ترجمه فارسی مقاله یادگیری خود نظارتی برای هوش مصنوعی جغرافیایی: یک بررسی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Self-supervised Learning for Geospatial AI: A Survey
عنوان مقاله به فارسی یادگیری خود نظارتی برای هوش مصنوعی جغرافیایی: یک بررسی
نویسندگان Yile Chen, Weiming Huang, Kaiqi Zhao, Yue Jiang, Gao Cong
فرمت مقاله انگلیسی PDF
تعداد صفحات 21
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Artificial Intelligence,Machine Learning,هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 22 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 22 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The proliferation of geospatial data in urban and territorial environments has significantly facilitated the development of geospatial artificial intelligence (GeoAI) across various urban applications. Given the vast yet inherently sparse labeled nature of geospatial data, there is a critical need for techniques that can effectively leverage such data without heavy reliance on labeled datasets. This requirement aligns with the principles of self-supervised learning (SSL), which has attracted increasing attention for its adoption in geospatial data. This paper conducts a comprehensive and up-to-date survey of SSL techniques applied to or developed for three primary data (geometric) types prevalent in geospatial vector data: points, polylines, and polygons. We systematically categorize various SSL techniques into predictive and contrastive methods, discussing their application with respect to each data type in enhancing generalization across various downstream tasks. Furthermore, we review the emerging trends of SSL for GeoAI, and several task-specific SSL techniques. Finally, we discuss several key challenges in the current research and outline promising directions for future investigation. By presenting a structured analysis of relevant studies, this paper aims to inspire continued advancements in the integration of SSL with GeoAI, encouraging innovative methods to harnessing the power of geospatial data.

چکیده به فارسی (ترجمه ماشینی)

گسترش داده های جغرافیایی در محیط های شهری و سرزمینی به طور قابل توجهی توسعه هوش مصنوعی جغرافیایی (GEOAI) در کاربردهای مختلف شهری را تسهیل کرده است.با توجه به ماهیت گسترده و در عین حال ذاتاً پراکنده از داده های جغرافیایی ، نیاز اساسی به تکنیک هایی وجود دارد که می توانند به طور موثری چنین داده هایی را بدون اعتماد به نفس سنگین به مجموعه داده های دارای برچسب اهرم کنند.این نیاز با اصول یادگیری خودبوشی (SSL) هماهنگ است ، که توجه بیشتری را برای تصویب آن در داده های جغرافیایی به خود جلب کرده است.در این مقاله یک بررسی جامع و به روز از تکنیک های SSL اعمال شده برای سه نوع داده اصلی (هندسی) که در داده های بردار جغرافیایی شیوع داده می شود ، انجام می شود: نقاط ، پولیلین ها و چند ضلعی ها.ما به طور سیستماتیک تکنیک های مختلف SSL را به روشهای پیش بینی کننده و متضاد طبقه بندی می کنیم ، در مورد کاربرد آنها با توجه به هر نوع داده در تقویت تعمیم در کارهای مختلف پایین دست بحث می کنیم.علاوه بر این ، ما روند نوظهور SSL را برای GEOAI و چندین تکنیک SSL خاص کار مرور می کنیم.سرانجام ، ما در مورد چندین چالش اساسی در تحقیقات فعلی بحث می کنیم و دستورالعمل های امیدوارکننده را برای تحقیقات آینده بیان می کنیم.با ارائه یک تجزیه و تحلیل ساختاری از مطالعات مربوطه ، این مقاله با هدف الهام بخشیدن به پیشرفت های مداوم در ادغام SSL با GEOAI ، ترغیب روش های نوآورانه برای استفاده از قدرت داده های جغرافیایی.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.