Aprenda a Ganhar Dinheiro do seu Jeito na Internet!

Aprendizado de máquina para melhorar a inversão geofísica!

Estás a ler: Aprendizado de máquina para melhorar a inversão geofísica!

Entenda a textura e composição do solo pode ser muito difícil, pois não há visibilidade direta e os estudos são praticamente cegos. No entanto, métodos foram adotados para contornar essa desvantagem, mas a solução foi temporária. Assim, com o objetivo de erradicar definitivamente essas barreiras, pesquisadores recentemente integraram aprendizado de máquina para o processo de investigação do solo.

De fato, o sistema que eles desenvolveram baseado em um codificador automático variacional compreendendo uma rede neural bastante complexa. Portanto, a máquina é capaz de integrar muitos padrões de acionamento para construir representações mais precisas com resolução extraordinária.

Além disso, segundo especialistas, os resultados de uma observação de relevos subterrâneos podem ser fortemente afetados pela escolha dos modelos, sejam físicos ou teóricos. Este estudo foi publicado no Jornal de Pesquisa Geofísica, Terra Sólida.

O autoencoder variacional, uma excelente abordagem de rede neural

As cadeias neurais provaram ser eficazes na integração de muitas amostras para produzir pré-requisitos mais sutis com maior resolução espacial. De fato, uma dessas abordagens de rede neural é o autoencoder variacional que dá a estrutura do solo por inversão. Usando essa tecnologia, ele conseguiu sintetizar dados de treinamento anteriores.


Foto de uma paisagem geológica

Então esse sistema pode gerar novas amostras consistentes, mas não idênticos, aos tipos de padrões observados nas imagens de entrada. Além disso, foi feita uma comparação entre os auto-codificadores variacionais formados por imagens individuais com os resultantes de conjuntos de imagens.

Os pesquisadores notaram que os autoencoders variacionais treinados usando coleções de imagens funcionam melhor do que aqueles baseados em uma única entrada. O sistema combinado funciona quase tão bem quanto a melhor imagem de treinamento para dados sintéticos e de terreno.

Portanto, em vez de buscar o padrão de boa correspondência realizando muitas inversões com diferentes entradas, outra abordagem foi adotada. Este último consiste em combinar entradas de acionamento em um único autoencoder variacional, em seguida, execute uma única inversão.

As tecnologias usadas no passado já estão desatualizadas

Um problema comum em geociências é a necessidade de inferir uma estrutura física invisível com base em observações limitadas. Assim, os resultados da inversão podem ser fortemente afetados pela escolha dos modelos, principalmente a física que foi considerada muito simples.

No passado, para contornar este problema, era comum aumentar um protótipo teórico com casos reais conhecidos, como evidências coletadas em afloramentos ou poços. Um processo considerado muito desgastante e pouco produtivo segundo os pesquisadores.

FONTE: PHYS.ORG

~~~~~~~~📱~~~~~~~~

PCtg.net é o lugar perfeito para encontrar as últimas notícias e análises sobre gadgets e aplicativos de tecnologia, bem como dicas e truques sobre como tirar o máximo proveito de sua tecnologia.