دانلود مقاله انگلیسی رایگان:پیش بینی پویایی پوشش جنگلی در استرالیا و کشف عوامل مؤثر با استفاده از یادگیری عمیق - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

دانلود مقاله انگلیسی یادگیری عمیق رایگان
  • Projecting Australias forest cover dynamics and exploring influential factors using deep learning Projecting Australias forest cover dynamics and exploring influential factors using deep learning
    Projecting Australias forest cover dynamics and exploring influential factors using deep learning

    دسته بندی:

    یادگیری عمیق - deep learning


    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Projecting Australias forest cover dynamics and exploring influential factors using deep learning


    ترجمه فارسی عنوان مقاله:

    پیش بینی پویایی پوشش جنگلی در استرالیا و کشف عوامل مؤثر با استفاده از یادگیری عمیق


    منبع:

    Sciencedirect - Elsevier - Environmental Modelling and Software, 119 (2019) 407-417: doi:10:1016/j:envsoft:2019:07:013


    نویسنده:

    Long Yea,b,c, Lei Gaob,c,*, Raymundo Marcos-Martinezd,e, Dirk Mallantsc, Brett A. Bryanf


    چکیده انگلیسی:

    This study presents the first application of deep learning techniques in capturing long-term, time-continuous forest cover dynamics at a continental scale. We developed a spatially-explicit ensemble model for projecting Australias forest cover change using Long Short-Term Memory (LSTM) deep learning neural networks applied to a multi-dimensional, high-resolution spatiotemporal dataset and run on a high-performance computing cluster. We further quantified the influence of explanatory variables on the spatiotemporal dynamics of continental forest cover. Deep learning greatly outperformed a state-of-the-art spatial-econometric model at continental, state, and grid-cell scales. For example, at the continental scale, compared to the spatial-econometric model, the deep learning model improved projection performance by 44% (root-mean-square error) and 12% (pseudo Rsquared). The results illustrate the robustness and effectiveness of the LSTM model. This work provides a reliable tool for projecting forest cover and agricultural production under given future scenarios, supporting decisionmaking in sustainable land development, management, and conservation.
    Keywords: Long short-term memory | Deep learning | Forest cover change | Spatiotemporal data | Projections | Deforestation


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 1282 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 3051 :::::::: بازدید دیروز: 3084 :::::::: بازدید کل: 6135 :::::::: افراد آنلاین: 63