面向结构-流体关系联合学习的三维矿产远景建模多模态学习框架
机器学习
2023-10-10 v2
摘要
本研究提出一种用于三维矿产远景制图（3D MPM）的新颖多模态融合模型，通过深度网络架构有效整合结构与流体信息。该模型利用卷积神经网络（CNN）与多层感知机（MLP），采用典型相关分析（CCA）对齐并融合多模态特征。在焦家金矿数据集上的严格评估表明，该模型在区分含矿实例与预测矿产远景方面性能优越，在结果分析中优于其他模型。消融研究进一步揭示了联合特征利用与 CCA 引入的益处。本研究不仅推进了矿产远景建模，也凸显了数据整合与特征对齐对于增强勘探决策的关键作用。
引用
@article{arxiv.2309.02911,
title = {A Multimodal Learning Framework for Comprehensive 3D Mineral Prospectivity Modeling with Jointly Learned Structure-Fluid Relationships},
author = {Yang Zheng and Hao Deng and Ruisheng Wang and Jingjie Wu},
journal= {arXiv preprint arXiv:2309.02911},
year = {2023}
}
备注
Upon careful review, it has come to our attention that inaccuracies exist in the formulation of the structure-fluid relationships, impacting the validity of the presented results