کریجینگ (Kriging) در GeoAI: وقتی آمار کلاسیک با هوش مصنوعی متحد میشود نویسنده: فاطمه جعفری نوبخت در درونیابیهای ساده (مثل IDW)، ما فقط بر اساس فاصله قضاوت میکنیم: «هر چه نزدیکتر، شبیهتر». اما این نگاه سادهلوحانه است. شاید دو...
درونیابی (Interpolation) در GeoAI: هنر پر کردن جاهای خالی با هوش مصنوعی نویسنده: فاطمه جعفری نوبخت «جهان پیوسته است، اما دادههای ما گسسته هستند.» این بزرگترین چالش در علوم مکانی است. ما دمای هوا را فقط در ایستگاههای هواشناسی...
تابع هزینه (Loss Functions) در GeoAI: قطبنمای یادگیری ماشین در دادههای مکانی نویسنده: فاطمه جعفری نوبخت در قلب هر مدل یادگیری عمیق (Deep Learning)، یک تابع هزینه یا Loss Function قرار دارد. این تابع، مسئولیت اندازهگیری فاصله بین “پیشبینی...
نرمالسازی (Normalization) در GeoAI: یکسانسازی زبان دادهها نویسنده: فاطمه جعفری نوبخت در پروژههای سنجش از دور و GeoAI، ما با طیف وسیعی از اعداد سروکار داریم. یک تصویر ماهوارهای Sentinel-2 ممکن است مقادیر بازتابش (Reflectance) بین ۰ تا ۱۰۰۰۰...
افزایش داده (Data Augmentation) در GeoAI: کیمیاگری با پیکسلها نویسنده: فاطمه جعفری نوبخت در دنیای ایدهآل هوش مصنوعی، ما به بینهایت تصویر ماهوارهای برچسبخورده، با کیفیت بالا و در شرایط نوری مختلف دسترسی داریم. اما در دنیای واقعی، دادههای...