Deutsch
 
Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

 
 
DownloadE-Mail
  Sequence-to-sequence prediction of spatiotemporal systems

Shen, G., Kurths, J., Yuan, Y. (2020): Sequence-to-sequence prediction of spatiotemporal systems. - Chaos, 30, 2, 023102.
https://doi.org/10.1063/1.5133405

Item is

Dateien

einblenden: Dateien
ausblenden: Dateien
:
Shen_2020_1.5133405.pdf (Verlagsversion), 3MB
 
Datei-Permalink:
-
Name:
Shen_2020_1.5133405.pdf
Beschreibung:
-
Sichtbarkeit:
Privat
MIME-Typ / Prüfsumme:
application/pdf
Technische Metadaten:
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Shen, Guorui1, Autor
Kurths, Jürgen2, Autor              
Yuan, Ye1, Autor
Affiliations:
1External Organizations, ou_persistent22              
2Potsdam Institute for Climate Impact Research, ou_persistent13              

Inhalt

einblenden:

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2020
 Publikationsstatus: Final veröffentlicht
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: Expertenbegutachtung
 Identifikatoren: DOI: 10.1063/1.5133405
PIKDOMAIN: RD4 - Complexity Science
MDB-ID: No data to archive
Working Group: Network- and machine-learning-based prediction of extreme events
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Chaos
Genre der Quelle: Zeitschrift, SCI, Scopus, p3
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 30 (2) Artikelnummer: 023102 Start- / Endseite: - Identifikator: CoNE: https://publications.pik-potsdam.de/cone/journals/resource/180808
Publisher: American Institute of Physics (AIP)