feat: implement comprehensive land cover classification pipeline with model benchmarking and experiment logging
This commit is contained in:
+5
-1
@@ -17,4 +17,8 @@ Land-based Statistical Model (Hiện tại): Phương pháp dựa trên thuật
|
||||
Deep Learning Time Series (LSTM / GRU): Các mạng nơ-ron hồi quy chuyên xử lý chuỗi thời gian, giúp bắt được tính chu kỳ (mùa vụ) của thực vật.
|
||||
Spatial-Temporal Models (ConvLSTM): Mô hình tích hợp, vừa học được đặc trưng không gian (ảnh vệ tinh) vừa học được chiều thời gian.
|
||||
Hybrid Physics-ML Model: Mô hình lai giữa các nguyên lý vật lý/sinh học (như mô hình DSSAT, WOFOST về sự phát triển của cây trồng) kết hợp với Machine Learning để hiệu chỉnh.
|
||||
Multi-Model Ensemble: Mô hình tổng hợp (Ensemble), lấy trọng số dự đoán trung bình từ nhiều mô hình khác nhau để đưa ra dự báo NDVI chính xác nhất.
|
||||
Multi-Model Ensemble: Mô hình tổng hợp (Ensemble), lấy trọng số dự đoán trung bình từ nhiều mô hình khác nhau để đưa ra dự báo NDVI chính xác nhất.
|
||||
|
||||
|
||||
Lazy Dask Chunking để giảm dung lượng ram cần dùng lúc tải dữ liệu
|
||||
|
||||
Reference in New Issue
Block a user