文献

J-GLOBAL ID：202202253516852224   整理番号：22A0959100

不可視の可視性:時空間的に制約されたデータ増強によるデータ駆動地震インバージョン【JST・京大機械翻訳】

Making Invisible Visible: Data-Driven Seismic Inversion With Spatio-Temporally Constrained Data Augmentation

著者 (4件)： Yang Yuxin (Earth and Environmental Sciences Division, Los Alamos National Laboratory, Los Alamos, NM, USA) ,  Zhang Xitong (Earth and Environmental Sciences Division, Los Alamos National Laboratory, Los Alamos, NM, USA) ,  Guan Qiang (Department of Computer Science, Kent State University, Kent, OH, USA) ,  Lin Youzuo (Earth and Environmental Sciences Division, Los Alamos National Laboratory, Los Alamos, NM, USA)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.4507616.1-16  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： 深層学習とデータ駆動アプローチは,科学分野で大きな可能性を示した。データ駆動技術の有望性は,大量の高品質訓練データセットのアベイラビリティに依存する。高価な物理的実験,機器,およびシミュレーションを通してデータを得る高コストのために,科学的応用のためのデータ増強技術は,最近科学的データを得るための新しい方向として浮上している。しかし,コンピュータビジョンから生じる既存のデータ増強技法は,著者らが関心を持つドメイン問題に対して役立たない物理的に受け入れられないデータサンプルを与える。本論文では,畳込みニューラルネットワークに基づく新しいデータ増強技術を開発した。特に,著者らの生成モデルは,合成データの品質を改善するために,異なる物理知識(支配方程式,観察可能な知覚,および物理現象など)を活用する。著者らのデータ増強技術の有効性を検証するために,シミュレーションCO_2漏洩データを用いて地中地震完全波形インバージョンを解くためにそれらを適用した。著者らの関心は,非常に小さいCO_2漏洩に関連した表面下速度モデルに対して反転することである。包括的数値試験を用いて,この方法の性能を検証した。Via比較と解析により,データ駆動地震イメージングは,著者らのデータ増強技術を用いて著しく強化できることを示した。特に,画像品質は,著者らの技術で得られた拡張訓練セットを用いるとき,一般的サイズの漏れの試験シナリオで15%,小サイズの漏れで17%改善された。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： シミュレーション ,  *データ ,  ニューラルネットワーク ,  *地震 ,  画像処理 ,  アベイラビリティ ,  画質 ,  コンピュータビジョン ,  *可視度 ,  機械学習
準シソーラス用語： 訓練データ ,  支配方程式 ,  高品質 ,  生成モデル ,  *データ駆動 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 可視性 ,  時空間 ,  制約 ,  データ増強 ,  データ駆動 ,  地震