.png){kind=icon}
返回
A generative ozone concentration imputation and forecasting method based on a novel conditional diffusion model
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jhazmat.2025.139075.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 生成方法确保了臭氧序列的完整性和预测质量。
• 扩散模型中的联合噪声预测网络结合了Transformer和SSSD。
• 捕捉噪声的不确定性促进了干净臭氧序列的生成。
• 插补和预测能够同时实现高质量。
• 该方法优于其他模型，包括标准Transformer和SSSD。
期刊
IF:
11.3
论文数:
4.0W
被引数:
24.0W
机构
暂无机构信息
引用论文
A systematic review on hyperspectral imaging technology with a machine and deep learning methodology for agricultural applications基于机器和深度学习方法的高光谱成像技术在农业应用中的系统综述
PREAI
分享收藏MFIR: Multimodal fusion and inconsistency reasoning for explainable fake news detectionMFIR: 可解释的假新闻检测的多模态融合和不一致推理.png)
INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏Prediction and examination of seasonal variation of ozone with meteorological parameter through artificial neural network at NEERI, Nagpur, IndiaURBAN CLIMATE
URBAN CLIMATEIF6.9
PREAI
分享收藏
分享收藏分享收藏
查看更多内容