文献

J-GLOBAL ID：202202266413012698   整理番号：22A0630224

教師なし3D地震データ強調のための自己注意深い画像事前ネットワーク【JST・京大機械翻訳】

Self-Attention Deep Image Prior Network for Unsupervised 3-D Seismic Data Enhancement

著者 (6件)： Saad Omar M. (Seismology Department, ENSN Laboratory, National Research Institute of Astronomy and Geophysics (NRIAG), Helwan, Egypt) ,  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) ,  Bai Min (Key Laboratory of Exploration Technology for Oil and Gas Resources of Ministry of Education, Yangtze University, Wuhan, China) ,  Samy Lotfy (Seismology Department, ENSN Laboratory, National Research Institute of Astronomy and Geophysics (NRIAG), Helwan, Egypt) ,  Yang Liuqing (State Key Laboratory of Petroleum Resources and Prospecting, China University of Petroleum, Beijing, China) ,  Chen Yangkang (Bureau of Economic Geology, 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.5907014.1-14  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： 深層画像事前(DIP)と3D地震データ強化のための注意ネットワークに基づく深層学習フレームワークを開発した。最初に,3D雑音データをいくつかの重複パッチに分割した。第2に,DIPネットワークはU-NETアーキテクチャを持ち,そこでは入力パッチを符号化して重要な潜在特徴を抽出し,一方,復号器はこれらの抽出した特徴を用いて入力パッチを再構成することを試みた。そのうえ,注意ネットワークを用いて,符号器と復号器から抽出特徴をスケーリングする。第3に,符号器の注意ネットワーク出力は,高次特性を得て,地震信号に関連する最も重要な情報を抽出して,他を捨てるために,ネットワークをガイドするために,復号器のものと連結する。最後に,3D地震データをDIPネットワークにより得られた出力パッチを用いて再構成した。提案したアルゴリズムは反復的で教師なしのアプローチであり,ラベル付きデータを必要としない。いくつかの合成およびフィールドデータ例を用いて提案アルゴリズムを評価した。その結果,提案アルゴリズムは,ランダムノイズを減衰し,最小信号漏洩で3D地震信号を保存することにより,3D地震データを強化する能力を示した。さらに,提案アルゴリズムは,様々なタイプの事象,例えば,線形,双曲線,低および高卓越周波数,および弱い振幅を用いてテストするとき,良好な雑音除去性能を示した。さらに,提案方法は予測フィルタリング(PF)と減衰ランク低減(DRR)法より優れている。DIPネットワーク内の提案した方法の原理をさらに理解するために,符号器と復号器部分における重み行列を詳細に解析した。DIPネットワークの雑音除去能力を,深いネットワークを通して符号器から復号器層への抽出基底特徴の改善に属性した。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： アルゴリズム ,  雑音 ,  データ ,  *ネットワーク ,  復号器 ,  フィルタリング ,  *地震 ,  符号器 ,  再構成 ,  不規則雑音 ,  *三次元 ,  計算機アーキテクチャ ,  機械学習 ,  雑音除去
準シソーラス用語： *地震データ ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 教師 ,  3D ,  地震データ ,  自己