进展。2672年至2680年。伊恩·古德费勒（Ian Goodfellow）让·普格特·巴迪·梅迪·米尔扎·宾（Mirza Bing Xu）、大卫·沃德·法利（David Warde-Farley）、谢吉尔·奥扎尔（Sherjil Ozair）、亚伦·库维尔（Aaron Courvill。2014.生成性对抗网络。神经信息处理系统进展。2672--2680.“}，{”key“：”e_1_3_2_2_15_1“，”doi-asserted-by“：”publisher“，“doi”：“10.3390\/en12193622”}，“key”：“e_1_ 3_2_16_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/ICCV.2015.123“}”，{使用近红外土壤传感器预测表层和次表层土壤的土壤水分和有机质。农业中的计算机和电子”，“作者”：“Hummel JW”，“年份”：“2001年”，“非结构化”：“JW Hummel，KA Sudduth和SE Hollinger。2001.使用NIR土壤传感器对表层和次表层土壤的土壤水分和有机质进行预测。农业中的计算机和电子，第32卷，第2卷（2001年），149-165。JW Hummel、KA Sudduth和SE Hollinger。2001.使用NIR土壤传感器对表层和次表层土壤的土壤水分和有机质进行预测。农业中的计算机和电子，第32卷，第2期（2001年），第149-165页。“}，{“key”：“e_1_3_2_2_18_1”，“doi-asserted-by”：“publisher”，《doi》：“10.1016\/j.ijforecast.2006.03.001”}，“{”key“：”e_1_ 3_2_19_1“，“volume-title”：“变化环境中的光合作用和生产”，“author”：“Jones MB”，“unstructured”：“MB Jones.1993。植物小气候。在不断变化的环境中进行光合作用和生产。施普林格，47-64岁。MB琼斯。1993年植物小气候。在不断变化的环境中进行光合作用和生产。Springer，47--64.“}，{”key“：”e_1_3_2_2_20_1“，”volume-title“：”Adam:随机优化的方法.arXiv预印本arXiv:1412.6980“，”author“：”Kingma Diederik P“，”year“：”2014“，”unstructured“：”Diederik-P Kingma and Jimmy Ba.2014.Adam:一种随机优化方法.arX iv预印版arXiv:1412.6980（2014）Diederik P Kingma和Jimmy Ba，2014年。亚当：一种随机优化方法。arXiv预印arXiv:1412.6980（2014）。“}，{”key“：”e_1_3_2_21_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/TCYB.2019.2914351“}”，{“key”：“e_1_ 3_2_2_22_1”，“doi-assert-by”：“crossref”，“unstructured”：“Mi Hui Liu Xiwei and Yanfei Li.2018。基于小波包分解卷积神经网络和卷积长短记忆网络的智能深度学习风速预测模型。能源转换与管理卷166（2018）120-131。刘希伟（Hui Liu Xiwei Mi）和李燕飞（Yanfei Li），2018年。基于智能深度学习的风速预测模型，使用小波包分解卷积神经网络和卷积长短记忆网络。能源转换与管理卷166（2018）120-131.“，“DOI”：“10.1016\/j.enconman.2018.04.021”}，{“key”：“e_1_3_2_23_1”，“DOI-asserted-by”：“publisher”，”DOI“：”10.1016\/j.jcp.2007.02.034“｝，｛“键”：“e_1_3_2_24_1”，“非结构化”：“Spyros Makridakis Steven C Wheelwright和Rob j Hyndman。2008。预测方法和应用。约翰·威利父子公司。斯皮罗斯·马克里达基斯·史蒂文·惠尔赖特和罗伯·亨德曼。2008.预测方法和应用。约翰·威利父子公司。}，{“key”：“e_1_3_2_25_1”，“非结构化”：“凯瑟琳·麦克劳林，2017。4G网络的缺口阻碍了高科技农业的发展：联邦通信委员会（FCC）准备发放5亿美元资金以提高覆盖率。凯瑟琳·麦克劳林（Kathleen McLaughlin）。2017年。4G网络的缺口阻碍了高科技农业：FCC准备释放5亿美元以提高覆盖率。“}，{”key“：”e_1_3_2_26_1“，”volume-title“：”条件生成对抗网。arXiv预印本arXiv:1411.1784“，”author“：”Mirza Mehdi“，”year“：”2014“，”unstructured“：”Mehdi Mirza和Simon Osindero。