Wie schnell steigt Magma auf? : Maschinelles Lernen (ML) hilft bei der Antwort

Download statistics - Document (COUNTER):

Rottensteiner, Franz; Holtz, Francois; Almeev, Renat; Wittich, Dennis Cyrill; Sester, Monika; Leichter, Artem: Wie schnell steigt Magma auf? : Maschinelles Lernen (ML) hilft bei der Antwort. In: Unimagazin 1/2 (2022), S. 42-44

Repository version

To cite the version in the repository, please use this identifier: https://doi.org/10.15488/12324

Selected time period:

year: 
month: 

Sum total of downloads: 73




Thumbnail
Abstract: 
Wissenschaftler*innen der Geoinformatik und der Geowissenschaften bündeln ihre Expertisen, um Georisiken zu minimieren. In diesem Beitrag zeigen sie, dass maschinelles Lernen (ML) für die Auswertung von großen analytischen Datensätzen unumgänglich ist, um Prozesse in Magma-Reservoiren nachzuvollziehen. Der Einsatz von ML ermöglicht ein schnelles Reagieren bei laufenden vulkanischen Eruptionen, wie zum Beispiel La Palma.
License of this version: CC BY 3.0 DE
Document Type: Article
Publishing status: publishedVersion
Issue Date: 2022
Appears in Collections:2022 Ausgabe 1/2

distribution of downloads over the selected time period:

downloads by country:

pos. country downloads
total perc.
1 image of flag of Germany Germany 45 61.64%
2 image of flag of United States United States 13 17.81%
3 image of flag of China China 5 6.85%
4 image of flag of Iran, Islamic Republic of Iran, Islamic Republic of 2 2.74%
5 image of flag of Taiwan Taiwan 1 1.37%
6 image of flag of Turkey Turkey 1 1.37%
7 image of flag of Sweden Sweden 1 1.37%
8 image of flag of Russian Federation Russian Federation 1 1.37%
9 image of flag of Luxembourg Luxembourg 1 1.37%
10 image of flag of France France 1 1.37%
    other countries 2 2.74%

Further download figures and rankings:


Hinweis

Zur Erhebung der Downloadstatistiken kommen entsprechend dem „COUNTER Code of Practice for e-Resources“ international anerkannte Regeln und Normen zur Anwendung. COUNTER ist eine internationale Non-Profit-Organisation, in der Bibliotheksverbände, Datenbankanbieter und Verlage gemeinsam an Standards zur Erhebung, Speicherung und Verarbeitung von Nutzungsdaten elektronischer Ressourcen arbeiten, welche so Objektivität und Vergleichbarkeit gewährleisten sollen. Es werden hierbei ausschließlich Zugriffe auf die entsprechenden Volltexte ausgewertet, keine Aufrufe der Website an sich.

Search the repository


Browse