هوش مصنوعی مکانی ایران(ایران ژئو آی)

نویسنده: ایران ژئو آی

افزایش داده (Data Augmentation)

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...

Read More
PRECISION

دقت (Precision) در GeoAI

دقت (Precision) در GeoAI: فراتر از یک عدد آماری نویسنده: فاطمه جعفری نوبخت هوش مصنوعی مکانی (GeoAI) ترکیبی قدرتمند از علوم اطلاعات جغرافیایی (GIS) و هوش مصنوعی (AI) است. در حالی که الگوریتم‌های یادگیری ماشین می‌توانند حجم عظیمی از...

Read More
F1-SCORE

معیار F1-Score

معیار F1-Score در GeoAI: هنر ایجاد تعادل میان دقت و حساسیت نویسنده: فاطمه جعفری نوبخت تمرکز صرف بر Precision (دقت) باعث می‌شود مدل محافظه‌کار شود و بسیاری از عوارض را نبیند، و تمرکز صرف بر Recall (فراخوانی) باعث می‌شود...

Read More
RECALL

فراخوانی (Recall)

فراخوانی (Recall) در GeoAI: هنرِ از قلم نانداختن نویسنده: فاطمه جعفری نوبخت در دنیای هوش مصنوعی مکانی (GeoAI)، همیشه «درست تشخیص دادن» کافی نیست؛ گاهی اوقات «ندیدن» یک پدیده، هزینه‌ای بسیار سنگین‌تر از «اشتباه دیدن» آن دارد. تصور کنید...

Read More
کشاورزی دقیق

کشاورزی دقیق

کشاورزی دقیق با GeoAI: انقلاب سبز دوم با هوش مصنوعی مکانی نویسنده: فاطمه جعفری نوبخت تا پیش از این، کشاورزان با مزارع خود به عنوان یک واحد یکپارچه رفتار می‌کردند؛ تمام مزرعه به یک اندازه آب می‌خورد و کود...

Read More
Apache Spark

آپاچی اسپارک (Apache Spark)

آپاچی اسپارک (Apache Spark): مهارکننده کلان‌داده‌ها در دنیای GeoAI نویسنده: فاطمه جعفری نوبخت در پروژه‌های هوش مصنوعی مکانی (GeoAI)، ما اغلب با یک مشکل بزرگ روبرو هستیم: حجم داده‌ها. تصور کنید می‌خواهید الگوی حرکتی تمام تاکسی‌های یک کلان‌شهر را...

Read More
Confusion Matrix

ماتریس درهم‌ریختگی (Confusion Matrix)

ماتریس درهم‌ریختگی (Confusion Matrix): قطب‌نمای تشخیص خطا نویسنده: فاطمه جعفری نوبخت 1. مقدمه: توهمِ «دقت» فرض کنید شما مدلی ساخته‌اید که قرار است وقوع زلزله را پیش‌بینی کند. از آنجا که زلزله پدیده‌ای نادر است، مدل شما یک استراتژی...

Read More
کم برازش

کم‌برازش (Underfitting)

کم‌برازش (Underfitting): وقتی مدل “ضعیف(ساده)” است نویسنده: فاطمه جعفری نوبخت در یادگیری ماشین، ما همیشه نگرانیم که مدل‌مان بیش از حد روی جزئیات وسواس به خرج دهد و داده‌ها را حفظ کند (Overfitting). اما سمت دیگر این بام، پرتگاه...

Read More
بیش برازش

بیش‌برازش (Overfitting)

بیش‌برازش (Overfitting): وقتی هوش مصنوعی «طوطی‌وار» حفظ می‌کند نویسنده: فاطمه جعفری نوبخت 1. مقدمه تصور کنید دانش‌آموزی برای امتحان ریاضی آماده می‌شود. او به جای اینکه روش حل مسائل و فرمول‌ها را یاد بگیرد، تمام تمرین‌های کتاب و جواب‌های...

Read More
Bounding Box

کادر محصورکننده (Bounding Box)

کادر محصورکننده (Bounding Box): الفبای تشخیص شیء نویسنده: فاطمه جعفری نوبخت در دنیای هوش مصنوعی، قبل از اینکه ماشین بتواند جزئیات دقیق یک شیء را ببیند (مانند Segmentation)، ابتدا باید بداند آن شیء “حدوداً” در کجای تصویر قرار دارد....

Read More