2014。条件生成对抗网。arXiv预印本arXiv:1411.1784（2014）。迈赫迪·米尔扎和西蒙·奥辛德罗。2014.有条件生成对抗网。arXiv预印本arXiv:1411.1784（2014）。“}，{”key“：”e_1_3_2_27_1“，”unstructured“：”Aekyeung Moon Ki Young Moon and Seung Woo Son.[n.d.].基于微蜂窝的预测气象站平台：霜冻预报的案例研究基于微蜂窝的预测气象站平台：霜冻预报案例研究。（[日期]）。“}，{”key“：”e_1_3_2_28_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5194 \/ness-14-2375-2014”}，“key”：“e_1_ 3_2_29_1”，“首页”：“2847”，“文章标题”：“小波包分解在时间序列预测中的应用”，“卷”：“8”，“作者”：“Ravikumar K”，“年份”：“2014”，“非结构化”：“K Ravikumar和S Tamilselvan。2014 . 小波包分解在时间序列预测中的应用。申请。数学。《科学》，第8卷，第58卷（2014年），第2847-2858页。K Ravikumar和S Tamilselvan。2014.关于小波包分解在时间序列预测中的应用。申请。数学。《科学》，第8卷，第58卷（2014年），第2847-2858页。数学。Sci“}，{“key”：“e_1_3_2_2_30_1”，“volume-title”：“微气候：生物环境”，“作者”：“罗森博格·诺曼J”，“非结构化”：“诺曼J·罗森博格，布莱恩·布拉德和沙希·维尔玛。1983。小气候：生物环境。约翰·威利父子公司。Norman J Rosenberg、Blaine L Blad和Shashi B Verma。1983年。小气候：生物环境。约翰·威利父子公司。}，{“key”：“e_1_3_2_31_1”，“volume-title”：“无土介质中黄瓜作物下自然通风温室内温度预测的小气候模型开发。农业中的计算机和电子”，“author”：“Singh Mahesh Chand”，“year”：“2018”，“unstructured”：“Mahesh Chand Singh，JP Singh，and KG Singh。2018。开发一个小气候模型，用于预测无土介质中黄瓜作物下自然通风温室内的温度。农业中的计算机和电子，第154卷（2018年），227--238。Mahesh Chand Singh、JP Singh和KG Singh。2018年，开发一个小气候模型，用于预测无土介质中黄瓜作物下自然通风温室内的温度。农业中的计算机和电子，第154卷（2018年），227--238。“}，{“key”：“e_1_3_2_2_32_1”，“unstructured”：“Ilya Sutskever Oriol Vinyals and Quoc V Le.2014。用神经网络进行序列到序列的学习。神经信息处理系统进展。3104年至3112年。伊利亚·萨茨克韦尔·奥利奥葡萄酒和Quoc V Le。2014.使用神经网络进行序列到序列学习。神经信息处理系统进展。3104--3112.“}，{”key“：”e_1_3_2_33_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007 \/s10021-009-9281-1”}，“key”：“e_1_ 3_2_34_1”，“volume-title”：“第十四届USENIX网络系统设计与实现研讨会（NSDI 17）”，“author”：“Vasisht Deepak”，”年份：“2017”，“unstructured”：“”Deepak Vassiht、Zerina Kapetanovic、Jongho Won、Xinxin Jin、Ranveer Chandra、Sudipta Sinha、Ashish Kapoor、Madhusudhan Sudarshan和Sean Stratman。2017 . Farmbeats：数据驱动农业的物联网平台。第14届USENIX网络系统设计与实现研讨会（NSDI 17）。515--529. Deepak Vasisht、Zerina Kapetanovic、Jongho Won、Xinxin Jin、Ranveer Chandra、Sudipta Sinha、Ashish Kapoor、Madhusudhan Sudarshan和Sean Stratman。2017年，Farmbeats：数据驱动农业的物联网平台。第14届USENIX网络系统设计与实现研讨会（NSDI 17）。515--529.“}，{”key“：”e_1_3_2_2_35_1“，”unstructured“：”Oriol Vinyals Meire Fortunato and Navdeep Jaitly.2015。