論文の概要: Integration of geoelectric and geochemical data using Self-Organizing
Maps (SOM) to characterize a landfill
- arxiv url: http://arxiv.org/abs/2309.09164v1
- Date: Sun, 17 Sep 2023 05:38:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 17:13:00.138308
- Title: Integration of geoelectric and geochemical data using Self-Organizing
Maps (SOM) to characterize a landfill
- Title(参考訳): 埋立地を特徴付ける自己組織化マップ(som)を用いた地電・地球化学データの統合
- Authors: Camila Juliao, Johan Diaz, Yosmely Berm\'Udez, Milagrosa Aldana
- Abstract要約: 公共利用のために帯水層に影響を及ぼすリスクは、ほとんどの場合、差し迫っている。
地電データ(比抵抗とIP)と表面メタン測定は、教師なしニューラルネットワークを用いて統合され、分類される。
また, 埋立処分場における影響地域を正確に推定し, 入力変数をSOMを用いて統合した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Leachates from garbage dumps can significantly compromise their surrounding
area. Even if the distance between these and the populated areas could be
considerable, the risk of affecting the aquifers for public use is imminent in
most cases. For this reason, the delimitation and monitoring of the leachate
plume are of significant importance. Geoelectric data (resistivity and IP), and
surface methane measurements, are integrated and classified using an
unsupervised Neural Network to identify possible risk zones in areas
surrounding a landfill. The Neural Network used is a Kohonen type, which
generates; as a result, Self-Organizing Classification Maps or SOM
(Self-Organizing Map). Two graphic outputs were obtained from the training
performed in which groups of neurons that presented a similar behaviour were
selected. Contour maps corresponding to the location of these groups and the
individual variables were generated to compare the classification obtained and
the different anomalies associated with each of these variables. Two of the
groups resulting from the classification are related to typical values of
liquids percolated in the landfill for the parameters evaluated individually.
In this way, a precise delimitation of the affected areas in the studied
landfill was obtained, integrating the input variables via SOMs. The location
of the study area is not detailed for confidentiality reasons.
- Abstract(参考訳): ゴミ捨て場からの浸出物は、周辺地域を著しく汚染する可能性がある。
これらの地域と人口間の距離がかなり大きいとしても、公共利用のための帯水層に影響を及ぼすリスクは、ほとんどの場合、差し迫っている。
このため, 浸出水面の沈降とモニタリングが重要である。
地電データ(比抵抗とIP)と表面メタン測定は、埋立地周辺の危険領域を特定するために、教師なしニューラルネットワークを用いて統合され分類される。
ニューラルネットワークはKohonen型であり、その結果、自己組織化分類マップまたはSOM(Self-Organizing Map)が生成される。
同様の行動を示すニューロン群が選択された訓練から2つの図形出力を得た。
これらの群の位置に対応する輪郭地図と個々の変数が生成され、得られた分類とそれらの変数に関連付けられた異なる異常を比較した。
この分類から得られた2つの群は, 個別に評価されたパラメータに対して, 埋立処分場に埋没した液体の典型値と関連している。
このようにして, 調査埋立処分場の被害地域を正確に推定し, 入力変数をSOMを用いて統合した。
研究エリアの場所は、秘密の理由から詳細ではない。
関連論文リスト
- Trust your Good Friends: Source-free Domain Adaptation by Reciprocal
Neighborhood Clustering [50.46892302138662]
我々は、ソースデータがない場合に、ソース事前学習されたモデルをターゲット領域に適応させる、ソースフリー領域適応問題に対処する。
提案手法は,ソースドメイン分類器と一致しない可能性のあるターゲットデータが,依然として明確なクラスタを形成しているという観測に基づいている。
本研究では, この地域構造を, 地域住民, 相互隣人, 及び拡張近所を考慮し, 効率的に把握できることを実証する。
論文 参考訳(メタデータ) (2023-09-01T15:31:18Z) - Small Area Estimation with Random Forests and the LASSO [39.58317527488534]
この研究は、第6回リビング・スタンダード・サーベイ(GLSS)と2010年の人口・住宅国勢調査から得られるガーナのデータによって動機付けられている。
我々は、アラルレベルのランダム林とLASSOアプローチを、頻繁な前方変動選択法とベイズ縮小法と比較した。
GAMA領域にまたがる1.3倍の変動を示すログ消費地域推定値として,面積間の実質的な変動がみられた。
論文 参考訳(メタデータ) (2023-08-29T10:02:10Z) - Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。
本稿では,新たな敵情報ネットワーク(AIN)を提案する。
論文 参考訳(メタデータ) (2023-05-23T02:14:11Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳(メタデータ) (2022-12-20T12:56:28Z) - Habitat classification from satellite observations with sparse
annotations [4.164845768197488]
リモートセンシングデータを用いた生息地分類とマッピング手法を提案する。
この方法は、フィールドから収集された細粒度でスパースな単一ピクセルアノテーションを使用することによって特徴付けられる。
本研究では, 収穫増量, 試験時間増量, 半教師付き学習が, さらに分類の助けとなることを示す。
論文 参考訳(メタデータ) (2022-09-26T20:14:59Z) - Unsupervised classification of simulated magnetospheric regions [0.0]
磁気圏ミッションにおいて、バーストモードのデータサンプリングは、科学的または運用上の関心のあるプロセスの存在下でトリガーされなければならない。
本研究では、関心の磁気圏過程の自動識別のための多段階法の第一段階を構成することができる磁圏領域の教師なし分類法を提案する。
論文 参考訳(メタデータ) (2021-09-10T14:57:32Z) - Mycorrhiza: Genotype Assignment usingPhylogenetic Networks [2.286041284499166]
遺伝子型代入問題に対する機械学習手法であるMycorrhizaを紹介する。
提案アルゴリズムは系統ネットワークを用いて,標本間の進化的関係を符号化する特徴を設計する。
Mycorrhizaは、大きな平均固定指数(FST)を持つデータセットやハーディ・ワインバーグ平衡からの偏差で特に顕著な利得を得る。
論文 参考訳(メタデータ) (2020-10-14T02:36:27Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳(メタデータ) (2020-10-12T13:26:30Z) - Adaptive feature recombination and recalibration for semantic
segmentation with Fully Convolutional Networks [57.64866581615309]
完全畳み込みネットワークを用いたセマンティックセグメンテーションに適応した特徴の組換えと空間適応型再分類ブロックを提案する。
その結果、再結合と再校正は競争ベースラインの結果を改善し、3つの異なる問題にまたがって一般化することを示した。
論文 参考訳(メタデータ) (2020-06-19T15:45:03Z) - Mixture of Conditional Gaussian Graphical Models for unlabelled
heterogeneous populations in the presence of co-factors [0.0]
ガウス図形モデル(GGM)内の条件相関ネットワークは、ランダムベクトルの成分間の直接相互作用を記述するために広く使われている。
本稿では,データポイントをサブポピュレーション対応クラスタに再分類するために,共機能の不均一な効果を減じる条件付きGGM(Mixture of Conditional GGM)を提案する。
論文 参考訳(メタデータ) (2020-06-19T11:57:30Z) - Self-training Avoids Using Spurious Features Under Domain Shift [54.794607791641745]
教師なし領域適応においては、条件付きエントロピー最小化と擬似ラベル処理は、既存の理論で解析されたものよりもドメインシフトがはるかに大きい場合であっても行われる。
ドメインシフトが大きくなる可能性のある特定の設定を特定・分析するが、特定のスパイラルな特徴はソースドメインのラベルと相関するが、ターゲットの独立なラベルである。
論文 参考訳(メタデータ) (2020-06-17T17:51:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。