論文の概要: Intelligent prospector v2.0: exploration drill planning under epistemic model uncertainty
- arxiv url: http://arxiv.org/abs/2410.10610v1
- Date: Mon, 14 Oct 2024 15:17:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-29 20:35:30.898707
- Title: Intelligent prospector v2.0: exploration drill planning under epistemic model uncertainty
- Title（参考訳）: インテリジェント・プロスペクタ v2.0: てんかんモデル不確実性下における探査掘削計画
- Authors: John Mern, Anthony Corso, Damian Burch, Kurt House, Jef Caers,
- Abstract要約: 鉱物探査において、人間は複数の仮説を定義するために概念モデルに依存するかもしれない。
本稿では,部分的に観測可能なマルコフ決定プロセスに基づく知的エージェントを開発する。
提案手法は,2023年のザンビアにおける超高品位鉱床のキャラクタリゼーションに有効である。
- 参考スコア（独自算出の注目度）: 4.129051275390198
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Optimal Bayesian decision making on what geoscientific data to acquire requires stating a prior model of uncertainty. Data acquisition is then optimized by reducing uncertainty on some property of interest maximally, and on average. In the context of exploration, very few, sometimes no data at all, is available prior to data acquisition planning. The prior model therefore needs to include human interpretations on the nature of spatial variability, or on analogue data deemed relevant for the area being explored. In mineral exploration, for example, humans may rely on conceptual models on the genesis of the mineralization to define multiple hypotheses, each representing a specific spatial variability of mineralization. More often than not, after the data is acquired, all of the stated hypotheses may be proven incorrect, i.e. falsified, hence prior hypotheses need to be revised, or additional hypotheses generated. Planning data acquisition under wrong geological priors is likely to be inefficient since the estimated uncertainty on the target property is incorrect, hence uncertainty may not be reduced at all. In this paper, we develop an intelligent agent based on partially observable Markov decision processes that plans optimally in the case of multiple geological or geoscientific hypotheses on the nature of spatial variability. Additionally, the artificial intelligence is equipped with a method that allows detecting, early on, whether the human stated hypotheses are incorrect, thereby saving considerable expense in data acquisition. Our approach is tested on a sediment-hosted copper deposit, and the algorithm presented has aided in the characterization of an ultra high-grade deposit in Zambia in 2023.
- Abstract（参考訳）: 取得すべき地質学的データに基づいて最適なベイズ決定を行うには、事前の不確実性のモデルを記述する必要がある。
そして、データ取得は、関心のあるいくつかの特性に対する不確実性を最大、そして平均的に減少させることで最適化される。
調査の文脈では、データ取得計画に先立って利用できるデータはほとんどない。
したがって、先行モデルは、空間的変動の性質や、探索されている領域に関連すると考えられる類似データに関する人間の解釈を含める必要がある。
例えば、鉱物探査において、人間は、鉱物化の特定の空間的多様性を表す複数の仮説を定義するために、鉱物化の成因に関する概念モデルに依存するかもしれない。
多くの場合、データが取得された後、全ての仮説が正しくないことが証明される。
間違った地質学的先行条件下でのプランニングデータ取得は、対象物に対する推定不確かさが不正確であるため、非効率である可能性が高いため、不確実性は、全く減少しない可能性がある。
本稿では,部分観測可能なマルコフ決定プロセスに基づく知的エージェントを開発し,空間変動の性質に関する複数の地質学的あるいは地質学的仮説を最適に計画する。
さらに、人工知能は、人間が主張する仮説が間違っているかどうかを早期に検出し、データ取得のかなりの費用を節約できる方法を備えている。
提案手法は,2023年のザンビアにおける超高品位鉱床のキャラクタリゼーションに有効である。
関連論文リスト
- Learning When the Concept Shifts: Confounding, Invariance, and Dimension Reduction [5.38274042816001]
観測データでは、分布シフトは観測されていない共起因子によって駆動されることが多い。
このことは、観測データを用いた領域適応問題の研究を動機付けます。
学習した低次元部分空間を用いて、ターゲットとソースのリスクの間にほぼ理想的なギャップを生じさせるモデルを示す。
論文 参考訳（メタデータ） (2024-06-22T17:43:08Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - Human Limits in Machine Learning: Prediction of Plant Phenotypes Using
Soil Microbiome Data [0.2812395851874055]
我々は,土壌と生物表現型との関係を理解するために,機械学習モデルの予測可能性について,初めて深く研究した。
土壌物理化学的特性や微生物集団密度などの環境特性をモデルに組み込んだ場合, 予測精度が向上することを示す。
論文 参考訳（メタデータ） (2023-06-19T20:52:37Z) - Generalization with Reverse-Calibration of Well and Seismic Data Using
Machine Learning Methods for Complex Reservoirs Predicting During Early-Stage
Geological Exploration Oil Field [0.0]
本研究の目的は, 研究領域に広がる炭化水素貯水池の確率を予測するための自律的アプローチを開発し, 適用することである。
この手法は二項分類の問題に機械学習アルゴリズムを用いる。
地震波の属性は予測器として使用される。
論文 参考訳（メタデータ） (2023-04-06T13:09:33Z) - MissDAG: Causal Discovery in the Presence of Missing Data with
Continuous Additive Noise Models [78.72682320019737]
不完全な観測データから因果発見を行うため,MissDAGと呼ばれる一般的な手法を開発した。
MissDAGは、期待-最大化の枠組みの下で観測の可視部分の期待される可能性を最大化する。
各種因果探索アルゴリズムを組み込んだMissDAGの柔軟性について,広範囲なシミュレーションと実データ実験により検証した。
論文 参考訳（メタデータ） (2022-05-27T09:59:46Z) - Uncertainty estimation of pedestrian future trajectory using Bayesian
approximation [137.00426219455116]
動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。
著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。
将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
論文 参考訳（メタデータ） (2022-05-04T04:23:38Z) - Dense Uncertainty Estimation via an Ensemble-based Conditional Latent
Variable Model [68.34559610536614]
我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。
そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。
以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
論文 参考訳（メタデータ） (2021-11-22T08:54:10Z) - Dense Uncertainty Estimation [62.23555922631451]
本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。
本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
論文 参考訳（メタデータ） (2021-10-13T01:23:48Z) - Temporal Difference Uncertainties as a Signal for Exploration [76.6341354269013]
強化学習における探索の効果的なアプローチは、最適な政策に対するエージェントの不確実性に依存することである。
本稿では,評価値のバイアスや時間的に矛盾する点を強調した。
本稿では,時間差誤差の分布の導出に依存する値関数の不確かさを推定する手法を提案する。
論文 参考訳（メタデータ） (2020-10-05T18:11:22Z) - A Fully Bayesian Gradient-Free Supervised Dimension Reduction Method
using Gaussian Processes [3.2636291418858474]
提案手法は、低次元部分空間と代理モデルパラメータの両方の不確かさを定量化するため、勾配のない完全にベイズ的である。
工学と科学の複数のデータセットで検証され、他の2つの最先端の手法と比較される。
論文 参考訳（メタデータ） (2020-08-08T14:24:25Z) - DeepKriging: Spatially Dependent Deep Neural Networks for Spatial
Prediction [2.219504240642369]
空間統計学において、共通の目的は、空間依存を利用して、観測されていない場所での空間過程の値を予測することである。
DeepKriging法はガウスの場合にはKrigingと直接リンクしており、非ガウスおよび非定常データに対してKrigingよりも多くの利点がある。
本手法を米国大陸におけるPM2.5濃度の予測に適用する。
論文 参考訳（メタデータ） (2020-07-23T12:38:53Z)
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。