数学地质基于深度学习的地质找矿信息挖掘与集成已经成为数学地球科学的前沿领域.深度学习作为一种具有多级非线性变换的层级机器学习算法,在地质找矿大数据挖掘与集成中仍处于探索阶段,还有一系列问题亟需解决.以卷积神经网络为例,探讨了基于深度学习的地质找矿大数据挖掘与集成过程中两大挑战:训练样本不足和深度学习网络...
本文以卷积神经网络为例探讨基于深度学习的地质找矿大数据挖掘与集成的挑战。 主要挑战1:训练样本量不足。监督深度学习要取得较高的分类和预测精度,需要大量的训练集和标签数据。然而,成矿作用是稀有地质事件,已知矿床(正样本)数量稀少,不能满足监督...