Результаты поиска: algorithm

Обзор и анализ методов объяснительного искусственного интеллекта для решения задач геоэкологического районирования и медицинской профилактики населения

№4 (2024) Трофимов Ю.В., Аверкин А.Н., Черемисина Е.Н. УДК 0048 https://doi.org/10.47148/1609-364X-2024-4-93-118 Ключевые слова: устойчивое развитие; объяснительный искусственный интеллект (XAI); экологическое районирование; географические информационные системы (ГИС); нейронечеткие модели; профилактика заболеваний; экологические риски; системы поддержки принятия решений; здравоохранение Раздел: Искусственный интеллект в … Читать далее →

Анализ динамики некоторых средообразующих переменных в природно-техногенных геосистемах степного Приуралья на основе спутниковых данных

№4 (2024) Мячина К.В., Щавелев А.Н., Ряхов Р.В. УДК 502.1: 502.568: 504.1:528.854:528.88 https://doi.org/10.47148/1609-364X-2024-4-48-56 Ключевые слова: средообразующие параметры; диоксид углерода; метан; динамика; Волго-Уральский степной регион; природно-техногенная геосистема; спутниковые данные. Раздел: Геоэкология

Картографирование пахотных земель на основе данных ДЗЗ (на примере Еврейской автономной области)

№2 (2024) Поляков А.Н., Степанов А.С. УДК 528.8-004.855.5 https://doi.org/10.47148/1609-364X-2024-2-25-35 Ключевые слова: картографирование; классификация; пахотные земли; подстилающая поверхность; спутниковый мониторинг Раздел: Применение ГИС-технологий

Получение ретроспективных данных о состоянии урбанизированного ландшафта методами компьютерного зрения на примере строительных работ

№2 (2024) Корюкин Е.А., Бобаков В.С., Буторова А.С., Сергеев А.П. УДК 504.064.2.001.18 https://doi.org/10.47148/1609-364X-2024-2-54-63 Ключевые слова: нейронная сеть, урбанизированная среда, геоинформационная система, датасет, класс объекта, сегментация изображения, библиотека, искусственный интеллект, распознавание объектов, mask r-cnn Раздел: Методико-технологическое обеспечение сбора и обработки данных

О стабильности разрешения геоэлектрической структуры литосферы в зоне сочленения Тарима и Тянь-Шаня: опыт применения различных подходов к инверсии магнитотеллурических данных

№1 (2024) Е.Ю. Соколова, Х. Донг, А.К. Рыбин, П.Ю. Пушкарев, В.Е. Матюков УДК 550.372 https://doi.org/10.47148/1609-364X-2024-1-42-54 Ключевые слова: магнитотеллурические зондирования, 2D и 3D инверсии, геоэлектрическая структура активных орогенов, Южный Тянь-Шань, Таримская плита Раздел: Моделирование геообъектов и геопроцессов

Индивидуальная и парная репрезентативность точек пробоотбора в задачах интерполяции распределения тяжелых металлов в верхнем слое почвы

№ 3 (2023) УДК 504.064.2.001.18 https://doi.org/10.47148/1609-364X-2023-3-63-70 Баглаева Е.М., Сергеев А.П., Шичкин А.В., Буевич А.Г., Буторова А.С. Ключевые слова: репрезентативность точек, сэмплинг, тяжелые металлы, искусственные нейронные сети, выбор обучающего подмножества Раздел: Геоэкология

Пространственно-временной анализ распределения цепочек землетрясений в Байкальской рифтовой системе с целью выявления мигрирующей сейсмичности

№2 (2023) УДК 004.550 https://doi.org/10.47148/1609-364X-2023-2-36-48 Какоурова А.А., Брыжак Е.В., Демьянович В.М., Ключевская А.А. Ключевые слова: сейсмичность, пространственно-временное распределение землетрясений, цепочки землетрясений, Байкальская рифтовая система, геолого-геофизические процессы Раздел: Моделирование геообъектов и геопроцессов

Применение перестановочного метода к оценке прогностической способности моделей пространственного распределения концентраций меди и железа в верхнем слое почвы

№2 (2022) Сергеев А.П., Буторова А.С., Шичкин А.В., Буевич А.Г., Баглаева Е.М., Субботина И.Е. УДК 504.064.2.001.18https://doi.org/10.47148/1609-364X-2022-2-42-53 Ключевые слова: перестановочный метод, рандомизация, прогнозируемые значения, наблюдаемые значения, пространственное распределение, оценка прогностической способности, искусственные нейронные сети Раздел: Моделирование геообъектов и геопроцессов

Метод встречного прогнозирования пространственного ряда на примере содержания пыли в снеговом покрове

№1 (2022) УДК 504.064.2.001.18 https://doi.org/10.47148/1609-364X-2022-1-32-39 А.С. Буторова, А.П. Сергеев, А.В. Шичкин, А.Г. Буевич, Е.М. Баглаева, М.В. Сергеева Ключевые слова: метод встречного прогнозирования, восстановление пропущенных данных, искусственные нейронные сети, снеговой покров, пыль. Раздел: Моделирование геообъектов и геопроцессов