Interpolation-free deep learning for meteorological downscaling on unaligned grids across multiple domains with application to wind power

Jean-Sébastien Giroux, Simon-Philippe Breton et Julie Carreau

Rapport technique (2024)

Un lien externe est disponible pour ce document

Département:	Département de mathématiques et de génie industriel
Centre de recherche:	GERAD - Groupe d'études et de recherche en analyse des décisions
URL de PolyPublie:	https://publications.polymtl.ca/60332/
Numéro du rapport:	G-2024-67
URL officielle:	https://www.gerad.ca/fr/papers/G-2024-67
Date du dépôt:	28 nov. 2024 14:17
Dernière modification:	28 nov. 2024 14:17

Citer en APA 7:	Giroux, J.-S., Breton, S.-P., & Carreau, J. (2024). Interpolation-free deep learning for meteorological downscaling on unaligned grids across multiple domains with application to wind power. (Rapport technique n° G-2024-67). https://www.gerad.ca/fr/papers/G-2024-67
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Répertoire des publications (EndNote)Simple Metadata

Statistiques

Aucune statistique n'est disponible.

Actions réservées au personnel

Afficher document