Este documento presenta una propuesta para la identificación de rocas y minerales a través de la integración del Análisis de Componentes de vecindario (NCA), imagen hiperespectral y aprendizaje automático, utilizando la tecnología de vehículos aéreos no tripulados (UAV). Los autores afirman que el método propuesto se fusiona perfectamente con varios modelos de aprendizaje automático; el estudio cuenta con resultados cuantitativos relacionados con las capacidades de clasificación de cada modelo como por ejemplo, el Cubic SVM, que superó a todos los demás modelos en la clasificación de rocas ígneas en la base de datos, con una precisión de clasificación global del 71% y una precisión promedio por clase del 72%.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Cinética de biodegradación de benceno y naftaleno en las zonas vadosa y saturada de un entorno de suelo costero salino (semi) árido
Artículo:
Un modelo constitutivo de daños para los efectos de las interacciones entre el CO2 y las rocas en la fragilidad de un esquisto de baja arcilla
Artículo:
Desarrollo de zonas comunitarias fásicas de bosques tropicales de turba de tierras bajas en la zona de Kota Samarahan-Asajaya, Sarawak occidental (Malasia)
Artículo:
Pruebas de modelo de laboratorio sobre el mecanismo de fallo de la erosión por flujo de un talud compuesto por una capa de grava arcillosa del grupo Anqing
Artículo:
Identificación Automática de Litologías Calcáreas Utilizando Máquinas de Vector de Soporte, Registros de Pozo y Dimensión Fractal de Imágenes Eléctricas de Pozo
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Software:
Simulación del proceso de extracción sólido-líquido EXTSL