The main contributions of this work

The main contributions of this work can be summarized
as follows:
1. We present a novel hybrid model with discriminative
and generative components for spatiotemporal inferences
about weather.
2. We design and implement a data-driven kernel function
that shapes predictions in accordance with physical
laws.
3. We provide an ecient inference procedure that enables
optimization of the predictive model in accordance
with large-scale phenomena.
4. We evaluate the methods with a set of experiments
that highlight the performance and value of the methodology.

ผลลัพธ์ (ไทย) 1:

สามารถสรุปผลงานหลักของงานนี้ดังนี้:1. เรานำเสนอรูปแบบนวนิยายไฮบริ discriminativeส่วนประกอบของ spatiotemporal inferencesเกี่ยวกับสภาพอากาศเราออกแบบ และใช้ฟังก์ชันเคอร์เนลข้อมูลซึ่งที่รูปทรงคาดคะเนตามทางกายภาพกฎหมาย3. เรามีกระบวนการอนุมาน cient e ที่ช่วยให้เพิ่มประสิทธิภาพของแบบจำลองการคาดการณ์ตามมีปรากฏการณ์ขนาดใหญ่4. เราประเมินวิธีการกับชุดของการทดลองที่เน้นประสิทธิภาพและค่าของวิธีการ

ผลลัพธ์ (ไทย) 2:

ผลงานหลักของงานนี้สามารถสรุปได้
ดังนี้
1. เรานำเสนอรูปแบบไฮบริดกับนวนิยายจำแนก
ส่วนประกอบและการกำเนิดสำหรับการหาข้อสรุป spatiotemporal
เกี่ยวกับสภาพอากาศ
2. เราออกแบบและใช้ฟังก์ชั่นเคอร์เนลที่ขับเคลื่อนด้วยข้อมูล
ที่รูปร่างการคาดการณ์ในทางกายภาพตาม
กฎหมาย
3. เราให้บริการ E? ขั้นตอนประสิทธิภาพการอนุมานที่ช่วย
เพิ่มประสิทธิภาพของรูปแบบการทำนายตาม
ด้วยปรากฏการณ์ขนาดใหญ่
4. เราจะประเมินวิธีการที่มีชุดการทดลอง
ที่เน้นประสิทธิภาพและความคุ้มค่าของวิธีการที่