标签
MIT工程师开发了一种名为Extreme Event Aware的机器学习算法，该算法无需依赖历史极端数据即可生成合理的极端事件场景，有助于天气和金融等领域的风险评估。
TailBooster是一种双层生成框架，通过统计尾部提取和基于自编码器的清洗来合成运行上有效的极端航空运输事件，显著提高了极端事件预测的准确性。
本文提出基于神经正切核的不确定性量化方法，用于确定性深度学习天气模型，在极端事件期间无需重新训练即可获得更尖锐的自适应预测区间。
介绍了Q-SRDRN，一种使用分位数损失的多分位数超分辨率网络，用于改进极端降水降尺度，在保持整体精度的同时，显著提高了强降雨事件的检测率。