Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Special issue: geostatistics and machine learning

De Iaco Sandra, Christopoulos Dionysios, Lin Guang

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/A6972116-A18A-4A70-B652-AF818CEFE75A-
Αναγνωριστικόhttps://doi.org/10.1007/s11004-022-09998-6-
Αναγνωριστικόhttps://link.springer.com/article/10.1007/s11004-022-09998-6-
Γλώσσαen-
Μέγεθος7 pagesen
ΤίτλοςSpecial issue: geostatistics and machine learningen
ΔημιουργόςDe Iaco Sandraen
ΔημιουργόςChristopoulos Dionysiosen
ΔημιουργόςΧριστοπουλος Διονυσιοςel
ΔημιουργόςLin Guangen
ΕκδότηςSpringeren
ΠερίληψηRecent years have seen a steady growth in the number of papers that apply machine learning methods to problems in the earth sciences. Although they have different origins, machine learning and geostatistics share concepts and methods. For example, the kriging formalism can be cast in the machine learning framework of Gaussian process regression. Machine learning, with its focus on algorithms and ability to seek, identify, and exploit hidden structures in big data sets, is providing new tools for exploration and prediction in the earth sciences. Geostatistics, on the other hand, offers interpretable models of spatial (and spatiotemporal) dependence. This special issue on Geostatistics and Machine Learning aims to investigate applications of machine learning methods as well as hybrid approaches combining machine learning and geostatistics which advance our understanding and predictive ability of spatial processes.en
ΤύποςPeer-Reviewed Journal Publicationen
ΤύποςΔημοσίευση σε Περιοδικό με Κριτέςel
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2024-02-26-
Ημερομηνία Δημοσίευσης2022-
Θεματική ΚατηγορίαGeostatisticsen
Θεματική ΚατηγορίαStatistical learningen
Θεματική ΚατηγορίαMachine learningen
Θεματική ΚατηγορίαSpatial processen
Θεματική ΚατηγορίαGaussian process regressionen
Βιβλιογραφική ΑναφοράS. De Iaco, D. T. Hristopulos and G. Lin, “Special issue: geostatistics and machine learning,” Math. Geosci., vol. 54, no. 3, pp. 459–465, Apr. 2022, doi: 10.1007/s11004-022-09998-6.en

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά