Sep, 2023

利用自组织映射 (SOM) 集成地电和地化数据对垃圾填埋场进行特征化

PDF
TL;DR垃圾场渗滤液会对周围地区产生显著影响，因此需要进行渗滤液扩散范围的划定和监测。本文采用地电数据、表面甲烷测量的集成和分类方法，利用一种 Kohonen 型神经网络生成的自组织分类图来识别垃圾场周围可能的风险区域，从而精确定位受影响的区域。
发现论文，激发创造
  • 利用神经网络对卫星图像进行分类，映射非法垃圾倾倒场地

    采用机器学习模型，分析卫星影像，利用地理空间开放数据、高分辨率卫星影像和开源工具，通过对布宜诺斯艾利斯地区已知的垃圾倾倒场地进行训练，快速低成本地预测其他区域可能存在的非法垃圾倾倒场地的位置。这种技术能够帮助更好地解决全球南方城市都面临的严重问题，并有望成为一项全地图表非法垃圾倾倒场地的工具。

    Oct, 2021

  • 利用自组织映射（SOMs）对等离子体子团不稳定性的完全动力学模拟进行无监督分类

    本文介绍了如何利用基于自组织映射（Self-Organizing Maps，SOM）的聚类方法来分析近期产生的空间物理过程的大量仿真和观测数据，并得出了聚类图，该图可以很好地定位整个过程中各个区域的特征，因此该方法是一种有前途的数据分析工具，可以用于空间物理过程的仿真和观测数据的分析。

    Apr, 2023

  • 非欧几里得自组织映射

    本文提出了一种应用于非欧式几何的 SOM 算法，其拓扑相关扩展改善了传统 SOM 算法，可用于维度约简、聚类或在大数据中寻找相似性。

    Sep, 2021

  • 一种确定性自组织映射方法及其在基于卫星数据的云类型分类中的应用

    本篇研究探讨了一种补充标准自组织映射的确定性方法，并通过卫星云数据的实验结果，展示了这种方法在数据组织和简化方面的有效性和高效性。

    Aug, 2018

  • 使用机器学习方法对复杂油藏进行早期地质勘探中的海陆数据进行专家独立的解释

    该研究旨在开发并应用一种自主方法，预测研究区域油气藏扩散的概率。该方法基于 3D 地震勘探数据和地质信息，实现了对地质地球物理数据的专家独立概括，并利用该概括通过假设检验和生成地质模型。

    Apr, 2023

  • 利用图神经网络从与气候相关的特征预测土壤有机碳

    该研究比较了四种图神经网络算子在位置编码器框架中的表现，结果显示 PESAGE 和 PETransformer 模型在土壤有机碳估计方面表现出色，为图神经网络在土壤有机碳预测中的应用奠定了基础。

    Nov, 2023

  • 评估自组织映射可靠性的统计工具

    本文介绍了一些工具，用于测试特定自组织映射结果的置信度，测量自组织映射的量化误差和邻域关系，并且这些工具还可以用于客观测量自组织映射与其他神经网络模型相比更不敏感的情况。

    Jan, 2007

  • 自组织映射中的拓扑投影最小监督学习

    我们提出了一种基于自组织映射中的拓扑投射的半监督学习方法，通过利用大规模未标记数据集中的信息，显著减少了进行参数预测所需的标记数据点数量，从而有效降低了在某些领域（如电力系统、医学和工程学）中获取地面实况标记的成本。

    Jan, 2024

  • 利用深度学习应用于卫星图像识别塞浦路斯农村地区的垃圾倾倒场

    利用人工智能技术和卫星图像，该研究旨在探索在塞浦路斯农村地区使用人工智能技术识别非法垃圾倾倒场的程度，通过训练适合此任务的卷积神经网络，以大约 90% 的准确率正确识别包含垃圾的图像，为未来构建全岛建设性的岛屿 “垃圾” 地图奠定基础。

    Jul, 2023

  • 自组织映射的最小监督拓扑投射用于飞行阶段识别

    飞行阶段的识别对通用航空领域非常重要，该研究采用了一种新方法来减少监督的自组织映射 (MS-SOMs) 来进行阶段识别，结果表明该方法只需每类 30 个标记数据点就能达到或超过标签数据全文件的普通自组织映射方法的效果，并且对于飞行阶段数据的类别不平衡具有更强的健壮性。这些结果突出了有效识别飞行阶段所需的数据量很少。

    Feb, 2024