Quantum Machine Learning for Earth observation

Otgonbaatar, Soronzonbold und Datcu, Mihai (2020) Quantum Machine Learning for Earth observation. Phi-Week 2020, 2020-09-28 - 2020-10-02, Online.

PDF
757kB

Kurzfassung

Our objectives are to employ the current methodologies and achievements made in emergent Quantum Computing to real-world problems in Earth observation; in particular, to enlarge and to broaden Earth Observation methodologies by using a D-Wave quantum annealer and a gate-based quantum computer.

elib-URL des Eintrags:

https://elib.dlr.de/141711/

Dokumentart:

Konferenzbeitrag (Poster)

Titel:

Quantum Machine Learning for Earth observation

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Otgonbaatar, Soronzonbold	Soronzonbold.Otgonbaatar (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Datcu, Mihai	Mihai.Datcu (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

2020

Referierte Publikation:

Nein

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

D-Wave quantum annealer, gate-based quantum computer, Quantum Machine Learning (QML), Earth observation, remote sensing, InSAR, EuroSAT

Veranstaltungstitel:

Phi-Week 2020

Veranstaltungsort:

Online

Veranstaltungsart:

internationale Konferenz

Veranstaltungsbeginn:

28 September 2020

Veranstaltungsende:

2 Oktober 2020

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Erdbeobachtung

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R EO - Erdbeobachtung

DLR - Teilgebiet (Projekt, Vorhaben):

R - Künstliche Intelligenz

Standort:

Oberpfaffenhofen

Institute & Einrichtungen:

Institut für Methodik der Fernerkundung > EO Data Science

Hinterlegt von:

Otgonbaatar, Soronzonbold

Hinterlegt am:

19 Apr 2021 12:27

Letzte Änderung:

24 Apr 2024 20:41

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags