개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
등록된 정보가 없습니다.
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
An Introduction of Various Deep Learning Studies for Weather Phenomena in the KISTI
한국기상학회 학술대회 논문집
2022 .10
Application of Numerical Weather Prediction Data to Estimate Infection Risk of Bacterial Grain Rot of Rice in Korea
The Plant Pathology Journal
2020 .02
Using machine learning to improve data assimilation for weather forecasting
한국기상학회 학술대회 논문집
2022 .10
Generation of global weather radar from satellite images by deep learning
한국기상학회 학술대회 논문집
2022 .10
Breeding as a Method to Quantify Intrinsic and Practical Predictability of Numerical Weather Prediction Models
한국기상학회 학술대회 논문집
2023 .11
Deep Learning for Post-processing Ensemble Weather and Subseasonal Prediction
한국기상학회 학술대회 논문집
2022 .10
Development of lake surface temperature initialization technique for numerical weather prediction systems
한국기상학회 학술대회 논문집
2016 .04
딥러닝을 이용한 장기 파랑예측 가능성 연구
한국연안방재학회지
2020 .01
Generation of Rainfall Maps from Satellite Images Using Deep Learning
한국기상학회 학술대회 논문집
2024 .10
Feature-based analysis of high-impact weather system
한국기상학회 학술대회 논문집
2017 .10
Deep learning based marine biogeochemical prediction
한국기상학회 학술대회 논문집
2023 .04
기상민감질환과 기상요소의 상관관계에 대한 의료진의 기초인식파악을 위한 설문조사기반 연구
한국환경과학회지
2017 .05
Physical and Chemical Weathering Indices for Biotite Granite and Granitic Weathered Soil in Gyeongju
The Journal of Engineering Geology
2017 .01
기계학습의 LSTM을 적용한 지상 기상변수 예측모델 개발
대기
2021 .03
마을 단위 AWS 구축의 필요성 및 적용사례 소개
한국환경과학회지
2020 .10
Density prediction of high energy materials using deep learning method (DNNs)
한국분석과학회 학술대회
2019 .05
Density prediction of high energy materials using deep learning method (DNNs)
한국분석과학회 학술대회
2019 .05
Potential Loss of Predictability in the Numerical Weather prediction from the Reduced Spatial Coverage of the Polar-Orbiting Satellite Observing System
극지연구소 초록집
2024 .07
Is it possible to forecast KOSPI direction using deep learning methods?
CSAM(Communications for Statistical Applications and Methods)
2021 .07
Forecasting high levels of PM10 in Korea based on the principal expectile component regression
한국데이터정보과학회지
2023 .01
0