Con el rápido desarrollo de las tecnologías marítimas, se ha adquirido una gran cantidad de datos oceánicos a través de equipos oceánicos de última generación para obtener una mejor comprensión y desarrollo del océano. La predicción y corrección de datos de observación oceánica juegan un papel fundamental e importante en las aplicaciones relevantes al océano, incluyendo campos civiles y militares. Sobre la base de los datos de Argo, con el objetivo de predecir y corregir los datos de observación oceánica, proponemos un enfoque de predicción de temperatura y salinidad oceánica en este artículo. En nuestro enfoque, en primer lugar, se utiliza una función no lineal acotada para el control de calidad de los conjuntos de datos, lo que puede eliminar efectivamente la influencia de picos o valores atípicos en los datos de Argo. Luego, se utiliza una red neuronal RBF para la construcción de conjuntos de datos de alta resolución de Argo. Finalmente, se propone un marco LSTM bidireccional para predecir y
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Autenticación rápida y universal del traspaso entre segmentos con protección de la privacidad en redes 5G
Artículo:
Diagnóstico clínico de pólipos endometriales utilizando un algoritmo multioperador combinado con histeroscopia.
Artículo:
Evaluación de la marcha de adultos jóvenes y mayores con métodos portátiles de detección del movimiento: Un estudio de usuarios
Artículo:
Construcción y análisis de un modelo de computación de emociones basado en LSTM.
Artículo:
Una metodología de reconocimiento para los errores geométricos clave de una máquina herramienta de varios ejes basada en el análisis de retentividad de precisión.