geophysics computing; groundwater; learning (artificial intelligence); Banyuasin District; Delta Telang I Lowlands area; ELM; Indonesia; South Sumatra Province; extreme learning machine; groundwater modeling; hold-out cross validation; k-fold cross validation; tidal lowland reclamation; Accuracy; Data models; Predictive models; Simulation; Testing; Training; Training data; cross validation; extreme learning machine; groundwater; hold-out; tidal lowland;
机译:极端学习机的潮汐低地垦区地下水位预测
机译:K-FOL和最先进的地下水潜在建模机器学习方法
机译:基于自动化机和K折交叉验证学习的智能金价预测
机译:利用极端学习机的潮汐低地垦区地下水建模精度施用和k折交叉验证研究
机译:地下地下水流动的数值模拟,用于研究化学物质从农田向南卡罗来纳州瓦德马劳岛上的河口和潮汐沼泽的化学迁移。
机译:使用相关行为数据的机器学习模型验证的挑战:交叉验证策略评估和准确度
机译:使用相关行为数据的机器学习模型验证的挑战:交叉验证策略评估和准确度