指针网络。神经信息处理系统进展。2692年至2700年。Oriol Vinyals Meire Fortunato和Navdeep Jaitly。2015年。指针网络。神经信息处理系统进展。2692--2700.“}，{“key”：“e_1_3_2_36_1”，“volume-title”：“Quant GANs:金融时间序列的深层次生成。arXiv预印本arXiv:1907.06673”，“author”：“Wiese Magnus”，“year”：“2019”，“unstructured”：“Magnus Wiese，Robert Knobloch，Ralf Korn，and Peter Kretschmer.2019。Quant GANs：金融时间序列的深层次生成。arXiv预印本arXiv:1907.06673（2019）。Magnus Wiese、Robert Knobloch、Ralf Korn和Peter Kretschmer。2019.Quant GANs：金融时间序列的深层次生成。arXiv预印本arXiv:1907.06673（2019）。“}，{”key“：”e_1_3_2_2_37_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1175\/BAMS-D-17-0125.1”}，“key”：“e_1_ 3_2_38_1”，“volume-title”：“Jonathan Lenoir，Duccio Rocchini，and David Coomes.”，“author”：“Zellweger Florian”，“year”：“2019”，“unstructured”：“弗洛里安·齐薇格（Florian Zellweger）、彼得·德弗伦内（Pieter De Frenne）、乔纳森·勒诺尔（Jonathan Lenoir）、杜西奥·罗奇尼（Duccio Rocchini）和大卫·库姆斯（David Coomes）。2019年。遥感引起的小气候生态学进展。生态与进化趋势（2019年）。弗洛里安·齐薇格（Florian Zellweger）、彼得·德弗伦内（Pieter De Frenne）、乔纳森·勒诺尔（Jonathan Lenoir）、杜西奥·罗奇尼（Duccio Rocchini）和大卫·库姆斯（David Coomes）。2019.遥感产生的小气候生态学进展。生态与进化趋势（2019年）。“}，{”key“：”e_1_3_2_39_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1093\/jxb\/erv163”}，“key”：“e_1_ 3_2_40_1”，“doi-assert-by”：“publisher”，”doi“：”10.1016\/j.neucom.2017.03.023“}]，”event“：{”name“KDD’21:第27届ACM SIGKDD知识发现和数据挖掘大会”，“location”：“Virtual event”新加坡”，“缩写词”：“KDD‘21”，“赞助商”：[”SIGMOD ACM数据管理特别兴趣小组”，“SIGKDD ACM数据知识发现特别兴趣小组“]}，“container-title”：[“第27届ACM SIGKDT知识发现与数据挖掘会议论文集”]，“original-title“：[]，”link“：[{”URL“：”https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3447548.3467173“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,10]]，”date-time“：”2023-01-10T23:33:24Z“，”timestamp“：1673393604000}，”score“：1，”resource“：{primary”：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3447548.3467173”}}，“字幕”：[]，“short标题“：[]，”发布“：{“日期部分”：[[2021,8,14]]}，“references-count”：40，“alternative-id”：[“10.1145\/3447548.3467173”，“10.1145\/3447548”]，“URL”：“http://\/dx.doi.org\/10.1145\/34457548.3467173“，”relation“：{}，”subject“：[]，”published“：{”date-parts“：[2021,8,14]}，“assertion”：[{“value”：“2021-08-14”，“order”：2，“name”：“published”，“label”：“已发布”，“组”：{“名称”：“publication_history”，“标签”：“出版物历史记录”}}]}}