科爱KeAi
2024年诺贝尔物理学奖揭晓,AIIG带你了解机器学习
2024-10-12 13:14
阅读:1580

北京时间10月8日下午5点45分许,2024年诺贝尔物理学奖揭晓。约翰·J·霍普菲尔德(John J. Hopfield)和杰弗里·E·辛顿(Geoffrey E. Hinton)获奖,以表彰他们“基于人工神经网络实现机器学习的基础性发现和发明”。

Artificial Intelligence in Geosciences发表多篇机器学习相关的高被引文章,欢迎学者们关注,所有文章均可免费下载。

image.png

高被引文章——机器学习

The potential of self-supervised networks for random noise suppression in seismic data

Birnie, C., Ravasi, M., Liu, S., Alkhalifah, T.

Wavefield solutions from machine learned functions constrained by the Helmholtz equation

Alkhalifah, T., Song, C., Waheed, U.B., Hao, Q.

Flood susceptibility assessment using artificial neural networks in Indonesia

Priscillia, S., Schillaci, C., Lipani, A.

MLReal: Bridging the gap between training on synthetic data and real data applications in machine learning

Alkhalifah, T., Wang, H., Ovcharenko, O.

Local earthquakes detection: A benchmark dataset of 3-component seismograms built on a global scale

Magrini, F., Jozinović, D., Cammarano, F., Michelini, A., Boschi, L.

Ensemble hybrid machine learning methods for gully erosion susceptibility mapping: K-fold cross validation approach

Roy, J., Saha, S.

Machine learning-based prediction of trace element concentrations using data from the Karoo large igneous province and its application in prospectivity mapping

Zhang, S.E., Nwaila, G.T., Bourdeau, J.E., Ashwal, L.D.

Enhancing lithofacies machine learning predictions with gamma-ray attributes for boreholes with limited diversity of recorded well logs

Wood, D.A.

Deriving big geochemical data from high-resolution remote sensing data via machine learning: Application to a tailing storage facility in the Witwatersrand goldfields

Zhang, S.E., Nwaila, G.T., Bourdeau, J.E., Ghorbani, Y., Carranza, E.J.M.

Machine learning in petrophysics: Advantages and limitations

Xu, C., Fu, L., Lin, T., Li, W., Ma, S.

期刊简介

Artificial Intelligence in Geosciences (AIIG)是一份涵盖人工智能和地球科学各个领域的开放获取型期刊。

AIIG自创刊以来,专注于地学人工智能的所有主题,如应用于地球科学的机器人和传感器、处理地球科学数据的机器学习算法、大数据处理背景下的云计算和高性能计算等。期刊创刊的目标是为正在转入大数据世界的地球科学家、分析与地球相关数据的数据科学家提供一个国际化、跨学科的交流论坛,在这里可以共享和讨论与人工智能及其在地球科学中的应用有关的最前沿观点及解决方案。

目前已被DOAJ、Scopus、EBSCOhost、GeoRef、Ei Compendex 和GEOBASE等数据库收录。

主编:王华 教授

电子科技大学资源与环境学院

研究领域:

机器学习与人工智能、信号与信息智能处理;岩石微观孔隙构定量表征;诱发(微)地震,包括现场数据采集、事件拾取、定位、震源机制研究;井筒地球物理,包括地层测试器、井下光纤传感器、井下数据传输、声波测井、电阻率测井等

主编:Gabriele Morra 教授

Dept of Physics University of Louisiana at Lafayette

计算地球物理学家

研究领域:

高性能计算、固体力学和流体动力学、地球动力学、地震学、火山学。

上述研究领域适用于解决例如灾害、滑坡风险估计、海啸生成、大地震等地学问题;对板块构造的研究在寻找新的自然资源矿床方面有着广泛的应用。

推荐阅读

转载本文请联系原作者获取授权,同时请注明本文来自科爱KeAi科学网博客。

链接地址:https://wap.sciencenet.cn/blog-3496796-1454976.html?mobile=1

收藏

分享到:

当前推荐数:1
推荐人:
推荐到博客首页
网友评论0 条评论
确定删除指定的回复吗?
确定删除本博文吗?