Deep learning for laboratory earthquake prediction and autoregressive forecasting of fault zone stress 地震の予測と予測には長い歴史があり、場合によっては悲惨な歴史がありますが、最近の研究では、早期警戒の進歩、誘発された地震の危険性評価、実験室の地震の予測の成功に基づいて関心が再燃しています。研究室では、摩擦によるスティックスリップ現象が地震と地震サイクルの類似物を提供します。 Labquakesは、制御された条件下で長いシーケンスで生成できるため、機械学習(ML)の理想的なターゲットです。最近の研究は、MLが断層帯のアコースティックエミッションを使用して実験室の地震のいくつかの側面を予測できることを示しています。ここでは、これらの結果を一般化し、labquake予測と自己回帰(AR)予測
Sparse Tensor-based Multiscale Representation for Point Cloud Geometry Compression この研究では、SparsePCGCと呼ばれるボクセル化されたPCGのスパーステンソルプロセッシング(STP)ベースのマルチスケール表現を介して、統合された点群ジオメトリ(PCG)圧縮方法を開発します。 STPを適用すると、最も可能性の高い正の占有ボクセル(MP-POV)を中心とした畳み込みのみが実行されるため、複雑さが大幅に軽減されます。また、マルチスケール表現により、スケールごとのMP-POVを段階的に圧縮できます。全体的な圧縮効率は、各MP-POVの占有確率の近似精度に大きく依存します。したがって、事前確率を広範囲に活用するために、スパース畳み込みとボクセル再サンプリングで構成されるスパース畳み込みベースのニューラルネット
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く