machine learning

Karte der Fischerei vor Sizilien und Tunesien, die nicht erfasst wird. (Bild: ESA (data source: Paolo et al., 2024/Global Fishing Watch))

ESA: Sentinel-1 und KI decken 75 % der nicht verfolgten Fischereifahrzeuge auf

Eine bahnbrechende Studie, die Satellitendaten und Künstliche Intelligenz kombiniert, hat neues Licht auf die Anzahl der Schiffe auf See geworfen. Erstaunlicherweise zeigt die Studie, dass rund 75 % der Industriefischereifahrzeuge weltweit zuvor für öffentliche Ortungssysteme unsichtbar waren. Eine Information der Europäischen Weltraumorganisation (ESA). Quelle: ESA 24. Januar 2024. 24. Januar 2024 – Die kürzlich in […]

ESA: Sentinel-1 und KI decken 75 % der nicht verfolgten Fischereifahrzeuge auf Weiterlesen »

Neuronales Netzwerk kann Baumhöhen von Satellitenbildern ablesen

Mit Hilfe eines künstlichen neuronalen Netzwerks haben ETH-​Forschende eine erste hochaufgelöste globale Vegetationshöhen-​Karte aus Satellitenbildern für das Jahr 2020 erstellt. Die Karte könnte entscheidende Hinweise gegen den Klimawandel und das Artensterben liefern. Eine Pressemitteilung der ETH Zürich. Quelle: ETH Zürich. 20. April 2022 – Seit letztem Jahr befinden wir uns in der UN-​Dekade für die

Neuronales Netzwerk kann Baumhöhen von Satellitenbildern ablesen Weiterlesen »

Künstliche Intelligenz für die Teilchenphysik

Komplizierter geht es kaum: Mit extrem hoher Energie schwirren winzige Teilchen wild umher, in dem wirren Durcheinander von Quantenteilchen kommt es zu unzähligen Interaktionen, und so ergibt sich ein Materiezustand, den man als „Quark-Gluon-Plasma“ bezeichnet. Unmittelbar nach dem Urknall war das ganze Universum in diesem Zustand, heute stellt man ihn durch hochenergetische Atomkernkollisionen her, etwa

Künstliche Intelligenz für die Teilchenphysik Weiterlesen »

Neuronales Netz analysiert Gravitationswellen in Echtzeit

Forschende trainieren ein neuronales Netz darauf, in nur wenigen Sekunden die Eigenschaften verschmelzender schwarzen Löcher anhand der abgestrahlten Gravitationswellen präzise abzuschätzen. Das Netzwerk bestimmt die Massen und Eigendrehimpulse der schwarzen Löcher, sowie wo am Himmel, in welchem Winkel und wie weit von der Erde entfernt die Verschmelzung stattgefunden hat. Eine Pressemitteilung des Max-Planck-Instituts für Intelligente

Neuronales Netz analysiert Gravitationswellen in Echtzeit Weiterlesen »

Nach oben scrollen