Performance and uncertainty analysis in deep learning frameworks for streamflow forecasting via Monte Carlo dropout technique

Study Region: The research was conducted at the Red River Basin, Vietnam. Study Focus: This study evaluated the performance of six deep learning models (Standard LSTM (S_LSTM), Bidirectional LSTM (Bi_LSTM), LSTM with attention mechanism (At_LSTM), Advanced LSTM (Ad_LSTM), Temporal Convolutional Netw...

முழு விளக்கம்

சேமிக்கப்பட்டது:

நூற்பட்டியல் விவரங்கள்
முதன்மை ஆசிரியர்கள்:	Xuan-Hien Le, Doan Van Binh, Giha Lee
வடிவம்:	Artigo
மொழி:	Inglês
வெளியிடப்பட்டது:	Elsevier 2025-10-01
தொடர்:	Journal of Hydrology: Regional Studies
பொருள்கள்:	Feature Importance Monte Carlo Dropout Streamflow Prediction Temporal Convolutional Network (TCN) Uncertainty Quantification
ஆன்லைன் அணுகல்:	http://www.sciencedirect.com/science/article/pii/S2214581825004975
குறிச்சொற்கள்:	குறிச்சொல்லை சேர்க்கவும் டாக்‌ஸ் இல்லை, இந்த பதிவுக்கு குறிச்சொல் சேர்க்கும் முதல் நபராக இருங்கள்!

Performance and uncertainty analysis in deep learning frameworks for streamflow forecasting via Monte Carlo dropout technique

ஒத்த வளங்கள்