来源:AI科技评论 本文约6600字,建议阅读5分钟
本文还展示了多科学领域共同面临的挑战和应对策略,希望通过集成和加速的机器学习解决方案为科学发现提供更多示例和灵感。
开发更智能的无线电资源管理学习算法,以适应复杂多变的通信量和干扰条件;
在边缘设备上实现大量机器学习/AI计算和功能,以达到更低的延迟和更高的通信效率。
空间数据:用于描述几何空间中的物理对象。主要有两种类型:矢量和栅格数据。矢量数据可以由点、线或多边形组成;栅格数据是指由像素组成的网格,像素相依表示为图像或其他的值,如强度、电荷、场强等。 点云:一种空间数据类型。这种数据表达是通过整理一组空间数据(即三维空间中的点)创建的,这些数据通常在空间中共同构成一个对象。 时序数据:用于表示系统/实验在特定时间的状态。跨时段收集而来的数据会按照特定的顺序进行分类。时间序列数据是上述表达方式中的一个子集,其中的数据以固定的时间间隔进行采样。 时空数据:可在空间和时间两个维度上测量和观测某个系统。在这种情况下,数据可以被认为是时空的。 多光谱数据:用于表达多个传感器中的输出值,上述传感器能够从电磁光谱的多个频段捕获测量值。多光谱表达通常用于成像,与能够识别波长各异的光的传感器有关。通常会涉及几个到几十个光谱的量级。 高光谱数据:用于表示从大量光谱(如100s)中得到的测量值。这些从各异的窄带光谱中采集到的图像被合并成一个高光谱立方体,该立方体具有三个主要维度,前两个维度参考了二维空间位置(例如,地球表面),第三个维度代表了每个“像素”位置的完整频谱内容。
原文链接:
https://arxiv.org/pdf/2110.13041v1.pdf
编辑:王菁
校对:林亦霖