Key points are not available for this paper at this time.
لتقييم تباين خصائص تدفق الطور المتعدد للوسائط المسامية على مقياس المسام، من الضروري الحصول على عدد من العينات التمثيلية لهياكل الفجوات والمواد الصلبة. بينما جعلت تقنية الأشعة السينية الحديثة من الممكن استخلاص صور ثلاثية الأبعاد لمساحة المسام، فإن تقييم التباين في الخصائص المادية الجوهرية غالباً ما يكون غير ممكن تجريبياً. نقدم طريقة لإعادة بناء هيكل المادة الصلبة والفجوات للوسائط المسامية من خلال تطبيق شبكة عصبية توليدية تسمح بوصف ضمني للتوزيع الاحتمالي الممثل بواسطة مجموعات بيانات الصور ثلاثية الأبعاد. نعرض، باستخدام نهج التعلم التنافسي للشبكات العصبية، أن هذه الطريقة للتعلم غير المراقب قادرة على توليد عينات تمثيلية من الوسائط المسامية تحترم إحصاءاتها. نقارن بنجاح مقاييس شكل المسام، مثل الخاصية الإيولرية، وإحصاءات النقاط الثنائية، ونفاذية الطور الواحد الاتجاهية للتطبيقات الاصطناعية مع الخصائص المحسوبة لحزمة الخرز، والرمال البندية، والحجر الجيري كيتون. تشير النتائج إلى أن الشبكات العصبية التنافسية التوليدية يمكن استخدامها لإعادة بناء صور ثلاثية الأبعاد عالية الدقة للوسائط المسامية على مقاييس مختلفة تمثل شكل الصور المستخدمة لتدريب الشبكة العصبية. يسمح الطابع التلافيفي الكامل للشبكة العصبية المدربة بتوليد عينات كبيرة مع الحفاظ على الكفاءة الحاسوبية. بالمقارنة مع الطرق العشوائية التقليدية لإعادة بناء الصور، يمكن تخزين التمثيل الضمني لتوزيع البيانات المتعلم وإعادة استخدامه لتوليد تطبيقات متعددة لهيكل المسام بسرعة كبيرة.
د studied Mosser et al. (Mon,) هذا السؤال.