Recognition of geochemical anomalies using a deep autoencoder network

In this paper, we train an autoencoder network to encode and reconstruct a geochemical sample population with unknown complex multivariate probability distributions. During the training, small probability samples contribute little to the autoencoder network. These samples can be recognized by the tr...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Computers & geosciences Ročník 86; s. 75 - 82
Hlavní autoři:	Xiong, Yihui, Zuo, Renguang
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Ltd 01.01.2016
Témata:	Anomalies Autoencoder network case studies China computers Deposition Errors Geochemical exploration Geochemistry iron learning Mineralization Multivariate geochemical data Networks probability probability distribution Reconstruction Skarn-type iron deposits Training China Skarn-type iron deposits Multivariate geochemical data Autoencoder network Geochemical exploration
ISSN:	0098-3004, 1873-7803
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!