-
Metoda za izboljšanje prostorsko-časovne ločljivosti okoljskih geoprostorskih podatkov z uporabo lokalnih meritev in satelitskih slik : doktorska disertacijaCukjati, JernejV doktorski disertaciji predstavimo novo metodo za izboljšavo prostorsko-časovne ločljivosti okoljskih geoprostorskih podatkov. Geoprostorske podatke pogosto dobimo tudi iz meritev, ki jih zajamemo z ... lokalnimi ali s satelitskimi senzorji. Pomanjkljivost teh zajemov so redki lokalni senzorji in nizka časovna ločljivost satelitskih slik. Prostorsko in časovno ločljivost izboljšamo s souporabo podatkov iz meritev obeh podatkovnih virov. Najprej opazovano območje razdelimo v mrežo pikslov in nad lokalnimi senzorji sestavimo Voronoijev diagram. Središča Voronoijevih celic ustrezajo lokacijam lokalnih senzorjev, ki v danem časovnem trenutku vračajo veljavne izmerjene vrednosti. Za nabor pikslov znotraj vsake posamezne Voronoijeve celice zgradimo ločene regresijske modele s strojnim učenjem. Razlagalne spremenljivke regresijskih modelov so pretekli podatki iz meritev lokalnih senzorjev trenutno izbrane Voronoijeve celice in njenih sosed, ciljne vrednosti pa so iz izbranega nabora pikslov satelitskih slik. Po izračunu vrednosti okoljske spremenljivke v vseh pikslih na opazovanem območju dobimo geolocirano rastrsko sliko okoljske spremenljivke. Predlagano metodo smo uporabili na podatkih meritev lokalnih senzorjev in satelitskih slik toplogrednega plina NO2. Regresijske modele smo zgradili s tremi metodami: algoritmom najbližjih sosedov, linearno regresijo in večplastno naprej usmerjeno nevronsko mrežo. Najvišjo točnost smo dosegli z nevronsko mrežo. Predlagano metodo smo primerjali s petimi referenčnimi metodami, ki so bile predstavljene v zadnjih treh letih. Te metode so: geografsko-časovno obtežena nevronska mreža, prilagodljiva grafovska konvolucijska povratna nevronska mreža, časovna grafovska konvolucijska nevronska mreža z mehanizmom pozornosti, nevronska mreža za izmenjevanje sporočil, združena z mrežami dolgega kratkoročnega spomina, in globoko ansambelsko strojno učenje. Po točnosti je najboljše rezultate dala naša metoda. Najbolj se nam je približala metoda, sestavljena iz nevronske mreže za izmenjavo sporočil in nevronske mreže z dolgim kratkoročnim spominom. Od te smo bili točnejši za približno 5 %.Vrsta gradiva - disertacija ; neleposlovje za odrasleZaložništvo in izdelava - Maribor : [J. Cukjati], 2023Jezik - slovenskiCOBISS.SI-ID - 166705667
Avtor
Cukjati, Jernej
Drugi avtorji
Žalik, Borut
Teme
Podatki |
Disertacije |
računalništvo |
strojno učenje |
k-najbližji sosedje |
linearna regresija |
naprej usmerjene nevronske mreže |
daljinsko zaznavanje |
doktorske disertacije |
computer science |
machine learning |
k-nearest neighbors |
linear regression |
feedforward neural network |
remote sensing
![loading ... loading ...](themes/default/img/ajax-loading.gif)
Signatura – lokacija, inventarna št. ... |
Status izvoda | Rezervacija |
---|---|---|
Skladišče II 0000109131 Skladišče II 109131 |
prosto - za čitalnico
|
![loading ... loading ...](themes/default/img/ajax-loading.gif)
![loading ... loading ...](themes/default/img/ajax-loading.gif)
![loading ... loading ...](themes/default/img/ajax-loading.gif)
Vnos na polico
Trajna povezava
- URL:
Faktor vpliva
Dostop do baze podatkov JCR je dovoljen samo uporabnikom iz Slovenije. Vaš trenutni IP-naslov ni na seznamu dovoljenih za dostop, zato je potrebna avtentikacija z ustreznim računom AAI.
Leto | Faktor vpliva | Izdaja | Kategorija | Razvrstitev | ||||
---|---|---|---|---|---|---|---|---|
JCR | SNIP | JCR | SNIP | JCR | SNIP | JCR | SNIP |
Baze podatkov, v katerih je revija indeksirana
Ime baze podatkov | Področje | Leto |
---|
Povezave do osebnih bibliografij avtorjev | Povezave do podatkov o raziskovalcih v sistemu SICRIS |
---|---|
Cukjati, Jernej | 53590 |
Žalik, Borut | 06671 |
Izberite prevzemno mesto:
Prevzem gradiva po pošti
Obvestilo
Gesla v Splošnem geslovniku COBISS
Izbira mesta prevzema
Mesto prevzema | Status gradiva | Rezervacija |
---|
Prosimo, počakajte trenutek.