文献

J-GLOBAL ID：202102217060200145   整理番号：21A2571514

条件付き生成敵対ネットワークに基づく地震データ増強【JST・京大機械翻訳】

Seismic Data Augmentation Based on Conditional Generative Adversarial Networks

著者 (6件)： Li Yuanming (Department of Video Information Processing, Korea University, Seoul 136713, Korea) ,  Ku Bonhwa (Department of Video Information Processing, Korea University, Seoul 136713, Korea) ,  Zhang Shou (School of Electrical Engineering, Korea University, Seoul 02841, Korea) ,  Ahn Jae-Kwang (Korea Meteorological Administration, Seoul 07062, Korea) ,  Ko Hanseok (Department of Video Information Processing, Korea University, Seoul 136713, Korea) ,  Ko Hanseok (School of Electrical Engineering, Korea University, Seoul 02841, Korea)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 23  ページ： 6850  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 現実的な合成データは,地震学的検出と分類性能を改善するために,深層学習モデルを訓練するとき,データ増強のために有用である。近年,様々な深層学習技術が現代の地震学において適用されてきた。深層学習の性能は十分な量のデータに依存するため,データ空間解としてのデータ増強技術は広く利用される。本論文では,高品質な地震波形を生成するために条件付き知識を用いるGenerative Adversarial Network(GANs)ベースのモデルを提案した。ノイズから直接サンプルを生成する既存の方法と異なり,提案方法は埋込み空間における実際の地震波形の統計的特性に基づく合成サンプルを作り出す。さらに,コンテンツ損失を加えて,事前訓練モデルによって抽出された高レベル特徴を目的関数に関連付け,合成データの品質を強化した。特定の量の合成地震波形を混合後,分類精度は96.84%から97.92%に増加し,代表的実験から導かれた地震特性の質の結果は,提案したモデルが高品質合成地震波形を生成する有効な構造を提供することを示した。したがって,提案モデルは,現実的高品質地震波形データ増強に対する有望なアプローチとして実験的に検証された。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *ネットワーク ,  *地震 ,  目的関数 ,  地震学 ,  コンテンツ
準シソーラス用語： 分類精度 ,  高品質 ,  合成地震波形 ,  地震波形 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 生成敵対ネットワーク ,  データ増強 ,  地震波形

分類 (1件)： 構造動力学  (HD02000E)

引用文献 (24件)：

• Shearer, P. Earthquakes and source theory. In Introduction to seismology; Cambridge University Press: Cambridge, UK, 2009; pp. 241-300.
• Harris, D.; Dodge, D. An autonomous system for grouping events in a developing aftershock sequence. Bull. Seismol. Soc. Am. 2011, 101, 763-774.
• Barrett, S.A.; Beroza, G.C. An empirical approach to subspace detection. Seismol. Res. Lett. 2014, 85, 594-600.
• Yoon, C.E.; O’Reilly, O.; Bergen, K.J.; Beroza, G.C. Earthquake detection through computationally efficient similarity search. Sci. Adv. 2015, 1, e1501057.
• LeCun, Y.; Bengio, Y.; Hinton, G. Deep learning. Nature 2015, 521, 436-444.

タイトルに関連する用語 (3件)： 敵対 ,  地震 ,  データ増強