Detection of Non‐Gaussian Behavior Using Machine Learning Techniques: A Case Study on the Lorenz 63 Model
Detection of Non‐Gaussian Behavior Using Machine Learning Techniques: A Case Study on the Lorenz 63 Model
复制标题
使用机器学习技术检测非高斯行为：Lorenz 63 模型的案例研究
DOI：
10.1029/2019jd031551
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Jones, Andrew
中科院分区：
文献类型：
--
作者：
Goodliff, Michael;Fletcher, Steven;Kliewer, Anton;Forsythe, John;Jones, Andrew
登录
查看更多内容
混合对数正态-高斯误差的乘法和加法增量变分数据同化
影响因子：
3.2
作者：
S. Fletcher;Andrew S. Jones
通讯作者：
Andrew S. Jones
影响因子：
3.2
作者：
Rasp, Stephan;Lerch, Sebastian
通讯作者：
Lerch, Sebastian
我们可以通过神经网络预测的性能来估计大气的可预测性吗？
DOI：
10.1109/cimsa.2005.1522829
发表时间：
2005
期刊：
CIMSA. 2005 IEEE International Conference on Computational Intelligence for Measurement Systems and Applications, 2005.
影响因子：
--
作者：
A. Pasini;V. Pelino
通讯作者：
V. Pelino
基于 1DVAR 微波温度-水蒸气混合比反演的高斯、对数变换和混合高斯-对数正态分布的比较
影响因子：
8.9
作者：
A. Kliewer;S. Fletcher;A. S. Jones;J. Forsythe
通讯作者：
J. Forsythe
将 VAR 中的对数正态变量转换为正态变量的含义和影响
影响因子：
1.2
作者：
S. Fletcher
通讯作者：
S. Fletcher