Deep Learning Characterization of Spatially Variable Ground Using Screened and Label-Conditioned Random Field Data
Questo studio propone un framework sistematico per la generazione di dataset di addestramento fisicamente coerenti attraverso lo screening della non stazionarietà e la verifica delle etichette basata sulla Massima Verosimiglianza, dimostrando che tali miglioramenti della qualità dei dati potenziano significativamente l'accuratezza e la generalizzazione delle Reti Neurali Convoluzionali nella stima della scala di fluttuazione per terreni spazialmente variabili.