Gépi tanulás a felszín alatti jellemzéshez

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.

Eredeti címe:

Machine Learning for Subsurface Characterization

Könyv tartalma:

A Machine Learning for Subsurface Characterization neurális hálózatokat, véletlen erdőket, mély tanulást, felügyelet nélküli tanulást, Bayes-féle kereteket és klaszterezési módszereket fejleszt és alkalmaz a felszín alatti jellemzéshez.

A gépi tanulás (ML) olyan számítási módszerek/algoritmusok fejlesztésére összpontosít, amelyek megtanulják a minták felismerését és a funkcionális kapcsolatok számszerűsítését nagy adathalmazok, más néven „nagy adatok” feldolgozásával. A mélytanulás (DL) a gépi tanulás egy olyan alcsoportja, amely a „nagy adatokat” úgy dolgozza fel, hogy a tanulási feladat elvégzéséhez számos absztrakciós réteget épít fel.

A DL-módszerek nem igénylik a jellemzők kinyerésének/szerkesztésének kézi lépését; azonban nagy mennyiségű adatot kell biztosítanunk nagy teljesítményű számítástechnikával együtt, hogy megbízható eredményeket kapjunk időben. Ez a referencia segít a mérnököknek, geofizikusoknak és geotudósoknak megismerkedni a felszín alatti jellemzés szempontjából releváns adattudományi és analitikai terminológiával, és bemutatja az adatvezérelt módszerek használatát a kiugró értékek felismerésére, a geomechanikai/elektromágneses jellemzésre, a képelemzésre, a folyadék telítettségének becslésére és a felszín alatti pórusméretű jellemzésre.