Neural Networks for Earthquake Prediction / [by] Matt Crompton.
Τύπος υλικού: ΚείμενοΛεπτομέρειες δημοσίευσης: London: School of Computer Science and Information Systems, Birkbeck College, University of London, 2003. Περιγραφή: 55 p. : maps, tables ; 30 cmΘέμα(τα): Ταξινόμηση DDC:- 070.50285467
Τύπος τεκμηρίου | Τρέχουσα βιβλιοθήκη | Συλλογή | Ταξιθετικός αριθμός | Κατάσταση | Σημειώσεις | Ημερομηνία λήξης | Barcode | |
---|---|---|---|---|---|---|---|---|
Books | Βιβλιοθήκη Τμήματος Γεωλογικής Επισκόπησης = Geological Survey Department Library | Main | R070.50285467 CRO (Περιήγηση στο ράφι(Άνοιγμα παρακάτω)) | Διαθέσιμο | Μόνο για εσωτερικό δανεισμό | GSD00003589 |
Browsing Βιβλιοθήκη Τμήματος Γεωλογικής Επισκόπησης = Geological Survey Department Library shelves, Collection: Main Κλείσιμο περιήγησης ραφιού(Απόκρυψη περιήγησης ραφιών)
Includes bibliographical references (p. 31).
Earthquake prediction using neural networks has already been attempted in terms of timing of major events. This work outlines a methodology for predicting magnitudes of seismic events in the San Francisco Bay Area and the Pelopponnesos-Aegean area using multi-layer perceptron neural networks with a standard backpropagation algorithm for learning, examines apparent variations in learning for different network structures and parameters and studies the underlying success rate in predicting seismic events. Although the networks used in this work did not ultimately succeed in the prediction task, further work on predicting magnitudes could be worthwhile and some further methodologies for future research are suggested.
Δεν υπάρχουν σχόλια για αυτό τον τίτλο.