Discovery and analysis of topographic features using learning algorithms: A seamount case study
Discovery and analysis of topographic features using learning algorithms: A seamount case study
复制标题
使用学习算法发现和分析地形特征：海山案例研究
DOI：
10.1002/grl.50615
复制
发表时间：
2013
影响因子：
5.2
通讯作者：
Valentine A
中科院分区：
文献类型：
--
作者：
Valentine A
识别和编目出现的特定地形特征是重要的，但耗时的任务。通常，自动化是具有挑战性的，因为简单的模型不能完全描述自然特征的复杂性。我们提出了一种新的方法，其中使用特定类别的神经网络（“自动编码器”）来吸收要编目的特征的特征，然后应用于系统地搜索新示例。为了证明这种方法的可行性，我们构建了一个可用于在全球水深数据中寻找海底山的网络。我们展示了两个测试区域的结果，与传统算法的结果比较有利。
Identifying and cataloging occurrences of particular topographic features are important but time‐consuming tasks. Typically, automation is challenging, as simple models do not fully describe the complexities of natural features. We propose a new approach, where a particular class of neural network (the “autoencoder”) is used to assimilate the characteristics of the feature to be cataloged, and then applied to a systematic search for new examples. To demonstrate the feasibility of this method, we construct a network that may be used to find seamounts in global bathymetric data. We show results for two test regions, which compare favorably with results from traditional algorithms.
登录
查看更多内容
基于地貌学的人工神经网络 (GANN) 用于估计流域直接径流
影响因子：
6.4
作者：
Bin Zhang;R. Govindaraju
通讯作者：
R. Govindaraju
使用改进的小波变换进行海山检测和隔离
DOI：
--
发表时间：
2008
期刊：
影响因子：
--
作者：
John K. Hillier
通讯作者：
John K. Hillier
DOI：
10.1007/978-94-017-0271-3
发表时间：
2004-03
期刊：
--
影响因子：
--
作者：
W. Sandham;M. Leggett;F. Aminzadeh
通讯作者：
W. Sandham;M. Leggett;F. Aminzadeh
人工神经网络和模糊逻辑的地球物理应用
DOI：
--
发表时间：
2006
期刊：
影响因子：
--
作者：
C. Mann
通讯作者：
C. Mann
太平洋海底地质
DOI：
--
发表时间：
1959
期刊：
Experientia
影响因子：
--
作者：
H. W. Menard
通讯作者：
H. W. Menard