什么是自动化机器学习?机器学习可对地震进行监测!

在下述的内容中，小编将会对机器学习的相关消息予以报道，如果机器学习是您想要了解的焦点之一，不妨和小编共同阅读这篇文章哦。

一、机器学习可对地震进行检测

国际著名学术期刊《自然》最新发表一篇地球科学论文，研究人员开展的一项研究显示，一个机器学习模型可以对大型地震的演化进行准确的实时估测，这个经过训练的机器学习模型能测定以光速传播的重力变化信号。

该论文介绍，对地震的监测一般需要测定地震波，地震波是在地壳中传播的能量脉冲。然而，基于地震波的预警系统有时候反应太慢，无法在大型地震(矩震级8或以上)发生的当下准确估算地震规模。有一种解决办法是追踪即时弹性重力信号(prompt elastogravity signals，PEGS)，这种信号以光速传播，由岩体突然错动导致重力变化而产生。不过，PEGS是否能用来对大型地震出现后的方位和发展做出快速可靠的实时估算，一直有待验证。

论文通讯作者、法国蔚蓝海岸大学、蔚蓝海岸天文台、法国发展研究院和法国国家科学研究中心的安德里亚·利西亚迪(Andrea Licciardi)及同事和国际同行合作，在日本1400个潜在地震位置模拟了35万个地震情景，并利用PEGS信号训练了一个称为PEGSNet的深度学习模型。之后，他们又用2011年日本东北大地震的实时数据测试了这个模型，2011年日本东北大地震是迄今有记录的规模最大、破坏力最强的地震之一。研究团队发现，PEGSNet能准确计算地震方位、地震规模，以及地震随时间的变化。重要的是，PEGSNet能快速给出以上信息，在地震波达到达前就做出判断。

论文作者总结表示，PEGSNet在大型地震及其演化(从地表破裂到可能出现的相关海啸)的早期监测方面或能发挥重要作用。虽然这个模型主要针对日本，但该模型也能很好地适用于其他地区，只需很小的调整就能实时使用这一策略。

二、自动化机器学习

近来经常看到的自动化机器学习又是什么呢，机器不就是在自动化的学习吗?要理解这个还需对人工智能算法研究有一个简单的概念。机器学习的技术非常复杂，机器学习的研发项目比传统的开发项目复杂很多，一个简单的项目，周期也要几周到几个月的时间，实际企业中的项目即便是有一个比较成熟的团队，一般也要几个月到半年、一年的时间这都很正常。机器学习项目的最大不确定性在于不知道多长时间后才能达到设定的目标，就是模型能够真正可用。否则就无法实际商用，不能形成销售收入。模型无法达到目标精度很大程度是因为算法很难对最后效果进行一个准确的预测，所以我们采用迭代式的改进方法，就是不断的把开发过程重复，等最后模型做出来之后，分析模型结果，分析模型性能，然后进一步改进算法，在整个迭代过程中很多步骤都必须重新做，导致开发效率比较低。风险更高的是很多人工智能项目即便投入大量时间，投入大量人力之后还是会失败。来自权威机构Gartner的统计，60%的人工智能项目都以失败告终。

据它的调查显示，人工智能项目失败有两种原因：一方面，技术要求不达标，如很多人工智能项目中机器学习算法最后的准确度不够好;另一方面，项目进展缓慢，部分项目实施时时间越来越长，但是进展不明显，虽然有进展，但是距离项目目标很远。可能是工程的原因，也可能是算法的原因。大部分企业对人工智能投入还是有限的，到一定程度还没有进展，或者成本开销过大，都会被叫停，最后导致项目失败。项目失败的事情，即便在有丰富经验的人工智能团队的公司里，也会经常发生，因为进展不够快。

上述所有信息便是小编这次为大家推荐的内容，希望大家能够喜欢，想了解更多有关它的信息或者其它内容，请关注我们网站哦。