文献

J-GLOBAL ID：202202230863546567   整理番号：22A0977188

時間-周波数領域における深層テンソル畳込みニューラルネットワークによるグランドトルースフリー3D地震ランダム雑音減衰【JST・京大機械翻訳】

Ground Truth-Free 3-D Seismic Random Noise Attenuation via Deep Tensor Convolutional Neural Networks in the Time-Frequency Domain

著者 (5件)： Qian Feng (School of Information and Communication Engineering, Center for Information Geoscience, University of Electronic Science and Technology of China (UESTC), Chengdu, China) ,  Liu Zhangbo (School of Resources and Environment, Center for Information Geoscience, UESTC, Chengdu, China) ,  Wang Yan (School of Resources and Environment, Center for Information Geoscience, UESTC, Chengdu, China) ,  Zhou Yingjie (College of Computer Science, Sichuan University (SCU), Chengdu, China) ,  Hu Guangmin (School of Resources and Environment, Center for Information Geoscience, UESTC, Chengdu, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5911317.1-17  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： 3-D地震雑音減衰の固有課題は,ランダム雑音を除去する真の信号にのみ存在する高次元簡潔構造を明らかにする方法を決定する。支配的な深層学習(DL)雑音除去法は,汚染地震データの基礎となるコンパクトな構造を明らかにする有望な性能を達成した。しかし,清潔な地上地震データが実世界の設定において一般的に利用できないので,ほとんどの既存のマトリックスベースのDL雑音除去スキームは,教師なし方法でこの種の高次元構造を自動的に記述できず,潜在的に3D地震データ雑音除去タスクを効果的に実行できない。この課題に取り組むために,本論文では,地上の地震データなしで固有の高次元構造を学習するためにSteinの不偏リスク推定(SURE)(SURE-TCNNと呼ばれる)を用いたテンソル畳込みニューラルネットワーク(TCNN)ベースのデータ雑音除去方式を提示した。SUREが平均二乗誤差(MSE)のほぼ不偏な推定を提供すると考慮して,SURE-TCNNは,地上データによる教師つきMSEベースのTCNNのそれらと類似の結果を提供する可能性を有する。実装の容易さのために,変換ベースのテンソルテンソル積(t-製品)の特性に続いて,SURE-TCNNテンソルとマトリックスの間の固体理論接続を確立した。この接続から導出して,SURE-TCNN重みパラメータを,時間-周波数領域(例えば,ウェーブレット領域)における各正面スライス上のマトリックスベースSURE-畳込みニューラルネットワーク(CNN)を実行することによって決定する。合成および現場データ事例は,3つの最先端(SOTA)法に対して提案モデルの優れた性能を示した。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： 誤差 ,  *テンソル ,  *ニューラルネットワーク ,  *地震 ,  波束 ,  高次構造 ,  *不規則雑音 ,  測定データ ,  高次元 ,  *三次元 ,  テンソル積 ,  深層 ,  雑音除去 ,  *周波数領域
準シソーラス用語： 平均二乗誤差 ,  地震データ ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 地震探査  (DE10030B) ,  地震学一般  (DC03020A) ,  信号理論  (ND02020G)

タイトルに関連する用語 (9件)： 周波数領域 ,  深層 ,  テンソル ,  畳込みニューラルネットワーク ,  グランドトルース ,  3D ,  地震 ,  ランダム雑音 ,  減衰