Анализ изменений земного покрова на основе технологии глубинного машинного обучения

Анализ изменений земного покрова на основе технологии глубинного машинного обучения

Запропоновано методологію для вирішення проблеми обробки великих обсягів супутникових і геопросторових даних. Ієрархічна структура моделі глибинного навчання ґрунтується на нейромережевому підході і на методах геопросторового аналізу. Використовуючи розроблену методологію, побудовано карти змін земн...

Повний опис

Збережено в:
Бібліографічні деталі
Опубліковано в: :Проблемы управления и информатики
Дата:2016
Автори: Куссуль, Н.М., Лавренюк, М.С., Шелестов, А.Ю., Яйлимов, Б.Я., Бутко, И.Н.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2016
Теми:
Космические информационные технологии и системы
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/208179
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Анализ изменений земного покрова на основе технологии глубинного машинного обучения / Н.М. Куссуль, М.С. Лавренюк, А.Ю. Шелестов, Б.Я. Яйлимов, І.М. Бутко // Проблемы управления и информатики. — 2016. — № 3. — С. 140-151. — Бібліогр.: 53 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-208179
record_format dspace
spelling Куссуль, Н.М.
Лавренюк, М.С.
Шелестов, А.Ю.
Яйлимов, Б.Я.
Бутко, И.Н.
2025-10-20T14:41:51Z
2016
Анализ изменений земного покрова на основе технологии глубинного машинного обучения / Н.М. Куссуль, М.С. Лавренюк, А.Ю. Шелестов, Б.Я. Яйлимов, І.М. Бутко // Проблемы управления и информатики. — 2016. — № 3. — С. 140-151. — Бібліогр.: 53 назв. — рос.
0572-2691
https://nasplib.isofts.kiev.ua/handle/123456789/208179
004.62, 004.67
10.1615/JAutomatInfScien.v48.i5.40
Запропоновано методологію для вирішення проблеми обробки великих обсягів супутникових і геопросторових даних. Ієрархічна структура моделі глибинного навчання ґрунтується на нейромережевому підході і на методах геопросторового аналізу. Використовуючи розроблену методологію, побудовано карти змін земного покриву території України високого розрізнення за період 1990–2010 рр. Показано ефективність цього підходу для аналізу зміни площі необроблюваних сільськогосподарських земель, зокрема, у східних областях під час окупації
The methodology for solving the big data problem in the remote sensing is proposed. The hierarchical structure of the deep learning method is based on neural network approach and geospatial analysis methods. This methodology was applied for high resolution land cover change mapping for Ukraine territory from 1990 to 2010. Efficiency of this approach was shown for non-arable agricultural area and changes analysis, particularly, in the eastern regions during the occupation period.
ru
Інститут кібернетики ім. В.М. Глушкова НАН України
Проблемы управления и информатики
Космические информационные технологии и системы
Анализ изменений земного покрова на основе технологии глубинного машинного обучения
Аналіз зміни земного покрову на основі технології глибинного машинного навчання
Land cover changes analysis based on deep machine learning technique
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Анализ изменений земного покрова на основе технологии глубинного машинного обучения
spellingShingle Анализ изменений земного покрова на основе технологии глубинного машинного обучения
Куссуль, Н.М.
Лавренюк, М.С.
Шелестов, А.Ю.
Яйлимов, Б.Я.
Бутко, И.Н.
Космические информационные технологии и системы
title_short Анализ изменений земного покрова на основе технологии глубинного машинного обучения
title_full Анализ изменений земного покрова на основе технологии глубинного машинного обучения
title_fullStr Анализ изменений земного покрова на основе технологии глубинного машинного обучения
title_full_unstemmed Анализ изменений земного покрова на основе технологии глубинного машинного обучения
title_sort анализ изменений земного покрова на основе технологии глубинного машинного обучения
author Куссуль, Н.М.
Лавренюк, М.С.
Шелестов, А.Ю.
Яйлимов, Б.Я.
Бутко, И.Н.
author_facet Куссуль, Н.М.
Лавренюк, М.С.
Шелестов, А.Ю.
Яйлимов, Б.Я.
Бутко, И.Н.
topic Космические информационные технологии и системы
topic_facet Космические информационные технологии и системы
publishDate 2016
language Russian
container_title Проблемы управления и информатики
publisher Інститут кібернетики ім. В.М. Глушкова НАН України
format Article
title_alt Аналіз зміни земного покрову на основі технології глибинного машинного навчання
Land cover changes analysis based on deep machine learning technique
description Запропоновано методологію для вирішення проблеми обробки великих обсягів супутникових і геопросторових даних. Ієрархічна структура моделі глибинного навчання ґрунтується на нейромережевому підході і на методах геопросторового аналізу. Використовуючи розроблену методологію, побудовано карти змін земного покриву території України високого розрізнення за період 1990–2010 рр. Показано ефективність цього підходу для аналізу зміни площі необроблюваних сільськогосподарських земель, зокрема, у східних областях під час окупації The methodology for solving the big data problem in the remote sensing is proposed. The hierarchical structure of the deep learning method is based on neural network approach and geospatial analysis methods. This methodology was applied for high resolution land cover change mapping for Ukraine territory from 1990 to 2010. Efficiency of this approach was shown for non-arable agricultural area and changes analysis, particularly, in the eastern regions during the occupation period.
issn 0572-2691
url https://nasplib.isofts.kiev.ua/handle/123456789/208179
citation_txt Анализ изменений земного покрова на основе технологии глубинного машинного обучения / Н.М. Куссуль, М.С. Лавренюк, А.Ю. Шелестов, Б.Я. Яйлимов, І.М. Бутко // Проблемы управления и информатики. — 2016. — № 3. — С. 140-151. — Бібліогр.: 53 назв. — рос.
work_keys_str_mv AT kussulʹnm analizizmeneniizemnogopokrovanaosnovetehnologiiglubinnogomašinnogoobučeniâ
AT lavrenûkms analizizmeneniizemnogopokrovanaosnovetehnologiiglubinnogomašinnogoobučeniâ
AT šelestovaû analizizmeneniizemnogopokrovanaosnovetehnologiiglubinnogomašinnogoobučeniâ
AT âilimovbâ analizizmeneniizemnogopokrovanaosnovetehnologiiglubinnogomašinnogoobučeniâ
AT butkoin analizizmeneniizemnogopokrovanaosnovetehnologiiglubinnogomašinnogoobučeniâ
AT kussulʹnm analízzmínizemnogopokrovunaosnovítehnologííglibinnogomašinnogonavčannâ
AT lavrenûkms analízzmínizemnogopokrovunaosnovítehnologííglibinnogomašinnogonavčannâ
AT šelestovaû analízzmínizemnogopokrovunaosnovítehnologííglibinnogomašinnogonavčannâ
AT âilimovbâ analízzmínizemnogopokrovunaosnovítehnologííglibinnogomašinnogonavčannâ
AT butkoin analízzmínizemnogopokrovunaosnovítehnologííglibinnogomašinnogonavčannâ
AT kussulʹnm landcoverchangesanalysisbasedondeepmachinelearningtechnique
AT lavrenûkms landcoverchangesanalysisbasedondeepmachinelearningtechnique
AT šelestovaû landcoverchangesanalysisbasedondeepmachinelearningtechnique
AT âilimovbâ landcoverchangesanalysisbasedondeepmachinelearningtechnique
AT butkoin landcoverchangesanalysisbasedondeepmachinelearningtechnique
first_indexed 2025-12-07T19:31:36Z
last_indexed 2025-12-07T19:31:36Z
_version_ 1850879137510588416

Схожі ресурси