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:
La estratigrafía hidrogeoquímica de las salmueras y sus implicaciones en la gestión del agua en el Valle del Rift del Mar Muerto y Jordania Central, Israel
Artículo:
Correlación estadística entre el valor b y la dimensión fractal en relación con la distribución del epicentro en Turquía
Artículo:
Computación paralela para LURR de predicción de terremotos
Artículo:
Actividad y relación Vp/Vs de las zonas de enjambre sísmico volcano-tectónico en el volcán Nevado del Ruiz, Colombia
Artículo:
Investigación sobre la ley de deformación de la roca circundante articulada durante la excavación del túnel basada en el acoplamiento hidromecánico
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
¿Por qué debemos conservar la fauna silvestre?
Artículo:
Control y vigilancia de la calidad del agua de consumo humano
Manual:
Deshidratación y desecado de frutas, hortalizas y hongos. Procedimientos hogareños y comerciales de pequeña escala