{“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”：[[2024,3,15]]，“日期-时间”：“2024-03-15T15:22:51Z”，“时间戳”：1710516171622}，“发布者位置”：“美国纽约州纽约市”，“引用-计数”：26，“发布商”：“ACM”，“内容-域”：[“dl.ACM.org”]，“交叉标记-严格离子“：true}，”短容器时间“：[]，“published-print”：{“date-parts”：[[2023,10,13]]}，“DOI”：“10.1145\/3633598.3633601”，“type”：“proceedings-article”，“created”：{“date-ports”：[2024,1,22]]，“date-time”：“2024-01-22T17:05:44Z”，“timestamp”：1705943144000}，《update-policy》：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“source”：“Crossref”，“is-referenced-by-count”：1，“title”：[“Primed UNet-LSTM for Weather Forecasting”]，“前缀”：“10.1145”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0002-5722-940X”，“authenticated-ORCID”：false，“给定”：“克里斯托弗斯”，“family”：“Volkovs”：“http://\/orcid.org\/00000-0001-9813-0548”，“authenticated-orcid”：false，“given”：“Evalds”，“family”：“Urtans”，“sequence”：“additional”，“affiliation”：[{“name”：“Computer Science，Ventspils University of Applied Sciences，Lactia”}]}，{“orcid”：”http://\/orcid.org\/0000-0002-0893-8998“，”authenticationed-orcid“：false”，“give”：“Vairis”，“家族”：“Caune”，”sequence“：“additional”，“affiliation”：[{“name”：“Computer Science，Ventspils University of Applied Sciences，Lactia”}]}]，“member”：“320”，“published-on-line”：{“date-parts”：[[2024,1,22]]}，“reference”：[}“key”：“e_1_3_2_1_1_1”，“volume-title”：“TRU-NET:一种深入学习的高分辨率降雨预测方法。ArXiv abs \/2008.09090”，“author”：“Adewoin Rilwan”，“年份”：“2020年”，“非结构化”：“Rilwan-Adewoiin，Peter Dueben，P.Watson，Yulan He和Ritabrata Dutta，2020年。TRU-NET：一种高分辨率降雨预测的深度学习方法。ArXiv abs \/2008.09090（2020）。“}，{”key“：”e_1_3_2_1_2_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1038\/nature14956”}，“key”：“e_1_ 3_2_1_3_1”，“unstructured”：“克拉斯诺波尔斯基V.斯图尔特J.Q.彭尼S.G.霍夫曼R.\u00a0N.布卡巴拉S.-A.和e.麦迪.[n.d.]。人工智能可能是更好天气预报的关键。（[n.d]）。”}“：”约翰\u00a0J。卡希尔。[未注明日期]。天气预报|方法重要性和历史|大英百科全书。（[日期]）。}，{“key”：“e_1_3_2_1_5_1”，“volume-title”：“深度学习后处理集合天气预报。皇家学会哲学学报A 379”，“author”：“Gr\u00f6nquist Peter”，“year”：“2021”，“unstructured”：“Peter Gr\u006nquist，Chengyuan Yao，Tal Ben-Nun，Nikoli Dryden，P.Dueben，Shigang Li，and Torsten Hoefler。2021。深度学习后处理集成天气预报。英国皇家学会哲学汇刊A 379（2021）。“}，{”key“：”e_1_3_2_1_6_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/CVPR.2016.90”}，“key”：“e_1_a_2_1_7_1”，“doi-assert-by”：“publisher”，”doi“：”10.1002\/qj.3803“}”，{“}，{”键“：”e_1_3_2_1_9_1“，”卷时间“：”LogGENE:Deep Healthcare推断任务中检查损失的平滑替代方法。ArXiv abs \/2206.09333“，“author”：“Jeendgar Aryaman”，“year”：“2022”，“unstructured”：“Aryaman Jeendga，Aditya Pola，Soma\u00a0S。达瓦拉和斯内汉舒·萨哈。2022.LogGENE:Deep Healthcare推断任务中检查损失的平滑替代方法。ArXiv abs \/2206.09333（2022）。“}，{”key“：”e_1_3_2_1_10_1“，”volume-title“：”Kingma and Jimmy Ba“，“author”：“P.”，“year”：“2015”，“unstructured”：“Diederik\u00a0P.Kingma andJimmy Bar.2015”。亚当：一种随机优化方法。CoRR abs（2015）。“}，{”key“：”e_1_3_2_11_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1175\/2008BAMS2604.1“}”，{“key”：“e_1_ 3_2_12_1”，“doi-assert-by”：“crossref”，“unstructured”：“Tsung-Yi Lin Priyal Goyal Ross\u00a0B.Girshick Kaiming He and Piotr Doll\u00e1r.[n.d.].密集目标探测的焦点损失。42（[n.d]）318\u2013.327.“，”doi“：”10.1109\/TPAMI.2018.2858826“}，{“key”：“e_1_3_2_13_1”，“volume-title”：“气候模拟中使用的高分辨率概率降水预测。arXiv：计算”，“author”：“Lo-Sh-Tyan”，年：“2020”，“非结构化”：“Sh-Tyan Lo，P.Watson，P.Dueben，and Ritabrata Dutta.2020。气候模拟中使用的高分辨率概率降水预测。arXiv：计算（2020）。}，{“key”：“e_1_3_2_1_14_1”，“非结构化”：“J.Ma和Denis Yarats.2019。RAdam：执行动量SGD的4次迭代，然后使用固定预热的Adam。“}，{”key“：”e_1_3_2_15_1“，”volume-title“：”PyTorch:一种强制性风格“，”author“：”Paszke Adam“，”unstructured“：”Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga、Alban Desmaison、Andreas Kopf、Edward Yang、Zachary DeVito、Martin Raison、Alykhan Tejani、Sasank Chilamkurthy、Benoit Steiner、Lu Fang、Junjie Bai和Soumith Chintala。2019.PyTorch：一个势在必行的风格、高性能的深度学习图书馆。《神经信息处理系统的进展》32，H.\u00a0Wallach，H.\u 00a0Larochelle，A.\u 00a 0Beygelzimer，F.\u 00a-0d'Alch\u 00e9-Buc，E.\u 00a/0Fox，and R.\u00a 0Garnett（编辑）。Curran Associates，Inc.，8024\u20138035。http:\/\/papers.neurips.cc\/paper\/9015-pytorch-an-imperative-style-high-performance-deep-learning-library.pdf“}，{“key”：“e_1_3_2_16_1”，“unstructured”：“S.Rasp P.D\u00fcben S.Scher Jonathan\u00a0A.Weyn S.Mouatadid and N.Th\u00ffrey.[N.D.]。WeatherBench:数据驱动天气预测的基准数据集。（[N.D]）。”}，}“key:”e_1_3_2_17_1“，“doi-asserted-by”：“crossref”，“unstructured”：“S.Rasp和N.Thuerey。2020年，使用气候模拟预处理的Resnet进行数据驱动的中期天气预测：WeatherBench.arXiv的新模型：大气和海洋物理（2020）。“，”DOI“：”10.1029\/2020MS002405“}，{”key“：”e_1_3_2_18_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1109\/eScience.2018.0130”}，“key”：“e_1_ 3_2_1_19_1”，“DOI-assert-by”：“publisher”，：“crossref”，“unstructured”：“S.Scher和G.Messori，2020年。基于神经网络的天气预报的集成方法。arXiv：大气和海洋物理（2020）。“，”DOI“：”10.1029\/2020MS002331“}，{”key“：”e_1_3_2_1_21_1“，”unstructured“：”S.Scher and G.Messori.2020。用于基于深度神经网络的天气预报的球形卷积和其他形式的知情机器学习。arXiv：大气和海洋物理（2020）。“}，{”key“：”e_1_3_2_1_22_1“，”volume-title“：”值迭代求解网络。2020年第三届智能自治系统国际会议（ICoIAS）“，”年份“：”2020“，”非结构化“：”\u0112“。Urt\u0101ns和Valters Vecins。2020年。价值迭代求解网络。2020年第三届智能自治系统国际会议（ICoIAS）（2020），8\u201313.“}，{”key“：”e_1_3_2_1_23_1“，”doi-asserted-by“：”crossref“，“unstructured”：“J.Weyn D.Durran和R.Caruana.2020。在立方球体上使用深度卷积神经网络改进数据驱动的全球天气预测。《地球系统建模进展杂志》12（2020）。“，”DOI“：”10.1029\/2020MS002109“}，{”key“：”e_1_3_2_1_24_1“，”DOI-asserted-by“：”publisher“，“unstructured”：“Jonathan\u00a0A.Weyn Dale\u00a 0R.Durran和Rich Caruana.[n.d.]。机器能学会预测天气吗？使用深度学习从历史天气数据预测网格化500-hPa地球位高度。11 8（[n.d]）2680\u20132693。https:\/\/doi.org\/10.1029\/2019MS001705_eprint:https:\//onlinelibrary.wiley.com/doi\/pdf\/10.1023\/2019MS001705.“，”doi“：”10.1029\/2019MS 001705“}，{“key”：“e_1_3_2_1_25_1”，“volume-title”：“RainBench:从卫星图像预测全球降雨量。ArXiv abs\/2012.09670”，“author”：“Witt D.”，“year”：“2020年”，“非结构化”：“C.\u00a0S。\u00a0D。Witt、Catherine Tong、Valentina Zantedeschi、D.Martini、Freddie Kalaitzis、Matthew Chantry、Duncan Watson\u2010Parris和Piotr\u00a0Tadeusz Bilinski。2020年，RainBench：利用卫星图像进行全球降水预测。ArXiv abs \/2012.09670（2020）。“}，{”key“：”e_1_3_2_1_26_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.asoc.2019.105483”}]，“event”：{”name“：”ICAAI 2023:2023第七届人工智能进展国际会议“，”location“：”伊斯坦布尔突厥“，”缩写词“：”CIAAI 2023“}”，“container-title”：[“2023年第7届国际人工智能进展会议记录“]，“original-title”：[]，“link”：[{“URL”：“https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3633598.3633601”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2024,3,5]]，“date-time”：2024-03-05T21:17:36Z“，”timestamp“：1709673456000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3633598.3633601”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2023,10,13]]}，《references-count》：26，“alternative-id”：[“10.1145\/36333598.363601”，“10.1145\/3633598”]，“URL”：“http:\/\/dx.doi.org\/10.1145\/3633598.3633601“，”关系“：{}，”主题“：[]，”已发布“：{”日期部分“：[2023,10,13]]}，“断言”：[{“值”：“2024-01-22”，“顺序”：2，“名称”：“已发布”，“标签”：“发布的”，“组”：{“name”：“publication_history”，“标记”：“出版历史”}}]}}