Using "Machine Learning" to Make Sense of Very Big and Very Small Data Sets

Helbert, Jörn und Amore, Mario (2020) Using "Machine Learning" to Make Sense of Very Big and Very Small Data Sets. Goldschmidt Conference, Hawaii, USA. doi: 10.46427/gold2020.1014.

PDF
62kB

Offizielle URL: https://goldschmidtabstracts.info/abstracts/abstractView?doi=10.46427/gold2020.1014

elib-URL des Eintrags:

https://elib.dlr.de/138825/

Dokumentart:

Konferenzbeitrag (Vortrag)

Titel:

Using "Machine Learning" to Make Sense of Very Big and Very Small Data Sets

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Helbert, Jörn	Joern.Helbert (at) dlr.de	https://orcid.org/0000-0001-5346-9505	NICHT SPEZIFIZIERT
Amore, Mario	Mario.DAmore (at) dlr.de	https://orcid.org/0000-0001-9325-6889	NICHT SPEZIFIZIERT

Datum:

2020

Referierte Publikation:

Nein

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

DOI:

10.46427/gold2020.1014

Seitenbereich:

Seite 1014

Status:

veröffentlicht

Stichwörter:

Machine Learning, Datenprozessierung, Spektroskopie, Fernerkundung

Veranstaltungstitel:

Goldschmidt Conference

Veranstaltungsort:

Hawaii, USA

Veranstaltungsart:

internationale Konferenz

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Erforschung des Weltraums

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R EW - Erforschung des Weltraums

DLR - Teilgebiet (Projekt, Vorhaben):

R - Projekt BepiColombo - MERTIS und BELA, R - Venus Emissivity Mapper

Standort:

Berlin-Adlershof

Institute & Einrichtungen:

Institut für Planetenforschung > Planetare Labore

Hinterlegt von:

Helbert, Dr.rer.nat. Jörn

Hinterlegt am:

03 Dez 2020 11:03

Letzte Änderung:

03 Dez 2020 11:03

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags