論文の概要: NuSPAN: A Proximal Average Network for Nonuniform Sparse Model -- Application to Seismic Reflectivity Inversion

• arxiv url: http://arxiv.org/abs/2105.00003v1
• Date: Sat, 1 May 2021 04:33:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-05 12:12:28.945338
• Title: NuSPAN: A Proximal Average Network for Nonuniform Sparse Model -- Application to Seismic Reflectivity Inversion
• Title（参考訳）: nuspan:非一様スパースモデルのための近位平均ネットワーク -反射率インバージョンへの適用-
• Authors: Swapnil Mache, Praveen Kumar Pokala, Kusala Rajendran and Chandra Sekhar Seelamantula
• Abstract要約: 我々は, 地震データの高分解能回復の観点から, 近位脱畳の問題を解く。 凸と非一様シグナライザの組み合わせを用いる。 結果として生じるスパースネットワークアーキテクチャは、データ駆動方式で取得できる。
• 参考スコア（独自算出の注目度）: 23.080395291046408
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We solve the problem of sparse signal deconvolution in the context of seismic reflectivity inversion, which pertains to high-resolution recovery of the subsurface reflection coefficients. Our formulation employs a nonuniform, non-convex synthesis sparse model comprising a combination of convex and non-convex regularizers, which results in accurate approximations of the l0 pseudo-norm. The resulting iterative algorithm requires the proximal average strategy. When unfolded, the iterations give rise to a learnable proximal average network architecture that can be optimized in a data-driven fashion. We demonstrate the efficacy of the proposed approach through numerical experiments on synthetic 1-D seismic traces and 2-D wedge models in comparison with the benchmark techniques. We also present validations considering the simulated Marmousi2 model as well as real 3-D seismic volume data acquired from the Penobscot 3D survey off the coast of Nova Scotia, Canada.
• Abstract（参考訳）: 本研究では,地下反射係数の高分解能回復に関わる反射率反転の文脈において,スパース信号デコンボリューション(sparse signal deconvolution)の問題を解く。 この定式化は、凸と凸でない正規化子の組み合わせからなる非一様、非凸合成スパースモデルを用いており、l0擬似ノルムの正確な近似が得られる。 結果の反復アルゴリズムは、近似平均戦略を必要とする。 展開すると、反復によって学習可能な平均的ネットワークアーキテクチャが生まれ、データ駆動方式で最適化できる。 提案手法は, 合成1次元地震探査と2次元ウェッジモデルを用いた数値実験により, ベンチマーク手法と比較し, 有効性を示す。 また,カナダ,ノバスコシア沖のペノブスコット3D調査から得られたシミュレーションMarmousi2モデルおよび実3次元地震量データについても検証を行った。

関連論文リスト

• Generative Geostatistical Modeling from Incomplete Well and Imaged Seismic Observations with Diffusion Models [0.24578723416255752]
  拡散生成モデルを用いて地下速度モデルを合成する新しい手法を提案する。 本手法は, 完全標本化を必要とせず, 不完全な観測と地震観測を生かし, 高忠実度速度試料を作製する。
  論文  参考訳（メタデータ） (2024-05-16T20:30:43Z)
• SeisFusion: Constrained Diffusion Model with Input Guidance for 3D Seismic Data Interpolation and Reconstruction [26.02191880837226]
  本研究では3次元地震データに適した新しい拡散モデル再構成フレームワークを提案する。 拡散モデルに3次元ニューラルネットワークアーキテクチャを導入し、2次元拡散モデルを3次元空間に拡張することに成功した。 本手法は、フィールドデータセットと合成データセットの両方に適用した場合、より優れた再構成精度を示す。
  論文  参考訳（メタデータ） (2024-03-18T05:10:13Z)
• A Library of Mirrors: Deep Neural Nets in Low Dimensions are Convex Lasso Models with Reflection Features [54.83898311047626]
  2層から有限層まで線形に活性化するニューラルネットワークについて検討する。 まず, 分岐深さの離散辞書を用いたLassoモデルについて検討した。
  論文  参考訳（メタデータ） (2024-03-02T00:33:45Z)
• The Convex Landscape of Neural Networks: Characterizing Global Optima and Stationary Points via Lasso Models [75.33431791218302]
  ディープニューラルネットワーク(DNN)モデルは、プログラミング目的に使用される。 本稿では,凸型神経回復モデルについて検討する。 定常的非次元目的物はすべて,グローバルサブサンプリング型凸解法プログラムとして特徴付けられることを示す。 また, 静止非次元目的物はすべて, グローバルサブサンプリング型凸解法プログラムとして特徴付けられることを示す。
  論文  参考訳（メタデータ） (2023-12-19T23:04:56Z)
• Improved Cryo-EM Pose Estimation and 3D Classification through Latent-Space Disentanglement [14.973360669658561]
  本稿では,自己教師付き変分オートエンコーダアーキテクチャであるHetACUMNを提案する。 シミュレーションデータセットの結果,HetACUMNは,他のアモータイズ法や非アモータイズ法よりも正確なコンフォメーション分類が得られた。
  論文  参考訳（メタデータ） (2023-08-09T13:41:30Z)
• Reflected Diffusion Models [93.26107023470979]
  本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。 提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
  論文  参考訳（メタデータ） (2023-04-10T17:54:38Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• DuRIN: A Deep-unfolded Sparse Seismic Reflectivity Inversion Network [23.080395291046408]
  地震データから界面の位置と反射係数の振幅を復元する反射地震学の問題を考察する。 重み付きminimax-concave penalty-regularized reflectivity inversion法を提案し,モデルベースニューラルネットワークを用いて解く。
  論文  参考訳（メタデータ） (2021-04-10T07:49:38Z)
• A Nonconvex Framework for Structured Dynamic Covariance Recovery [24.471814126358556]
  時間変化のある2次統計量を持つ高次元データに対するフレキシブルで解釈可能なモデルを提案する。 文献によって動機付けられ,因子化とスムーズな時間データの定量化を行う。 私たちのアプローチは,既存のベースラインよりも優れています。
  論文  参考訳（メタデータ） (2020-11-11T07:09:44Z)
• Estimation of Switched Markov Polynomial NARX models [75.91002178647165]
  非線形自己回帰(NARX)成分を特徴とするハイブリッド力学系のモデル群を同定する。 提案手法は, 特定の回帰器を持つ3つの非線形サブモデルからなるSMNARX問題に対して実証される。
  論文  参考訳（メタデータ） (2020-09-29T15:00:47Z)

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。