机译:将基于物理的建模与深度学习相结合以融合GRACE卫星数据:我们可以从不匹配中学习吗?
Univ Texas Austin, Jackson Sch Geosci, Bur Econ Geol, Austin, TX 78712 USA;
Univ Texas Austin, Jackson Sch Geosci, Bur Econ Geol, Austin, TX 78712 USA;
Chinese Acad Sci, Inst Geodesy & Geophys, State Key Lab Geodesy & Earths Dynam, Wuhan, Hubei, Peoples R China;
Univ Texas Austin, Texas Adv Comp Ctr, Austin, TX 78712 USA;
Indian Inst Technol Kharagpur, Dept Geol & Geophys, Kharagpur, W Bengal, India;
Indian Inst Technol Kharagpur, Dept Geol & Geophys, Kharagpur, W Bengal, India;
Univ Texas Austin, Jackson Sch Geosci, Bur Econ Geol, Austin, TX 78712 USA;
deep learning; GRACE; GLDAS; Unet; transfer learning; CNN;
机译:通过将卫星数据与阿拉斯加的地面观测结合来估算雪深:深入学习方法
机译:基于卫星衍生数据,深度学习和机器学习方法预测每小时全球太阳辐射的拟议模型
机译:熔断遥感,站,仿真和社会经济数据的深度学习的空气温度映射
机译:使用先进的深度学习模型检索卫星和地面遥感数据的实时PM_(2.5),温度和湿度曲线
机译:数值海洋建模与原位海底压力观测的重要性,卫星重力从Grace和Grace-fo
机译:FuseAD:通过融合统计和深度学习模型在流传感器数据中进行无监督异常检测
机译:结合物理上的建模和深度学习,融合融合卫星卫星数据:我们可以从不匹配中学习吗?