Applying Deep Neural Networks and Ensemble Machine Learning Methods to Forecast Airborne <i>Ambrosia</i> Pollen.

Zewdie, Gebreab K; Lary, David J; Levetin, Estelle; Garuma, Gemechu F

Applying Deep Neural Networks and Ensemble Machine Learning Methods to Forecast Airborne Ambrosia Pollen.

Zewdie, Gebreab K; Lary, David J; Levetin, Estelle; Garuma, Gemechu F.

Afiliação

Zewdie GK; William B. Hanson Center for Space Sciences, The University of Texas at Dallas, Richardson, TX 75080, USA. gebreab.zewdie@utdallas.edu.
Lary DJ; William B. Hanson Center for Space Sciences, The University of Texas at Dallas, Richardson, TX 75080, USA. david.lary@utdallas.edu.
Levetin E; Department of Biological Science, The University of Tulsa, Tulsa, OK 74104, USA. estelle-levetin@utulsa.edu.
Garuma GF; Institute of Earth and Environmental Sciences, University of Quebec at Montreal, Montreal, QC H2L 2C4, Canada. gemechufanta@gmail.com.

Int J Environ Res Public Health ; 16(11)2019 06 04.

Article em En | MEDLINE | ID: mdl-31167504

Assuntos

Antígenos de Plantas; Previsões/métodos; Aprendizado de Máquina; Redes Neurais de Computação; Extratos Vegetais; Alérgenos/análise; Ambrosia; Teorema de Bayes; Tempo (Meteorologia)

Palavras-chave

Ambrosia pollen; ECMWF; deep neural networks; extreme gradient boosting; machine learning; pollen allergy; random forest

Texto completo

Adicionar na Minha BVS

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Base de dados: MEDLINE Assunto principal: Extratos Vegetais / Redes Neurais de Computação / Antígenos de Plantas / Aprendizado de Máquina / Previsões Tipo de estudo: Prognostic_studies Idioma: En Revista: Int J Environ Res Public Health Ano de publicação: 2019 Tipo de documento: Article País de afiliação: Estados Unidos

Texto completo

Adicionar na Minha BVS

Imprimir

XML

PubMed Links

Buscar no Google