深度学习在地质学上的应用

摘要：

自Hinton等使用基于卷积神经网络的深度学习模型赢得ImageNet分类比赛以来,深度学习的研究席卷了各个行业.通过介绍深度学习的历史,探索国内地质行业中深度学习模型的使用情况,并介绍深度学习的基础概念(如神经元、神经网络、监督学习和无监督学习等)以及深度学习基础模型中的2个重要网络:深度信念网络(DBN)和卷积神经网络(CNN).在此基础上,类比深度学习在医学等相关领域的应用,提出了深度学习在地质上的几点应用:利用深度学习在计算机视觉上表现出的强大能力,可以对遥感图像进行聚类、对岩石样品图像进行分类、对岩石薄片数据进行描述;利用深度学习对原始数据表现出的强大识别能力,处理地质异常数据,从而确定成矿靶区的可能位置;利用深度学习的特点,对地震前的声信号数据进行处理,从而判断出地震发生前的剩余时间.

关键词：深度学习、神经元、神经网络、监督学习、无监督学习、深度信念网络、卷积神经网络、地质学应用

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：全国重要矿种成矿区划部署研究地质矿产调查评价专项12120114051501

在线出版日期：2018-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：115-121