
Sign up to save your podcasts
Or
PLEASE NOTE THAT THIS EPISODE IS IN CHINESE
“Talks at Climind”是Climind与一流大学、研究机构和行业合作伙伴共同推出的气候议题领导力播客。气候是一个数据集成问题,我们的目标旨在提出有关气候数据解决方案的洞察,特别是针对能源转型、适应和减缓、碳市场和基于自然的解决方案等领域。
本期嘉宾
程思博,帝国理工数据科学研究所 DSI 博士后研究员
主要话题
(00:00)-嘉宾介绍
(03:19)-如何预测森林大火的发展
(05:48)-气候变化中的森林大火预测:预防、计算方法和混合模型
(14:29)-使用数据进行代理模型的学习:减少使用线下数据的时间,提高学习效果
(16:59)-计算复杂度与数据质量的重要性:为什么高精度计算需要更多数据
(26:23)-训练过程不稳定,如何克服模型缺陷
(34:52)-等价性在算法中的表现
延伸阅读
订阅平台
联系我们
PLEASE NOTE THAT THIS EPISODE IS IN CHINESE
“Talks at Climind”是Climind与一流大学、研究机构和行业合作伙伴共同推出的气候议题领导力播客。气候是一个数据集成问题,我们的目标旨在提出有关气候数据解决方案的洞察,特别是针对能源转型、适应和减缓、碳市场和基于自然的解决方案等领域。
本期嘉宾
程思博,帝国理工数据科学研究所 DSI 博士后研究员
主要话题
(00:00)-嘉宾介绍
(03:19)-如何预测森林大火的发展
(05:48)-气候变化中的森林大火预测:预防、计算方法和混合模型
(14:29)-使用数据进行代理模型的学习:减少使用线下数据的时间,提高学习效果
(16:59)-计算复杂度与数据质量的重要性:为什么高精度计算需要更多数据
(26:23)-训练过程不稳定,如何克服模型缺陷
(34:52)-等价性在算法中的表现
延伸阅读
订阅平台
联系我们