chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

WIHG開發(fā)了一種基于神經(jīng)(機(jī)器學(xué)習(xí))的實(shí)用方法

iotmag ? 來源:千家網(wǎng) ? 作者:千家網(wǎng) ? 2020-09-21 09:59 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

科學(xué)家們正努力地對(duì)不斷增長的地震數(shù)據(jù)進(jìn)行人工解釋,以探索地震的原因,特別是在該地區(qū)地質(zhì)條件復(fù)雜的情況下,他們現(xiàn)在正在使用基于機(jī)器學(xué)習(xí)的解決方案來幫助自動(dòng)解釋這些數(shù)據(jù)。

從地表地震數(shù)據(jù)中有效地探測地下地質(zhì)特征對(duì)于理解大地構(gòu)造、盆地演化、資源勘探以及引起區(qū)域地震(地震發(fā)生)的過程非常重要。為此,地震數(shù)據(jù)的獲取不斷增長,使得處理過程在計(jì)算上很費(fèi)力并且解釋繁瑣。得益于高性能的計(jì)算系統(tǒng),該系統(tǒng)可以在收到口譯員的指導(dǎo)和輸入后的合理時(shí)間內(nèi)對(duì)此類海量數(shù)據(jù)進(jìn)行分析。然而,人類分析人員很難進(jìn)行人工解釋,特別是在該地區(qū)地質(zhì)復(fù)雜、數(shù)據(jù)豐富的情況下。


為了使這一過程自動(dòng)化并加快解釋速度,印度政府科學(xué)技術(shù)部下設(shè)的自治研究所——喜馬拉雅地質(zhì)研究所(WIHG)的科學(xué)家開發(fā)了一種基于神經(jīng)(機(jī)器學(xué)習(xí))的實(shí)用方法,用于自動(dòng)解釋3D地震數(shù)據(jù)。這種第一種方法通過計(jì)算一種稱為元屬性的新屬性而開發(fā)。

較老的沉積巖層或火山熔巖層(基巖復(fù)合體)之間的板狀片狀侵入顯著促進(jìn)了熱巖漿的運(yùn)輸和儲(chǔ)存,并導(dǎo)致覆蓋層。這可以作為沉積盆地中油氣聚集的合理構(gòu)造圈閉。新西蘭近海坎特伯雷含油氣盆地就是一個(gè)典型的例子,在那里,白堊紀(jì)至始新世(約1.45億至3390萬年前的地質(zhì)時(shí)期)序列中嵌入了碟形巖漿巖床,導(dǎo)致在巖床末端上方形成了強(qiáng)制褶皺和熱液噴口。

WIHG的科學(xué)家通過設(shè)計(jì)工作流程并計(jì)算SillCube(SC)和FluidCube(FC)元屬性來捕獲這種情況。這些是混合屬性,是通過使用基于神經(jīng)的方法將許多地震屬性(與地質(zhì)目標(biāo)關(guān)聯(lián))合并而生成的。這項(xiàng)研究發(fā)表在研究期刊“構(gòu)造物理學(xué)”上。WIHG團(tuán)隊(duì)在監(jiān)督的神經(jīng)學(xué)習(xí)(機(jī)器學(xué)習(xí))之后準(zhǔn)備了元屬性,其中在人類分析師的指導(dǎo)下訓(xùn)練計(jì)算系統(tǒng)。

根據(jù)這項(xiàng)研究的結(jié)果,單個(gè)巖床的面積分別為1.5平方公里到17平方公里。此外,熔解的巖漿流體通過熱液噴口垂直上升至800m左右的高度,并抬升覆蓋層。這種解釋方法是自動(dòng)化的,可以有效地從三維地震數(shù)據(jù)中描述地下巖漿活動(dòng)。

這項(xiàng)工作是朝著應(yīng)用機(jī)器學(xué)習(xí)解決地質(zhì)問題邁出的重要一步,并且在理解喜馬拉雅山等活躍山區(qū)的復(fù)雜地質(zhì)過程中很有希望。 (編譯/Cassie) By PIB Delhi

