محققان در مقاله جدیدی از مدل نوآورانه «RD-SCL» رونمایی کردهاند که یکی از بزرگترین چالشهای «تصویربرداری امپدانس آکوستیک» یعنی کمبود شدید دادههای برچسبدار را هدف قرار داده است.
این فریمورک با استفاده از یادگیری نیمهنظارتی و ادغام فیزیک در فرآیند یادگیری، موفق شده بدون نیاز به پیشفرضهای پیچیده و با هزینه محاسباتی بسیار کمتر، دقت خیرهکنندهای را در تحلیلهای زمینشناسی و لرزهنگاری ارائه دهد. یک گام مهم دیگر برای پیوند میان هوش مصنوعی و علوم زمین! 🌍💡
منبع: arXiv Computer Vision