★ 2
可审计次日野火蔓延预测的模块化深度学习机制
论文研究三种模块化增强用于次日活跃火预测：风与坡度条件注意力偏置、物理特征检索增强输出校正、火情条件双流门控。在Next Day Wildfire Spread基准上跨五个骨干网络评估，混合集成模型F1达0.4292。研究强调预测性能、操作可信度与计算实用性并非相互竞争的目标。
arXiv cs.LG46 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究三种模块化增强用于次日活跃火预测：风与坡度条件注意力偏置、物理特征检索增强输出校正、火情条件双流门控。在Next Day Wildfire Spread基准上跨五个骨干网络评估，混合集成模型F1达0.4292。研究强调预测性能、操作可信度与计算实用性并非相互竞争的目标。