Szintetikus adatok nagy sebességű generálása és képfeldolgozó neurális hálók a földmágnesség kutatásának szolgálatában

Kuslits, Lukács [Kuslits, Lukács (felszíni geofizika), szerző] HUN-REN Földfizikai és Űrtudományi Kutatóintézet; Horváth, András [Horváth, András (mérnöki tudományok), szerző] HUN-REN Földfizikai és Űrtudományi Kutatóintézet; Wesztergom, Viktor [Wesztergom, Viktor (Geofizika), szerző] HUN-REN Földfizikai és Űrtudományi Kutatóintézet; Ciaran, Beggan; Rubóczki, Tibor [Rubóczki, Tibor (Geoelektromágnese...), szerző] HUN-REN Földfizikai és Űrtudományi Kutatóintézet; Prácser, Ernő [Prácser, Ernő (Geofizika), szerző] HUN-REN Földfizikai és Űrtudományi Kutatóintézet; Czirok, Lili [Czirok, Lili (geofizika, geoinf...), szerző] HUN-REN Földfizikai és Űrtudományi Kutatóintézet; Bozsó, István [Bozsó, István (Geofizika), szerző] HUN-REN Földfizikai és Űrtudományi Kutatóintézet; Lemperger, István [Lemperger, István (Geofizika), szerző] HUN-REN Földfizikai és Űrtudományi Kutatóintézet

Magyar nyelvű Nem besorolt (Egyéb) Tudományos
Megjelent: 2024
Konferencia: SciComp24 2024-10-17 [Szeged, Magyarország]
    Azonosítók
    • MTMT: 35748211
    A földi mágneses mező alakulásának megértésében évtizedek óta egyre jelentősebb szerep jut a nagy teljesítményű számítási infrastruktúrán végzett numerikus szimulációknak. Ezt részben a mezőt bolygónkban fenntartó folyamat összetettsége, részben annak léptékbeni sajátosságai indokolják. Egy, a folyamat belső viszonyait rekonstruálni képes gépi tanuló algoritmus megfelelő működéséhez szükséges, nagy számosságú és jellegében is kellő változatosságot eredményező számítássorozat generálása azonban épp ezen okoknál fogva jelent komoly kihívást. Az itt bemutatott módszertani fejlesztés a direkt numerikus szimulációk megkerülésével, egy idealizált analitikus modell és egy szisztematikus modellszámítás eredményeinek közelítése révén kísérli meg a fenti problémát orvosolni. A fejlesztés tágabb relevanciáját adhatják például az olyan műszaki vagy orvosdiagnosztikai problémák, melyek esetében nem lehetséges vagy nem kívánatos a vizsgált fizikai folyamathoz közvetlenül hozzáférni, annak komplex modellezése pedig jelentős számításigényű. Az eljárás során alkalmazott tanítási módszer képessé teheti a gépi tanuló (mélytanuló) algoritmusokat arra is, hogy kezeljék a szimulációk és a valós folyamat között feszülő ellentmondásokat.
    Hivatkozás stílusok: IEEEACMAPAChicagoHarvardCSLMásolásNyomtatás
    2026-10-15 19:27