کاربرد شبکه‌های عصبی مصنوعی در تهیه نقشه خودسازمان یافته از سطحزمین? (SOFM) برای عملیات اکتشاف معدن

متن اصلی:
     شبکه‌های عصبی مصنوعی (ANNS) از دهه 1980 به بعد در علوم مختلف بخصوص در رشته‌های فنی و مهندسی کاربرد فراوانی یافته‌اند. از جمله این کاربردها می‌توان به رشته مهندسی معدن، زمین شناسی و علوم وابسته اشاره کرد. یکی از کاربردهای شبکه عصبی مصنوعی در اکتشاف معادن بحث سنجش از راه دور (Remote sensing) می‌باشد. در سالهای گذشته تفسیر عکسهای ماهواره‌ای مانند تفسیر عکسهای هوایی دستی انجام می‌شده که کاری پرهزینه و وقت‌گیر بوده است. به این جهت پژوهشگران دنبال راهی برای تهیه نقشه‌های جغرافیایی و زمین شناسی بصورت مستقیم از سیگنالهای دریافتی از ماهواره بوده‌اند. برای اولین بار در سال 1992 در دومین کنفرانس شبکه‌های عصبی مصنوعی در فنلاند بحث و تهیه نقشه‌های خود سازمان یافته از سطح زمین (SOFM) مطرح و نتایج موفقیت آمیز آن در جنوب فرانسه ارائه گردید. از آن سال به بعد با تکامل این مبحث تحقیقات زیادی در کشورهای توسعه یافته روی آن انجام شده و از نتایج بدست آمده در عملیات اکتشاف معدن استفاده می‌گردد. در این کار به کمک شبکه‌های عصبی مصنوعی سیگنالهای ماهواره‌ای با حذف نویزها بصورت مستقیم به نقشه‌های سطح‌الارضی تبدیل می‌گردد، که خروجی در نهایت یک نقشه مناسب از سطح زمین است که نشانگر عوارض طبیعی و مصنوعی در سطح زمین می‌باشد و قابلیت استفاده در مراحل شناسایی اولیه (Reconnaissance) و پی‌جویی (Prospecting) به میزان زیادی دارا می‌باشد که به کار اکتشاف سرعت می‌بخشد. در این مقاله در ابتدا مختصری درباره شبکه‌های عصبی مصنوعی و ساختار آنها و نقشه‌های خود سازمان یافته از سطح زمین و سپس در مورد الگو ریتم‌های بکار رفته برای تهیه این شبکه‌‌ها بحث می‌شود و در نهایت درباره ساختار تکامل یافته شبکه برای تهیه (SOFM) و بحث و بررسی لازم می‌شود