Die 114 Tells der Mardin-Ebene : Convolutional Neural Networks in der archäologischen Fernerkundung (Schriften zur Vorderasiatischen Archäologie)

個数：

予約

Die 114 Tells der Mardin-Ebene : Convolutional Neural Networks in der archäologischen Fernerkundung (Schriften zur Vorderasiatischen Archäologie)

Guggisberg, Patric Stefan

ウェブストア価格 ¥20,923（本体¥19,021）
Harrassowitz（2026/12発売）
外貨定価 EUR 78.00
ポイント 190pt

現在予約受付中です。出版後の入荷・発送となります。
（重要：表示されている発売日は予定となり、発売が延期、中止、生産限定品で商品確保ができないなどの理由により、ご注文をお取消しさせていただく場合がございます。予めご了承ください。）

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Hardcover:ハードカバー版
商品コード 9783447123754

Description

Hochauflösende Satellitenbilder sind für die landschaftsarchäologische Forschung unverzichtbar. Besonders in schwer zugänglichen Regionen oder Konfliktgebieten bieten sie oft die einzige Möglichkeit, Siedlungssysteme zu erforschen oder zu dokumentieren. Weltweit liefern rund 150 Satelliten täglich etwa drei Millionen Bilder mit einem Datenvolumen von rund 15 Terabyte. Die Verarbeitung dieser enormen Datenmengen erfordert jedoch effiziente Methoden. Zur Identifikation archäologischer Stätten setzen deshalb aktuelle Forschungsansätze zunehmend auf künstliche Intelligenz. Besonders Convolutional Neural Networks (CNNs) haben sich bei der Mustererkennung in Satellitenbildern bewährt. Sie erkennen subtile Strukturen und Veränderungen in der Landschaft, die mit herkömmlichen Methoden oft unentdeckt bleiben.Die Fallstudie von Patric Stefan Guggisberg zeigt den Einsatz eines CNNs zur Identifikation von Siedlungshügeln in der mesopotamischen Steppenlandschaft. Als Untersuchungsgebiet dient die Mardin-Ebene im Südosten der Türkei südlich des Mardin-Midyat-Plateaus. Die Implementierung erfolgte in Python unter Verwendung der Open-Source-Bibliotheken Keras und TensorFlow. Die Studie wurde so gestaltet, dass sie auch für Personen ohne vertiefte Python-Kenntnisse verständlich bleibt und gleichzeitig einen Einblick in den Einsatz moderner Technologien in der Archäologie bietet.