کاربرد شبکههای عصبی مصنوعی در باستانشناس ی: رویکردها ی نو ین در کشف و تحلیل سای تهای باستانی

باستان شناسی، مطالعه تاریخ از طریق باقایای ملموس، از جمله آثار قابل حمل و ویژگی های غیرقابل حمل است. پیشرفت های هوش مصنوعی، به ویژه شبکه های عصبی مصنوعی، تحولی بزرگ در این حوزه ایجاد کرده اند. این تکنیک ها امکان تحلیل داده های پیچیده و شناسایی الگوهای نهفته در داده های مکانی را فراهم می کنند. شبکه های عصبی مصنوعی به عنوان ابزارهای نوین، به کشف، شناسایی و تحلیل دقیق تر سایت های باستانی کمک کرده و از طریق روش های غیرمخرب و دوستدار محیط زیست به حفظ و تفسیر بهتر میراث فرهنگی می پردازند. این مقاله به مرور مفاهیم پایه شبکه های عصبی، کاربردهای آن در باستان شناسی و نقش مهم آن در پیشرفت های این علم پرداخته است. در زمینه باستان شناسی، اغلب از الگوریتم های یادگیری ماشین و یادگیری عمیق برای شناسایی و طبقه بندی آثار باستانی استفاده می شود. این الگوریتم ها از تصاویر ماهواره ای و هوایی برای شناسایی موقعیت های مختلف مانند چاه های قنات، قلعه های دایره ای، تپه های مدفن، و ساختمان های باستانی استفاده می کنند. تحقیقات اخیر نشان می دهد که استفاده از شبکه های با یادگیری عمیق مبتنی بر CNN برای شناسایی این ساختارها، به خصوص با استفاده از داده های LiDAR و تصاویر ماهواره ای، نه تنها می تواند به بهبود دقت شناسایی کمک کند بلکه می تواند به درک بهتر و بیشتری از محیط های باستانی کمک کند.

کلیدواژه ها:

باستان شناسی ، شبکه های عصبی ، LiDAR ، CNN