論文の概要: Ground Roll Suppression using Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2010.15209v1
• Date: Wed, 28 Oct 2020 20:21:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 06:04:06.934355
• Title: Ground Roll Suppression using Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークを用いたグラウンドロール抑制
• Authors: Dario Augusto Borges Oliveira, Daniil Semin, Semen Zaytsev
• Abstract要約: グラウンドロールノイズは、プリスタック地震データで観測される最も困難で一般的なノイズの1つである。 我々は、畳み込みニューラルネットワークの非線形特性を利用して、ショットコレクションのグラウンドロールを検出する。 地中転がり抑制を評価するための指標を提案し, 専門家によるフィルタリングと比較して強い結果を報告する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Seismic data processing plays a major role in seismic exploration as it conditions much of the seismic interpretation performance. In this context, generating reliable post-stack seismic data depends also on disposing of an efficient pre-stack noise attenuation tool. Here we tackle ground roll noise, one of the most challenging and common noises observed in pre-stack seismic data. Since ground roll is characterized by relative low frequencies and high amplitudes, most commonly used approaches for its suppression are based on frequency-amplitude filters for ground roll characteristic bands. However, when signal and noise share the same frequency ranges, these methods usually deliver also signal suppression or residual noise. In this paper we take advantage of the highly non-linear features of convolutional neural networks, and propose to use different architectures to detect ground roll in shot gathers and ultimately to suppress them using conditional generative adversarial networks. Additionally, we propose metrics to evaluate ground roll suppression, and report strong results compared to expert filtering. Finally, we discuss generalization of trained models for similar and different geologies to better understand the feasibility of our proposal in real applications.
• Abstract（参考訳）: 地震データ処理は, 地震解析性能のほとんどを条件として, 地震探査において重要な役割を果たす。 この文脈では、信頼性の高いポストスタック地震データの生成は、効率的なプレスタックノイズ減衰ツールの配置にも依存する。 ここでは, 地震前データで観測される最も困難で一般的な騒音の一つである地すべり騒音に対処する。 グラウンドロールは比較的低い周波数と高い振幅で特徴付けられるため、その抑制に最もよく使われるアプローチはグラウンドロール特性バンドの周波数振幅フィルタに基づいている。 しかし、信号とノイズが同じ周波数範囲を持つ場合、これらの方法は通常、信号抑圧や残留ノイズも与える。 本稿では,畳み込みニューラルネットワークの非線形特性を活用し,異なるアーキテクチャを用いてショット集合のグラウンドロールを検出し,最終的には条件付き生成逆数ネットワークを用いてそれらを抑制することを提案する。 さらに, グラウンドロール抑制を評価するための指標を提案し, エキスパートフィルタリングと比較し, 強い結果を示す。 最後に,本提案の有効性をよりよく理解するために,類似した地質学と異なる地質学の訓練モデルの一般化について論じる。

関連論文リスト

• Ground-roll Separation From Land Seismic Records Based on Convolutional Neural Network [9.579207147600247]
  地すべり波は地中地震データにおいて一般的なコヒーレントノイズである。 本稿では,畳み込みニューラルネットワーク(CNN)モデルを用いて,地すべりと反射を分離する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-05T19:34:21Z)
• LoRaWAN Based Dynamic Noise Mapping with Machine Learning for Urban Noise Enforcement [8.010966370223985]
  広域にわたる長期騒音レベルを示す静的騒音マップは、自治体にとって貴重な都市計画資産である。 過渡的な振る舞いを頻繁に訴える非交通ノイズ源は、通常静的マップによって無視される。 本稿では,低消費電力広帯域ネットワーク(LPWAN)ベースのモノのインターネット(IoT)インフラストラクチャを用いて収集したデータを用いた動的ノイズマッピング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-30T21:40:12Z)
• Learning with Noisy Foundation Models [95.50968225050012]
  本論文は、事前学習データセットにおけるノイズの性質を包括的に理解し分析する最初の研究である。 雑音の悪影響を緩和し、一般化を改善するため、特徴空間に適応するチューニング法(NMTune)を提案する。
  論文  参考訳（メタデータ） (2024-03-11T16:22:41Z)
• Advancing underwater acoustic target recognition via adaptive data pruning and smoothness-inducing regularization [27.039672355700198]
  本稿では,クロスエントロピーに基づくトレーニングデータにおいて,過度に類似したセグメントを創り出す戦略を提案する。 我々はノイズの多いサンプルを生成し、KLの発散に基づくスムーズネス誘導正則化を適用し、オーバーフィッティングを緩和する。
  論文  参考訳（メタデータ） (2023-04-24T08:30:41Z)
• Transfer learning for self-supervised, blind-spot seismic denoising [0.0]
  本研究では、関心のフィールドデータセットに自己教師付きで微調整を行う前に、フリグリ生成された合成データセット上でネットワークを初期的に教師付きで訓練することを提案する。 ピーク信号-雑音比の変化やノイズの低減,信号漏れの観測などを考慮すると,教師付きベーストレーニングによる重み付けによる自己教師ネットワークの初期化のメリットは明らかである。
  論文  参考訳（メタデータ） (2022-09-25T12:58:10Z)
• The Optimal Noise in Noise-Contrastive Learning Is Not What You Think [80.07065346699005]
  この仮定から逸脱すると、実際により良い統計的推定結果が得られることが示される。 特に、最適な雑音分布は、データと異なり、また、別の家族からさえも異なる。
  論文  参考訳（メタデータ） (2022-03-02T13:59:20Z)
• Deep Impulse Responses: Estimating and Parameterizing Filters with Deep Networks [76.830358429947]
  高雑音および地中設定におけるインパルス応答推定は難しい問題である。 本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-07T18:57:23Z)
• The potential of self-supervised networks for random noise suppression in seismic data [0.0]
  ブラインド・スポット・ネットワークは地震データにおけるランダムノイズの効率的な抑制効果を示す。 結果は、FXデコンボリューションとCurvelet変換という2つの一般的なランダムな復調手法と比較される。 これは、地震の応用における自己教師あり学習の活用の始まりにすぎないと我々は信じている。
  論文  参考訳（メタデータ） (2021-09-15T14:57:43Z)
• Bridging the Gap Between Clean Data Training and Real-World Inference for Spoken Language Understanding [76.89426311082927]
  既存のモデルはクリーンデータに基づいてトレーニングされ、クリーンデータトレーニングと現実世界の推論の間にtextitgapが発生する。 本稿では,良質なサンプルと低品質のサンプルの両方が類似ベクトル空間に埋め込まれた領域適応法を提案する。 広く使用されているデータセット、スニップス、および大規模な社内データセット(1000万のトレーニング例)に関する実験では、この方法は実世界の(騒々しい)コーパスのベースラインモデルを上回るだけでなく、堅牢性、すなわち、騒々しい環境下で高品質の結果を生み出すことを実証しています。
  論文  参考訳（メタデータ） (2021-04-13T17:54:33Z)
• WaveTransform: Crafting Adversarial Examples via Input Decomposition [69.01794414018603]
  本稿では,低周波サブバンドと高周波サブバンドに対応する逆雑音を生成するWaveTransformを紹介する。 実験により,提案攻撃は防衛アルゴリズムに対して有効であり,CNN間での転送も可能であることが示された。
  論文  参考訳（メタデータ） (2020-10-29T17:16:59Z)
• Capturing scattered discriminative information using a deep architecture in acoustic scene classification [49.86640645460706]
  本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。 我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。 2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
  論文  参考訳（メタデータ） (2020-07-09T08:32:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。