Apr, 2024

使用深度图学习的高维地震首波拾取

PDF
TL;DR利用深度图学习的 DGL-FB 框架对高维数据进行自动第一次断裂拾取，采用子图采样技术管理图的大小，通过深度图编码器将子图编码为全局特征，将全局特征与局部节点信号相结合，输入到基于 ResUNet 的 1D 分割网络进行断裂检测，与 2D U-Net 对比，DGL-FB 在现场勘测评估中展现出更高的准确性和稳定性。
automatic first break pickingdeep graph learningsubgraph samplingseismic traceresunet-based 1d segmentation network
发现论文，激发创造
  • DSU-Net: 2D 地震初始震相采集的动态蛇 U-Net

    在地震勘探中，我们提出了一种新的语义分割网络（DSU-Net），通过引入动态蛇卷积到 U-Net 中，在 2D 地震首波捕捉任务中实现了更高的准确性和鲁棒性，实现了首波跳跃的有效检测和更好的水平连续性。

    May, 2024

  • 利用不确定度量化来选择鲁棒的首波到时

    本文介绍了基于贝叶斯神经网络的地震勘探首波拾取新框架。新框架在大量实验中得到了验证，具有更好的准确性和稳健性，并且此拾取结果的不确定性对人类决策提供了参考。

    May, 2023

  • 几何深度学习：网格、群、图、测地线和规范

    通过统一的几何原理，深度学习可以更好地揭示基本规律，提供数学框架来研究卷积神经网络、循环神经网络、图神经网络和变压器网络等神经网络，且可以将物理学知识结合到神经网络结构中，从而提供了未来神经网络结构的原则性方法。

    Apr, 2021

  • 3DViewGraph: 基于无序视角图的全局特征学习模型，利用注意力机制对三维模型进行处理

    本文提出了一种名为 3DViewGraph 的方法，该方法通过引入注意力机制，学习 3D 全局特征，解决了池化操作可能导致信息丢失和影响学习特征判别性的限制问题，并在三个大规模基准测试中展现出优异性能。

    May, 2019

  • 3D 点云去噪的特征图学习

    本文提出一种基于特征图的方法来学习图信号的复原，通过最小化图拉普拉斯正则项以优化马氏距离矩阵的带权图，在 3D 点云去噪问题上的实验证明，相较于已有的方案，该算法具有最先进的性能。

    Jul, 2019

  • 解耦和统一骨骼动作识别的图卷积

    本文提出了一种名为 G3D 的统一的空时图卷积算子方法和一种简单的多尺度图卷积方法，用于在神经网络中捕捉图像、模型人体动态的长程、多级别、空时依赖模型关系，以此提高特征抽取器效果，实验结果表明，该算法在三个大规模数据集上优于目前最先进的方法。

    Mar, 2020

  • DFPENet-geology：一个用于高精度共震滑坡识别和分割的深度学习框架

    这篇论文讨论了一种识别和分割地震滑坡的方案，其中存在过度拟合问题和模型冗余，需要改进。作者因需要专家的评价来改进论文，决定暂时撤回在 arXiv 上的论文，并会在最终版获得批准后更新。

    Aug, 2019

  • 探索单台地面运动记录的深度学习挑战

    通过评估辅助信息对从地动记录中进行深度学习的过程的影响，本研究旨在评估深度学习模型在地动记录的深度学习中的有效性，并揭示了研究领域存在的一个缺口，即缺乏独立于任何辅助信息的单站地动记录的深度学习的稳健方法。

    Mar, 2024

  • 一次性图表示学习基于超维计算

    我们提出了一种新颖、简单、快速且高效的用于图像半监督学习的方法，该方法利用超高维度计算将数据样本编码成高维空间，并且通过 Hyper-dimensional Graph Learning 算法可以在图神经网络的节点表示上利用这种超高维度性质来实现信息聚合，从而取得与深度学习方法相媲美的预测性能，而无需进行计算昂贵的训练过程。

    Feb, 2024

  • 发现药物前导化合物的开放式统一深度图学习框架

    本篇论文提出了一种基于深度图学习的开放式管道：生成对抗特征子空间增强（GAFSE），该方法能够将药物发现的各个阶段统一到一个学习框架中，并通过对分类 / 回归损失、对抗 / 生成损失和重建损失进行多目标优化实现药物发现的高效性和产出性的增强。

    Dec, 2022