轉(zhuǎn)載:千家網(wǎng)

原文標(biāo)題:機(jī)器學(xué)習(xí)解決方案使地理資源的探索更簡單

文章出處:【微信公眾號(hào):物聯(lián)網(wǎng)技術(shù)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 機(jī)器人
    +關(guān)注

    關(guān)注

    213

    文章

    30549

    瀏覽量

    219288
  • 地震
    +關(guān)注

    關(guān)注

    0

    文章

    25

    瀏覽量

    16386

原文標(biāo)題:機(jī)器學(xué)習(xí)解決方案使地理資源的探索更簡單

文章出處:【微信號(hào):iotmag,微信公眾號(hào):iotmag】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    如何在機(jī)器視覺中部署深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

    圖 1:基于深度學(xué)習(xí)的目標(biāo)檢測可定位已訓(xùn)練的目標(biāo)類別,并通過矩形框(邊界框)對(duì)其進(jìn)行標(biāo)識(shí)。 在討論人工智能(AI)或深度學(xué)習(xí)時(shí),經(jīng)常會(huì)出現(xiàn)“神經(jīng)網(wǎng)絡(luò)”、“黑箱”、“標(biāo)注”等術(shù)語。這些概念對(duì)非專業(yè)
    的頭像 發(fā)表于 09-10 17:38 ?665次閱讀
    如何在<b class='flag-5'>機(jī)器</b>視覺中部署深度<b class='flag-5'>學(xué)習(xí)</b><b class='flag-5'>神經(jīng)</b>網(wǎng)絡(luò)

    一種無序超均勻固體器件的網(wǎng)格優(yōu)化方法

    近日,天津大學(xué)精密儀器與光電子工程學(xué)院的光子芯片實(shí)驗(yàn)室研發(fā)了一種無序超均勻固體器件的網(wǎng)格優(yōu)化方法,成果獲中國發(fā)明專利(ZL202410659505.2)授權(quán)。
    的頭像 發(fā)表于 07-28 16:10 ?709次閱讀
    <b class='flag-5'>一種</b>無序超均勻固體器件的網(wǎng)格優(yōu)化<b class='flag-5'>方法</b>

    FPGA在機(jī)器學(xué)習(xí)中的具體應(yīng)用

    隨著機(jī)器學(xué)習(xí)和人工智能技術(shù)的迅猛發(fā)展,傳統(tǒng)的中央處理單元(CPU)和圖形處理單元(GPU)已經(jīng)無法滿足高效處理大規(guī)模數(shù)據(jù)和復(fù)雜模型的需求。FPGA(現(xiàn)場可編程門陣列)作為一種靈活且高效的硬件加速平臺(tái)
    的頭像 發(fā)表于 07-16 15:34 ?2608次閱讀

    Nordic收購 Neuton.AI 關(guān)于產(chǎn)品技術(shù)的分析

    Nordic Semiconductor 于 2025 年收購了 Neuton.AI,這是家專注于超小型機(jī)器學(xué)習(xí)(TinyML)解決方案的公司。 Neuton 開發(fā)了
    發(fā)表于 06-28 14:18

    NVIDIA借助神經(jīng)渲染技術(shù)為物理AI開發(fā)場景注入新活力

    DiffusionRenderer 引入了一種神經(jīng)渲染技術(shù),可用于創(chuàng)意領(lǐng)域的內(nèi)容生成和編輯,也可用于智能汽車和機(jī)器開發(fā)的合成數(shù)據(jù)生成。
    的頭像 發(fā)表于 06-16 14:41 ?821次閱讀

