undefined

Acid Sulfate Soils Classification and Prediction from Environmental Covariates Using Extreme Learning Machines

Julkaisuvuosi

2023

Tekijät

Atsemegiorgis, Tamirat; Espinosa-Leal, Leonardo; Lendasse, Amaury; Mattbäck, Stefan; Björk, Kaj-Mikael; Akusok, Anton

Tiivistelmä

<p>This paper explores the performance of the Extreme Learning Machine (ELM) in an acid sulfate soil classification task. ELM is an Artificial Neuron Network with a new learning method. The dataset comes from Finland’s west coast region, containing point observations and environmental covariates datasets. The experimental results show similar overall accuracy of ELM and Random Forest models. However, ELM implementation is easy, fast, and requires minimal human intervention compared to conventional ML methods like Random Forest.</p>
Näytä enemmän

Organisaatiot ja tekijät

Geologian tutkimuskeskus

Mattbäck Stefan

Yrkeshögskolan Arcada

Akusok Anton Orcid -palvelun logo

Björk Kaj-Mikael Orcid -palvelun logo

Espinosa-Leal Leonardo Orcid -palvelun logo

Åbo Akademi

Mattbäck Stefan

Björk Kaj Mikael

Julkaisutyyppi

Julkaisumuoto

Artikkeli

Emojulkaisun tyyppi

Konferenssi

Artikkelin tyyppi

Muu artikkeli

Yleisö

Tieteellinen

Vertaisarvioitu

Vertaisarvioitu

OKM:n julkaisutyyppiluokitus

A4 Artikkeli konferenssijulkaisussa

Avoin saatavuus

Avoin saatavuus kustantajan palvelussa

Ei

Rinnakkaistallennettu

Ei

Muut tiedot

Tieteenalat

Tietojenkäsittely ja informaatiotieteet; Muu tekniikka; Geotieteet

Avainsanat

[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]

Julkaisumaa

Saksa

Kustantajan kansainvälisyys

Kansainvälinen

Kieli

englanti

Kansainvälinen yhteisjulkaisu

Kyllä

Yhteisjulkaisu yrityksen kanssa

Ei

DOI

10.1007/978-3-031-43085-5_49

Julkaisu kuuluu opetus- ja kulttuuriministeriön tiedonkeruuseen

Kyllä