文献类型：期刊文章

作　　者：周永章[1,2,3] 王俊[1,2,3] 左仁广[4] 肖凡[1,2,3] 沈文杰[1,2,3] 王树功[1,2,3]

ZHOU YongZhang;WANG Jun;ZUO RenGuang;XIAO Fan;SHEN WenJie;WANG ShuGong(Center for Earth Environment ＆ Resources,Sun Yat-sen University,Guangzhou 510275,China;Guangdong Provinical Key Laboratory of Mineral Resources and Geological Processes,Sun Yat-sen University,Guangzhou 510275,China;School of Earth Sciences ＆ Engineering,Sun Yat-sen University,Guangzhou 510275,China;China University of Geology,Wuhan 430074,China)

机构地区：[1]广东省地质过程与矿产资源探查重点实验室,广州510275 [2]中山大学地球环境与地球资源研究中心,广州510275 [3]中山大学地球科学与工程学院,广州510275 [4]中国地质大学,武汉430074

出　　处：《岩石学报》

基　　金：国家重点研发计划重点专项项目(2016YFC0600506);国家自然科学基金项目(41273040);中国地质调查局项目(12120113067600);广东省地质过程与矿产资源探查重点实验室基金联合资助

年　　份：2018

卷　　号：34

期　　号：11

起止页码：3173-3178

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、GEOBASE、GEOREFPREVIEWDATABASE、IC、JST、PROQUEST、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：地质大数据正在以指数形式增长。只有发展智能数据处理方法才有可能追上大数据的超常增长。机器学习是人工智能的核心,是使计算机具有智能的根本途径。机器学习已成为地质大数据研究的前沿热点,它将让地质大数据插上翅膀,并因此改变地质。机器学习是一个源于数据的模型的训练过程,最终给出一个面向某种性能度量的决策。深度学习是机器学习研究中的一个重要子类,它通过构建具有很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,从而最终提升分类或预测的准确性。卷积神经网络算法是最为常用的一种深度学习算法之一,它广泛用于图像识别和语音分析等。Python语言在科学领域的地位占据着越来越重要。其下的Scikit-Learn是一个机器学习相关的库,提供有数据预处理、分类、回归、聚类、预测、模型分析等算法。Keras是一个基于Theano/Tensorflow的深度学习库,可以应用来搭建简洁的人工神经网络。

关 键 词：地质大数据  机器学习  深度学习  人工神经网络 智能地质学  PYTHON

分 类 号：P628]