    【「# ROS 2智能機(jī)器開發(fā)實(shí)踐」閱讀體驗(yàn)】機(jī)器人入門的引路書

    的限制和調(diào)控) 本書還有很多前沿技術(shù)項(xiàng)目的擴(kuò)展 比如神經(jīng)網(wǎng)絡(luò)識(shí)別例程,機(jī)器學(xué)習(xí)圖像識(shí)別的原理,yolo圖像追蹤的原理 機(jī)器學(xué)習(xí)訓(xùn)練三大點(diǎn):
    發(fā)表于 04-30 01:05

    TPU處理器的特性和工作原理

    張量處理單元(TPU,Tensor Processing Unit)是一種專門為深度學(xué)習(xí)應(yīng)用設(shè)計(jì)的硬件加速器。它的開發(fā)源于對(duì)人工智能(AI)和機(jī)器學(xué)
    的頭像 發(fā)表于 04-22 09:41 ?3206次閱讀
    TPU處理器的特性和工作原理

    如何優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)

    優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率是提高模型訓(xùn)練效率和性能的關(guān)鍵步驟。以下是些優(yōu)化BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率的方法
    的頭像 發(fā)表于 02-12 15:51 ?1403次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)分析

    BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)作為一種常用的機(jī)器學(xué)習(xí)模型,具有顯著的優(yōu)點(diǎn),同時(shí)也存在些不容
    的頭像 發(fā)表于 02-12 15:36 ?1527次閱讀

    什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法

    BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法(Backpropagation Algorithm)是一種用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的有效方法。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)的反
    的頭像 發(fā)表于 02-12 15:18 ?1256次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    ),是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過反向傳播算法進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)由輸入層、個(gè)或多個(gè)隱藏層和輸出層組成,通過逐層遞減的方式調(diào)整網(wǎng)絡(luò)權(quán)重,目的是最小化網(wǎng)絡(luò)的輸出誤差。 二、深度
    的頭像 發(fā)表于 02-12 15:15 ?1323次閱讀

    嵌入式機(jī)器學(xué)習(xí)的應(yīng)用特性與軟件開發(fā)環(huán)境

    設(shè)備和智能傳感器)上,這些設(shè)備通常具有有限的計(jì)算能力、存儲(chǔ)空間和功耗。本文將您介紹嵌入式機(jī)器學(xué)習(xí)的應(yīng)用特性,以及常見的機(jī)器學(xué)習(xí)開發(fā)軟件與
    的頭像 發(fā)表于 01-25 17:05 ?1188次閱讀
    嵌入式<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>的應(yīng)用特性與軟件<b class='flag-5'>開發(fā)</b>環(huán)境

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上篇文章中,我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和多種算法。在本文中,我們會(huì)介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)
    的頭像 發(fā)表于 01-09 10:24 ?2214次閱讀
    人工<b class='flag-5'>神經(jīng)</b>網(wǎng)絡(luò)的原理和多種<b class='flag-5'>神經(jīng)</b>網(wǎng)絡(luò)架構(gòu)<b class='flag-5'>方法</b>

    傳統(tǒng)機(jī)器學(xué)習(xí)方法和應(yīng)用指導(dǎo)

    用于開發(fā)生物學(xué)數(shù)據(jù)的機(jī)器學(xué)習(xí)方法。盡管深度學(xué)習(xí)般指神經(jīng)網(wǎng)絡(luò)算法)是
    的頭像 發(fā)表于 12-30 09:16 ?1956次閱讀
    傳統(tǒng)<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)方法</b>和應(yīng)用指導(dǎo)

    文詳解物理信息神經(jīng)網(wǎng)絡(luò)

    物理信息神經(jīng)網(wǎng)絡(luò) (PINN) 是一種神經(jīng)網(wǎng)絡(luò),它將微分方程描述的物理定律納入其損失函數(shù)中,以引導(dǎo)學(xué)習(xí)過程得出更符合基本物理定律的解。
    的頭像 發(fā)表于 12-05 16:50 ?1.4w次閱讀
    <b class='flag-5'>一</b>文詳解物理信息<b class='flag-5'>神經(jīng)</b>網(wǎng)絡(luò)