文献

J-GLOBAL ID：201902229769572510   整理番号：19A0996196

機械学習に向けたデジタル岩石の駆動:勾配ブースティングとディープニューラルネットワークによる浸透率の予測【JST・京大機械翻訳】

Driving digital rock towards machine learning: Predicting permeability with gradient boosting and deep neural networks

著者 (3件)： Sudakov Oleg (Skolkovo Institute of Science and Technology, Skolkovo Innovation Center, Building 3, Moscow, 143026, Russia) ,  Burnaev Evgeny (Skolkovo Institute of Science and Technology, Skolkovo Innovation Center, Building 3, Moscow, 143026, Russia) ,  Koroteev Dmitry (Skolkovo Institute of Science and Technology, Skolkovo Innovation Center, Building 3, Moscow, 143026, Russia)
資料名： Computers & Geosciences  (Computers & Geosciences)
巻： 127  ページ： 91-98  発行年： 2019年 
JST資料番号： D0320B  ISSN： 0098-3004  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 著者らは,透過性予測のための機械学習技術の適用性の試験を目的とした研究を提示する。訓練集合を含む訓練集合を作成した。X線マイクロ断層撮影で画像化したBerea砂岩サブサンプルの3Dスキャンと,Poreネットワークアプローチでシミュレートした対応する透過率値を調べた。また,予測モデル訓練と予測のための入力特徴として,3D画像と2DスライスのMinkowski汎関数とDeep学習ベース記述子を用いた。種々の記述子と方法の予測力を比較した。;後者は,Gradient Boosing,Deep Neural Network(DNN)および凸型ニューラルネットワーク(CNN)を含む。導入されたDeep学習に基づく記述子;以前に使用された代替案より優れて3D CNNは,パーセント誤差と予測時間に関して競争者より優れている。結果は,画像ベースの浸透率予測のための機械学習の適用性を実証し,デジタルロック研究の新しい領域を開いた。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *浸透率 ,  *予測 ,  二次元 ,  *ネットワーク ,  *ディジタル方式 ,  *ニューラルネットワーク ,  X線 ,  画像 ,  三次元 ,  *機械学習 ,  *学習 ,  適応性 ,  トモグラフィー ,  予測モデル
準シソーラス用語： *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： デジタル岩石 ,  機械学習 ,  人工神経回路網 ,  浸透率予測 ,  勾配ブースティング

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 機械学習 ,  デジタル ,  岩石 ,  勾配ブースティング ,  ディープニューラルネットワーク ,  浸透率 ,  予測