Deutsch
 
Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
  Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben
Zeitschriftenartikel

ResoNet: Robust and Explainable ENSO Forecasts with Hybrid Convolution and Transformer Networks

Urheber*innen

Lyu,  Pumeng
External Organizations;

Tang,  Tao
External Organizations;

Ling,  Fenghua
External Organizations;

Luo,  Jing-Jia
External Organizations;

/persons/resource/Niklas.Boers

Boers,  Niklas
Potsdam Institute for Climate Impact Research;

Ouyang,  Wanli
External Organizations;

Bai,  Lei
External Organizations;

Externe Ressourcen
Es sind keine externen Ressourcen hinterlegt
Volltexte (frei zugänglich)
Es sind keine frei zugänglichen Volltexte in PIKpublic verfügbar
Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Lyu, P., Tang, T., Ling, F., Luo, J.-J., Boers, N., Ouyang, W., Bai, L. (in press): ResoNet: Robust and Explainable ENSO Forecasts with Hybrid Convolution and Transformer Networks. - Advances in Atmospheric Sciences.
https://doi.org/10.1007/s00376-024-3316-6


Zitierlink: https://publications.pik-potsdam.de/pubman/item/item_29933
Zusammenfassung
Es ist keine Zusammenfassung verfügbar