文献

J-GLOBAL ID：202202222504162338   整理番号：22A0482483

深いスキップオートエンコーダを用いた教師なし3Dランダム雑音減衰【JST・京大機械翻訳】

Unsupervised 3-D Random Noise Attenuation Using Deep Skip Autoencoder

著者 (7件)： Yang Liuqing (State Key Laboratory of Petroleum Resources and Prospecting, China University of Petroleum (Beijing), Beijing, China) ,  Wang Shoudong (State Key Laboratory of Petroleum Resources and Prospecting, China University of Petroleum (Beijing), Beijing, China) ,  Chen Xiaohong (State Key Laboratory of Petroleum Resources and Prospecting, China University of Petroleum (Beijing), Beijing, China) ,  Saad Omar M. (Key Laboratory of Geoscience Big Data and Deep Resource of Zhejiang Province, School of Earth Sciences, Zhejiang University, Hangzhou, China) ,  Chen Wei (Key Laboratory of Exploration Technology for Oil and Gas Resources, Ministry of Education, Yangtze University, Wuhan, China) ,  Oboue Yapo Abole Serge Innocent (Key Laboratory of Geoscience Big Data and Deep Resource of Zhejiang Province, School of Earth Sciences, Zhejiang University, Hangzhou, China) ,  Chen Yangkang (Bureau of Economic Geology, John A. and Katherine G. Jackson School of Geosciences, The University of Texas at Austin, Austin, TX, USA)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5905416.1-16  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 有効ランダムノイズ減衰は,速度解析,移動および反転のような地震データのその後の処理にとって重要である。したがって,不確実性レベルによる地震ランダムノイズの除去は意味がある。深層学習(DL)に基づく教師つき方法での3Dランダム雑音の減衰は,クリーンラベルを得ることが難しいので困難である。したがって,ランダムノイズ減衰のための適応教師なしベースの方法を開発する必要がある。本論文では,2D/3D地震データにおけるランダム雑音を減衰する深層雑音除去教師なし学習(DDUL)ネットワークを提案した。パッチング技法を用いて,ネットワークに供給するいくつかのパッチに2D/3D地震データを分割し,訓練のためのサンプルの数を拡大するのを助ける。ネットワークを構築するために,オートエンコーダの完全対称構造を使用した。各対応符号器と復号器層において,スキップ接続を追加して,地震データ特徴の学習を強化した。地震データ,すなわち符号器,復号器およびスキップブロックにおける波形特徴を抽出するために3つのブロックを構築した。それらの中で,スキップを各隠れ層の符号器と復号器ブロックの間に接続した。多重ブロックの使用は,地震データ特徴を抽出するためのネットワークの能力を改善するだけでなく,隠れ層積層に起因する過度の訓練パラメータの問題を解決する。5つの2D/3D合成とフィールド地震データセットを用いて,提案した方法の雑音除去性能を試験した。雑音除去結果は,著者らの提案方法が実世界応用において良い信号保存とノイズ減衰能力を有することを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  対称性 ,  ネットワーク ,  不確実性 ,  復号器 ,  教師なし学習 ,  地震 ,  多重化 ,  符号器 ,  *不規則雑音 ,  二次元 ,  *三次元 ,  雑音除去
準シソーラス用語： 隠れ層 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 教師 ,  3D ,  ランダム雑音 ,  減衰