会员服务
卡尔曼滤波 · 集成 · 优化器 · 层 · MoDELS ·
2021 年 3 月 25 日
EnKF-C user guide
翻译：EnKF-C 用户指南
Pavel Sakov
Pavel Sakov

EnKF-C provides a compact generic framework for off-line data assimilation into large-scale layered geophysical models with the ensemble Kalman filter (EnKF). It is coded in C for GNU/Linux platform and can work either in EnKF, ensemble optimal interpolation (EnOI), or hybrid (EnKF/EnOI) modes.


翻译：EnKF-C为离线数据同化成大型多层地球物理模型提供了一个紧凑的通用框架,配有共同式Kalman过滤器(EnKF),在C中为GNU/Linux平台编码,可以在EnKF、共同式最佳内插(EnOI)或混合式(EnKF/EnOI)模式下工作。
0
下载
关闭预览

相关内容

卡尔曼滤波是一种高效率的递归滤波器（自回归滤波器），它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。
【干货书】机器学习速查手册，135页pdf
【干货书】机器学习速查手册，135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
78+阅读 · 2020年7月26日
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
53+阅读 · 2020年1月30日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
81+阅读 · 2019年10月9日
机器学习相关资源(框架、库、软件)大列表
机器学习相关资源(框架、库、软件)大列表
专知会员服务
39+阅读 · 2019年10月9日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
深度自进化聚类：Deep Self-Evolution Clustering
深度自进化聚类：Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
分布式TensorFlow入门指南
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【计算机类】期刊专刊/国际会议截稿信息6条
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Molecule Generation Experience: An Open Platform of Material Design for Public Users
Arxiv
0+阅读 · 2021年8月6日
Foundations of User-Centric Cell-Free Massive MIMO
Arxiv
0+阅读 · 2021年8月5日
User modeling for social and affective robots
Arxiv
0+阅读 · 2021年8月5日
GAN Inversion: A Survey
Arxiv
19+阅读 · 2021年1月14日
Learning Disentangled Representations for Recommendation
Learning Disentangled Representations for Recommendation
Arxiv
8+阅读 · 2019年10月31日
A Neural Influence Diffusion Model for Social Recommendation
Arxiv
4+阅读 · 2019年4月20日
Recommendation Systems for Tourism Based on Social Networks: A Survey
Recommendation Systems for Tourism Based on Social Networks: A Survey
Arxiv
3+阅读 · 2019年3月28日
Faithfully Explaining Rankings in a News Recommender System
Arxiv
6+阅读 · 2018年5月14日
Guide Me: Interacting with Deep Networks
Arxiv
4+阅读 · 2018年3月30日
SAR: Semantic Analysis for Recommendation
Arxiv
6+阅读 · 2017年12月2日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
卡尔曼滤波
集成
优化器
层
MoDELS
相关VIP内容
【干货书】机器学习速查手册，135页pdf
【干货书】机器学习速查手册，135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
78+阅读 · 2020年7月26日
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
53+阅读 · 2020年1月30日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
81+阅读 · 2019年10月9日
机器学习相关资源(框架、库、软件)大列表
机器学习相关资源(框架、库、软件)大列表
专知会员服务
39+阅读 · 2019年10月9日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
深度自进化聚类：Deep Self-Evolution Clustering
深度自进化聚类：Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
分布式TensorFlow入门指南
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【计算机类】期刊专刊/国际会议截稿信息6条
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
相关论文
Molecule Generation Experience: An Open Platform of Material Design for Public Users
Arxiv
0+阅读 · 2021年8月6日
Foundations of User-Centric Cell-Free Massive MIMO
Arxiv
0+阅读 · 2021年8月5日
User modeling for social and affective robots
Arxiv
0+阅读 · 2021年8月5日
GAN Inversion: A Survey
Arxiv
19+阅读 · 2021年1月14日
Learning Disentangled Representations for Recommendation
Learning Disentangled Representations for Recommendation
Arxiv
8+阅读 · 2019年10月31日
A Neural Influence Diffusion Model for Social Recommendation
Arxiv
4+阅读 · 2019年4月20日
Recommendation Systems for Tourism Based on Social Networks: A Survey
Recommendation Systems for Tourism Based on Social Networks: A Survey
Arxiv
3+阅读 · 2019年3月28日
Faithfully Explaining Rankings in a News Recommender System
Arxiv
6+阅读 · 2018年5月14日
Guide Me: Interacting with Deep Networks
Arxiv
4+阅读 · 2018年3月30日
SAR: Semantic Analysis for Recommendation
Arxiv
6+阅读 · 2017年12月2日
Top
微信扫码咨询专知VIP会员
Top