文献

J-GLOBAL ID：202202264555275497   整理番号：22A0488800

ラベル付きデータの非存在下での地震データ雑音除去のための教師なし二重学習【JST・京大機械翻訳】

Unsupervised dual learning for seismic data denoising in the absence of labelled data

著者 (3件)： Zhao Yu Xing (College of Communication Engineering, Jilin University, Chaoyang District, Changchun, 130000, China) ,  Li Yue (College of Communication Engineering, Jilin University, Chaoyang District, Changchun, 130000, China) ,  Wu Ning (College of Communication Engineering, Jilin University, Chaoyang District, Changchun, 130000, China)
資料名： Geophysical Prospecting  (Geophysical Prospecting)
巻： 70  号： 2  ページ： 262-279  発行年： 2022年 
JST資料番号： C0069A  ISSN： 0016-8025  CODEN： GPPRA  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： 教師つき深層学習モデルの訓練と更新は,ラベル付きデータに依存する。残念なことに,データラベリングプロセスは,通常,高価で時間がかかり,特に地球物理学の分野で,ラベル付きデータを得る。上記の因子のため,教師つき深層学習に基づくいくつかの地震データ雑音除去法は,ネットワーク訓練のための合成地震データを使用する。合成地震データは実際の地震データとは異なっているので,実際の地震データを扱うとき,雑音除去結果は残留雑音といくつかの偽信号を持つ。上記の問題に応じて,本論文は,訓練のためにラベル付きデータを使用する必要がなく,地震データ雑音除去タスクにおけるラベル付きデータ不足の問題を効果的に解決する必要のない2方向生成敵対ネットワークのフレームワークに基づく不対ドメイン-ドメイン変換方式を導入した。合成地震データと実際の地震データを含む不対混合訓練セットを用いて,ネットワークを訓練し,実際の地震データに対するネットワークの雑音除去能力を効果的に改善した。実験結果は,雑音除去畳み込みニューラルネットワークのような最先端の雑音除去法と比較して,提案方法がランダムノイズと地上ロールをより完全に抑制することができ,雑音除去結果が基本的に偽信号を持たないことを示した。Copyright 2022 Wiley Publishing Japan K.K. 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 ,  *学習 ,  ネットワーク ,  信号処理 ,  地球物理学 ,  不規則雑音 ,  データ処理 ,  *雑音除去
準シソーラス用語： *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】

著者キーワード (3件)： データ処理 ,  騒音 ,  信号処理

分類 (1件)： 地震探査  (DE10030B)

タイトルに関連する用語 (5件)： ラベル ,  地震データ ,  雑音除去 ,  教師 ,  学習