北京看白癜风效果好专科医院 https://jbk.39.net/yiyuanzaixian/bjzkbdfyy/bdf/机器之心报道参与：张倩、shooting「《nature》、《Science》等或许是最负盛名的期刊，但其学术态度未必是最严谨的。」最近，四川宜宾、云南楚雄接连发生地震，再次掀起人们对地震的恐慌。预测地震自古以来都是地震科学工作者的奋斗目标。在深度学习如此火爆的今天，人们不禁想到，强大的深度学习能否用于地震预测？去年8月，《Nature》上发表了一篇题为《Deeplearningofaftershockpatternsfollowinglargeearthquakes》的火爆论文。该论文由哈佛和谷歌的数据科学家联合撰写，论文一作所属单位是哈佛大学地球与行星科学系。该论文展示了如何利用深度学习技术预测余震。研究者指出，他们利用神经网络在预测余震位置方面的准确率超越了传统方法。但很快，这一方法就遭到了深度学习从业者的质疑。一位名叫RajivShah的数据科学家表示，论文中使用的建模方法存在一些根本性的问题，因此实验结果的准确性也有待考究。这名数据科学家本着严谨的精神在通过实验验证之后联系了原作和《Nature》，却没得到什么积极的回复。于是，RajivShah在medium上写了一篇博客揭露论文中存在的根本性缺陷以及《Nature》的不作为，后来这件事又在Reddit上引起了广泛的讨论。下面我们回顾一下事件的始末。文章有点长，目录预览：《Nature》原论文介绍RajivShah博客揭露问题论文作者的回复Reddit热评精选谷歌哈佛团队利用深度学习预测余震，准确率空前这篇名为《Deeplearningofaftershockpatternsfollowinglargeearthquakes》的论文展示了如何利用深度学习技术预测余震。论文指出，解释和预测余震的空间分布非常困难。库仑破裂应力变化可能是解释余震空间分布最常用的判据，但其适用性一直存在争议。于是，研究者使用了深度学习方法来确定一种基于静态应力的准则，该准则无需提前假设破坏的方向就能预测余震的位置。研究者在超过,个主震-余震对上训练了一个神经网络，然后在一个包含30多个主震-余震对的独立测试集上测试其预测余震位置的准确率。研究者利用ROC曲线来衡量神经网络预测余震位置在测试数据集上的准确率。为了构建这些曲线，他们绘制了一个二元分类器的真阳性率与该分类器所有可能阈值的假阳性率。ROC的曲线下面积用来度量模型在所有阈值下的测试性能（如图1所示）。图1：主震-余震对示例下图2的测试结果表明，神经网络预测余震位置的准确率（AUC为0.）高于经典的库仑破裂应力变化（AUC为0.）。图2：模型性能比较。论文链接：
转载请注明：http://www.0431gb208.com/sjszyzl/7806.html
