文献

J-GLOBAL ID：202202213297493849   整理番号：22A0833633

生成敵対ネットワーク強化データを持つ畳込みニューラルネットワークによるレゴリスホストREE堆積物に対する探査可能性のマッピング【JST・京大機械翻訳】

Mapping prospectivity for regolith-hosted REE deposits via convolutional neural network with generative adversarial network augmented data

著者 (4件)： Li Tong (State Key Laboratory of Geological Processes and Mineral Resources, China University of Geosciences, Wuhan 430074, China) ,  Zuo Renguang (State Key Laboratory of Geological Processes and Mineral Resources, China University of Geosciences, Wuhan 430074, China) ,  Zhao Xinfu (State Key Laboratory of Geological Processes and Mineral Resources, China University of Geosciences, Wuhan 430074, China) ,  Zhao Kuidong (State Key Laboratory of Geological Processes and Mineral Resources, China University of Geosciences, Wuhan 430074, China)
資料名： Ore Geology Reviews  (Ore Geology Reviews)
巻： 142  ページ： Null  発行年： 2022年 
JST資料番号： D0963B  ISSN： 0169-1368  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： レゴリスホスト希土類元素(REE)鉱床は,地球の重いREE資源の支配的な供給源である。本研究では,多重ソースデータ(例えば,地質学的,地球化学的および地形学的データ)を統合するための畳み込みニューラルネットワーク(CNN)アーキテクチャを提案し,レゴリスホストREE堆積物の鉱物探査性をマッピングした。教師付きCNNの訓練のためのラベル付きデータの欠如を解決するために,生成敵対ネットワーク(GAN)をデータ増強に適用した。提案したGANを教師なし方法で訓練し,入力としてランダムダウンスケール実サンプルを検討した。GANベースの拡張データを,実際のデータとピーク信号対雑音比値との比較によって検証した。中国の南部江西省のレゴリス-ホスト希土類元素鉱床のマッピング可能性の事例研究は,さらに,手順を例証し,検証した。最終的な鉱物探査性マップは,GANによって強化されたすべての地質,地球化学および地形学的データを有するCNNによって得る。CNNは99.7%の訓練精度と98.9%の検証精度に達した。すべての既知の鉱物堆積物はCNNによって描写された将来地域に位置し,それは研究領域の2.36%を占めるだけであった。得られた結果は,CNNとGANベース増強法を統合した提案フレームワークが,レゴリスホストREE鉱床の鉱物探査性マッピングにおける教師付き深層学習アルゴリズムの適用のための効果的な方法であり,将来調査地域における更なる探査を導くために,将来の地域を使用できることを示した。Copyright 2022 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： 鉱物 ,  *ネットワーク ,  地球 ,  *ニューラルネットワーク ,  地質学 ,  鉱床 ,  地形学 ,  *堆積物 ,  地球化学 ,  事例研究 ,  地質 ,  計算機アーキテクチャ ,  *レゴリス ,  学習アルゴリズム
準シソーラス用語： 深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  生成敵対ネットワーク ,  畳込みニューラルネットワーク ,  データ増強 ,  鉱物有望性マッピング ,  レゴリスホストREE堆積物

分類 (3件)： 人工知能  (JE08000Z) ,  岩石圏の地球化学一般  (DD01041C) ,  音声処理  (JE05000E)

タイトルに関連する用語 (8件)： 敵対 ,  強化 ,  畳込みニューラルネットワーク ,  REE ,  堆積物 ,  探査 ,  可能性 ,  マッピング