中国“雪龙”号已驶离冰山密集区 恢复走航观测

中新社北京1月23日电 (记者 阮煜琳)中国极地考察船“雪龙”号当地时间19日受浓雾影响与冰山碰撞,记者23日从自然资源部获悉,“雪龙”号目前情况正常,已驶离阿蒙森海冰山密集区,开始恢复走航观测。

据通报,“雪龙”号于北京时间1月19日上午10时47分,在南极阿蒙森海密集冰区航行中,因受浓雾影响,在南纬69°59.9',西经94°04.2'位置与冰山碰撞,碰撞时船速3节,约为时速5.56千米,致使船艏桅杆及部分舷墙受损,无人员受伤,压载水舱、油舱、主机及其他船舶动力设备、通讯导航设备运行正常。

中国第35次南极考察队船基首席科学家陈大可院士对随船报道记者表示,“当时雾特别大,气候条件差,只能依靠船员瞭望,但也是到离冰山很近的地方才能观察到,而且雾来得非常突然”。

中央电视台随船记者发回了独家视频,画面中,“雪龙”号船头甲板上堆满了冰雪,船艏桅杆已经断裂。

情况发生后,自然资源部立即研究部署并开展应对工作,把人员安全放在首位,及时对船舶安全状态进行监测,精心组织对受损部位进行检修,在确保安全前提下,制定后续科考作业方案。

中国第35次南极考察队23日消息称,“雪龙”号极地考察船目前情况正常,已驶离阿蒙森海冰山密集区,于北京时间1月22日01:30开始,恢复开展走航观测。

2018年11月2日,由351人组成的中国第35次南极考察队乘“雪龙”号从上海出发。按计划,考察队搭乘“雪龙”号船,途经澳大利亚到达南极中山站开展作业,随后前往新西兰克莱斯特彻奇接送队员,继续开展罗斯海和阿蒙森海工程和科考作业。在返回澳大利亚霍巴特港补给后,前往戴维斯海、普里兹湾、中山站作业后回国,总航程约3.7万海里。(完)

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值