論文の概要: Improving the quality control of seismic data through active learning

• arxiv url: http://arxiv.org/abs/2201.06616v2
• Date: Thu, 20 Jan 2022 15:00:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-21 13:02:13.766152
• Title: Improving the quality control of seismic data through active learning
• Title（参考訳）: 能動学習による地震データの品質管理の改善
• Authors: Mathieu Chambefort, Rapha\"el Butez, Emilie Chautru and Stephan Cl\'emen\c{c}on
• Abstract要約: 画像復号化問題では、利用可能な画像の密度の増大は、徹底的な視覚検査を不可能にする。 本稿では,最も関連性の高いデータを逐次選択するための新しいアクティブラーニング手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In image denoising problems, the increasing density of available images makes an exhaustive visual inspection impossible and therefore automated methods based on machine-learning must be deployed for this purpose. This is particulary the case in seismic signal processing. Engineers/geophysicists have to deal with millions of seismic time series. Finding the sub-surface properties useful for the oil industry may take up to a year and is very costly in terms of computing/human resources. In particular, the data must go through different steps of noise attenuation. Each denoise step is then ideally followed by a quality control (QC) stage performed by means of human expertise. To learn a quality control classifier in a supervised manner, labeled training data must be available, but collecting the labels from human experts is extremely time-consuming. We therefore propose a novel active learning methodology to sequentially select the most relevant data, which are then given back to a human expert for labeling. Beyond the application in geophysics, the technique we promote in this paper, based on estimates of the local error and its uncertainty, is generic. Its performance is supported by strong empirical evidence, as illustrated by the numerical experiments presented in this article, where it is compared to alternative active learning strategies both on synthetic and real seismic datasets.
• Abstract（参考訳）: 画像分割問題では、画像の密度が増加すると、徹底的な視覚検査が不可能となり、機械学習に基づく自動化手法をこの目的のために展開する必要がある。 これは特に地震信号処理の場合である。 エンジニアや地球物理学者は、何百万もの地震の時系列を扱う必要がある。 石油産業に有用な地下特性の発見には1年を要し、計算・人的資源の面では非常にコストがかかる。 特に、データはノイズ減衰の異なるステップを通過しなければならない。 それぞれの装飾ステップは、人間の専門知識によって実行される品質管理(QC)段階が理想的に続く。 品質管理分類器を教師付きで学習するには、ラベル付きトレーニングデータが必要であるが、人間の専門家によるラベルの収集は非常に時間がかかる。 そこで我々は,最も関連性の高いデータを順次選択し,人間にラベル付けを依頼する新しいアクティブラーニング手法を提案する。 本論文では,地球物理学の応用以外にも,局所誤差とその不確実性の推定に基づく手法を一般化した。 この論文で提示された数値実験で示されているように、その性能は、合成データと実際の地震データセットの両方において、代替のアクティブラーニング戦略と比較される強力な実証的証拠によって支えられている。

関連論文リスト

• Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
  水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。 近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
  論文  参考訳（メタデータ） (2024-10-08T00:25:33Z)
• RECOVAR: Representation Covariances on Deep Latent Spaces for Seismic Event Detection [0.0]
  生波形から地震を検出することを学習する地震検出の教師なし手法を開発した。 パフォーマンスは、いくつかの最先端の教師付きメソッドと同等であり、場合によっては同等である。 このアプローチは、他のドメインからの時系列データセットに有用である可能性がある。
  論文  参考訳（メタデータ） (2024-07-25T21:33:54Z)
• AN An ica-ensemble learning approach for prediction of uwb nlos signals data classification [0.0]
  本研究は、無線通信による情報調和と、超広帯域レーダ信号を用いたNLOSシナリオにおける個人識別に焦点を当てた。 実験では、静的データに対して88.37%、動的データに対して87.20%の分類精度を示し、提案手法の有効性を強調した。
  論文  参考訳（メタデータ） (2024-02-27T11:42:26Z)
• A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
  本稿では,DAF(Disdisrepancy Aware Framework)を提案する。 本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。 単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
  論文  参考訳（メタデータ） (2023-10-11T15:21:40Z)
• Learning to Abstain From Uninformative Data [20.132146513548843]
  本研究では,一般的なノイズ発生過程下での学習と行動の問題について検討する。 この問題において、データ分布はラベルに高ノイズの非形式的なサンプルのかなりの割合を有する。 本稿では,選択学習理論に着想を得た損失を生かして,これらの条件下での学習に新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-25T15:55:55Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Understanding the World Through Action [91.3755431537592]
  ラベルのないデータを利用するための汎用的で原則的で強力なフレームワークは、強化学習から導き出すことができると私は主張する。 このような手順が、下流の潜在的なタスクとどのように密接に一致しているかについて論じます。
  論文  参考訳（メタデータ） (2021-10-24T22:33:52Z)
• What Matters in Learning from Offline Human Demonstrations for Robot Manipulation [64.43440450794495]
  ロボット操作のための6つのオフライン学習アルゴリズムについて広範な研究を行う。 我々の研究は、オフラインの人間のデータから学習する際の最も重要な課題を分析します。 人間のデータセットから学ぶ機会を強調します。
  論文  参考訳（メタデータ） (2021-08-06T20:48:30Z)
• Improved Speech Emotion Recognition using Transfer Learning and Spectrogram Augmentation [56.264157127549446]
  音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。 SERの主な課題の1つは、データの不足である。 本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-05T10:39:39Z)
• Complex data labeling with deep learning methods: Lessons from fisheries acoustics [0.0]
  本論文は, 根拠となる真理ラベルが不要であるケーススタディ, エコーグラフラベリングに焦点を当てた。 我々は、非定常データセットでトレーニングされた畳み込みニューラルネットワークが、人間の専門家の補正を必要とする新しいデータセットの一部を強調するために使用できることを実証した。
  論文  参考訳（メタデータ） (2020-10-21T13:49:34Z)
• Deep Learning for Surface Wave Identification in Distributed Acoustic Sensing Data [1.7237878022600697]
  実データ,複雑なDASデータを処理するための,高度にスケーラブルで効率的なアプローチを提案する。 深い教師付き学習は、人類活動によって生じる「有用な」コヒーレントな表面波を特定するために用いられる。 本手法は,地中活動と埋設センサとの相互作用を記述した解釈パターンを提供する。
  論文  参考訳（メタデータ） (2020-10-15T15:53:03Z)

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。