Benutzer: Gast  Login
Titel:

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

Dokumenttyp:
Zeitschriftenaufsatz
Autor(en):
Lyu, Pumeng; Tang, Tao; Ling, Fenghua; Luo, Jing-Jia; Boers, Niklas; Ouyang, Wanli; Bai, Lei
Zeitschriftentitel:
Advances in Atmospheric Sciences
Jahr:
2024
Band / Volume:
41
Heft / Issue:
7
Seitenangaben Beitrag:
1289-1298
Volltext / DOI:
doi:10.1007/s00376-024-3316-6
Verlag / Institution:
Springer Science and Business Media LLC
E-ISSN:
0256-15301861-9533
Publikationsdatum:
22.06.2024
 BibTeX