Strojové učení pro charakterizaci podpovrchových vrstev

Recenze čtenářů

Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 2 hlasů.

Původní název:

Machine Learning for Subsurface Characterization

Obsah knihy:

Strojové učení pro charakterizaci podpovrchových vrstev vyvíjí a aplikuje neuronové sítě, náhodné lesy, hluboké učení, učení bez dohledu, bayesovské rámce a metody shlukování pro charakterizaci podpovrchových vrstev.

Strojové učení (ML) se zaměřuje na vývoj výpočetních metod/algoritmů, které se učí rozpoznávat vzory a kvantifikovat funkční vztahy zpracováním velkých souborů dat, označovaných také jako „velká data“. Hluboké učení (Deep learning, DL) je podmnožinou strojového učení, která zpracovává „velká data“ a vytváří četné vrstvy abstrakce pro splnění úlohy učení.

Metody DL nevyžadují manuální krok extrakce/vypracování funkcí; vyžadují však, abychom poskytli velké množství dat spolu s vysoce výkonnou výpočetní technikou, abychom včas získali spolehlivé výsledky. Tato příručka pomáhá inženýrům, geofyzikům a geologům seznámit se s terminologií datové vědy a analytiky, která je relevantní pro charakterizaci podpovrchových vrstev, a ukazuje použití metod založených na datech pro detekci odlehlých hodnot, geomechanickou/elektromagnetickou charakterizaci, analýzu obrazu, odhad nasycení kapalinou a charakterizaci měřítka pórů v podpovrchových vrstvách.