تطبيقات التعلم العميق وتعلم الآلة

عنوان المقالة:
تطبيق تعلم الآلة، والتعلم العميق، والاستفادة المثلى من الخوارزميات في الهندسة الجيولوجية وعلوم الجيولوجيا: مراجعة شاملة والتحدي المستقبلي
ملخص:
إن ما يسمى النموذج الشمولي الرابع قد شهد رواجاً خلال العقدين الماضيين، بأحجام كبيرة من بيانات الملاحظة المتاحة للعلماء والمهندسين. ويتم وصف البيانات الكبيرة بقاعدة "في" خمسة five Vs الحجم، التنوع، القيمة، السرعة، الدقة. إن مفهوم البيانات الكبيرة يوافق بشكل طبيعي سمات الهندسة الجيولوجية وعلم الجيولوجيا. إن تحليل البيانات الفنية الجيولوجية واسع النظاق، والشامل، ومتعدد الاتجاهات، ومتعدد المجالات قد أصبح موضة. ومن جانب آخر، يقدم تعلم الآلة، والتعلم العميق الاستفادة المثلى الخوارزمية القدرة على التعلم من البيانات وتقديم استبصارات معمقة في المشكلات الفنية الجيولوجية. يستخدم الباحثون نماذج مختلفة من تعلم الآلة، والتعلم العميق والاستفادة المثلى الخوارزمية لحل المشكلات المتعددة المرتبطة بالهندسة الجيولوجية وعلوم الجيولوجيا. وبالتالي هنالك حاجة لتوسعة أبحاثها مع أبحاث البيانات الكبيرة من خلال دمج استخدام تقنيات تعلم الآلة والتعلم العميق والاستفادة المثلى الخوارزمية.
يركز هذا العميق على المراجعة النظامية التطبيق الفني لتعلم الآلة والتعلم العميق والاستفادة المثلى الخوارزمية في الهندسة الجيولوجية وعلوم الجيولوجيا. إن مداخل تعلم الآلة والتعلم العميق والاستفادة المثلى الخوارزمية المتعددة تم تقديمها أولاً بشكل دقيق، فيما يتعلق بشكل رئيسي التعلم المشرف عليه، والتعلم غير المشرف عليه والتعلم العميق والاستفادة المثلى الخوارزمية. ومن ثم تطبيقاتها الممثلة في الهندسة الجيولوجية وعلم الجيولوجيا تم تلخيصها من خلال عرض VOSviewer. كذلك قدم المؤلفون أفكارهم الخاصة التي تعلموها من هذه التطبيقات وكذلك العمل المستمر والتوصيات المستقبلية. تهدف ورقة المراجعة هذه لعمل خلاصة شاملة وتقديم ارشادات أساسية للباحثين والمهندسين في تخصص الهندسة الجيولوجية وعلم الجيولوجيا أو مجالات البحث المشابهة حول كيفية دمج أساليب تعلم الآلة والتعلم العميق والاستفادة المثلى الخوارزمية وتطبيقها [2023، GXHH].
بيانات المقالة:
كود البحث الرقمي: GXHH