文献

J-GLOBAL ID：202202227452739597   整理番号：22A0805896

少数であるが大きな鉱物堆積物をホストする地形における鉱物探査性の予測マッピングのための深層GMDHニューラルネットワーク【JST・京大機械翻訳】

Deep GMDH Neural Networks for Predictive Mapping of Mineral Prospectivity in Terrains Hosting Few but Large Mineral Deposits

著者 (3件)： Parsa Mohammad (Department of Earth Sciences, University of New Brunswick, Fredericton, New Brunswick, Canada) ,  Carranza Emmanuel John M. (Geological Sciences, School of Agricultural, Earth and Environmental Sciences, University of KwaZulu-Natal, Durban, South Africa) ,  Ahmadi Bahman (Department of Mechanical Engineering, Faculty of Engineering, University of Kurdistan, Sanandaj, Iran)
資料名： Natural Resources Research  (Natural Resources Research)
巻： 31  号： 1  ページ： 37-50  発行年： 2022年 
JST資料番号： W0688A  ISSN： 1520-7439  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年,地球科学問題に取り組むための深層ニューラルネットワークを採用する傾向がある。地球科学における種々の問題に適用される様々な深層ニューラルネットワークの中で,本研究は,鉱物探査性マッピング(MPM)のためのデータ処理(GMDH)ニューラルネットワークのグループ法を適用する方法を示すことを目指した。GMDHニューラルネットワークは,複雑な回帰問題に対処するための洗練された多層ロバストツールである。しかし,既知の鉱床と非堆積サイトの多変量属性を構成するMPMのラベル付きデータは,しばしばニューラルネットワークを適切に訓練するには不十分である。このような問題はネットワークの貧弱な一般化を引き起こす。即ち,開発したネットワークは,ラベル付きデータ(すなわち,低バイアス)に完全に適合するが,正確には予測できないデータ(即ち,高分散)を予測できない。これを考えると,GMDHニューラルネットワークは,本研究では,ウィンドウベースのデータ増強技術と結合して,MPMのための付加的地質学的に制約されたラベル付きサンプルを生成し,少数のが巨大な斑岩銅鉱床をホストする地域に適用した。GMDHニューラルネットワークとデータ増強技術を結合することは,バイアス-分散トレードオフを扱うことができるロバストな予測モデルをもたらし,この組合せ方法論が,少数だが大きな鉱物堆積物をホストする地形におけるMPMのための実行可能なオプションであると認識した。Copyright International Association for Mathematical Geosciences 2021 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 ,  *ニューラルネットワーク ,  鉱床 ,  *堆積物 ,  斑岩銅鉱床 ,  データ処理 ,  *GMDH ,  地質 ,  ロバスト性 ,  予測モデル
準シソーラス用語： 地球科学 ,  多変量 ,  深層学習 ,  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)： 深層学習 ,  GMDHネットワーク ,  データ増強 ,  大きな鉱物鉱床 ,  鉱物有望性マッピング

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (9件)： 鉱物 ,  堆積物 ,  地形 ,  探査 ,  予測 ,  マッピング ,  深層 ,  GMDH ,  ニューラルネットワーク