論文の概要: SeisLM: a Foundation Model for Seismic Waveforms

• arxiv url: http://arxiv.org/abs/2410.15765v1
• Date: Mon, 21 Oct 2024 08:24:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:16:11.296087
• Title: SeisLM: a Foundation Model for Seismic Waveforms
• Title（参考訳）: SeisLM:地震波形の基礎モデル
• Authors: Tianlin Liu, Jannes Münchmeyer, Laura Laurenti, Chris Marone, Maarten V. de Hoop, Ivan Dokmanić,
• Abstract要約: 本稿では地震波形解析モデルである地震言語モデル(SeisLM)を紹介する。 SeisLMは、自己監督型コントラスト損失を用いて、オープンソースの地震データセットの大規模なコレクションに事前訓練されている。 微調整された場合、SeesLMはイベント検出、フェーズピッキング、オンセット時間回帰、フォアソック・アフターショック分類といった地震学的なタスクに優れる。
• 参考スコア（独自算出の注目度）: 9.064547137948743
• License:
• Abstract: We introduce the Seismic Language Model (SeisLM), a foundational model designed to analyze seismic waveforms -- signals generated by Earth's vibrations such as the ones originating from earthquakes. SeisLM is pretrained on a large collection of open-source seismic datasets using a self-supervised contrastive loss, akin to BERT in language modeling. This approach allows the model to learn general seismic waveform patterns from unlabeled data without being tied to specific downstream tasks. When fine-tuned, SeisLM excels in seismological tasks like event detection, phase-picking, onset time regression, and foreshock-aftershock classification. The code has been made publicly available on https://github.com/liutianlin0121/seisLM.
• Abstract（参考訳）: 本研究では地震波波形解析のための基礎モデルである地震言語モデル(SeisLM)を紹介する。 SeisLMは、言語モデリングにおけるBERTに似た自己教師付きコントラスト損失を用いて、オープンソースの地震データセットの大規模なコレクションに事前訓練されている。 このアプローチにより、特定の下流タスクに縛られることなく、ラベルのないデータから一般的な地震波形パターンを学習することができる。 微調整された場合、SeesLMはイベント検出、フェーズピッキング、オンセット時間回帰、フォアソック・アフターショック分類といった地震学的なタスクに優れる。 コードはhttps://github.com/liutianlin0121/seisLMで公開されている。

関連論文リスト

• High Resolution Seismic Waveform Generation using Denoising Diffusion [3.5046784866523932]
  本研究では, 高周波波形生成のための新しい, 効率的, スケーラブルな生成モデルを提案する。 地震波形データのスペクトログラム表現を、オートエンコーダを介して低次元のサブ多様体に還元する。 最先端拡散モデルを用いて、キー入力パラメータを条件に、この潜伏表現を生成する。
  論文  参考訳（メタデータ） (2024-10-25T07:01:48Z)
• 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)
• Generalized Neural Networks for Real-Time Earthquake Early Warning [22.53592578343506]
  我々は,任意の局分布を持つ任意の場所で発生した地震をニューラルネットワークトレーニングのために,データ組換え法を用いて生成する。 訓練されたモデルは、地震検出とパラメータ評価のための異なる監視装置を備えた様々な地域に適用することができる。 我々のモデルは、最初のトリガーステーションから4秒以内に地震の位置とマグニチュードを確実に報告し、平均誤差は2.6-6.3 kmと0.05-0.17である。
  論文  参考訳（メタデータ） (2023-12-23T10:45:21Z)
• MAPS: A Noise-Robust Progressive Learning Approach for Source-Free Domain Adaptive Keypoint Detection [76.97324120775475]
  クロスドメインキーポイント検出方法は、常に適応中にソースデータにアクセスする必要がある。 本稿では、ターゲット領域に十分に訓練されたソースモデルのみを提供する、ソースフリーなドメイン適応キーポイント検出について考察する。
  論文  参考訳（メタデータ） (2023-02-09T12:06:08Z)
• Distilling Model Failures as Directions in Latent Space [87.30726685335098]
  本稿では,モデルの故障モードを自動的に抽出するスケーラブルな方法を提案する。 線形分類器を用いて一貫したエラーパターンを識別し、これらの障害モードを特徴空間内の方向として自然な表現を誘導する。 このフレームワークにより、トレーニングデータセット内の課題のあるサブポピュレーションを発見し、自動的にキャプションし、これらのサブポピュレーションにおけるモデルのパフォーマンスを改善することができることを示す。
  論文  参考訳（メタデータ） (2022-06-29T16:35:24Z)
• StorSeismic: A new paradigm in deep learning for seismic processing [0.0]
  StorSeismicは地震データ処理のフレームワークである。 我々は, 自己監督段階において, 人工的に生成された地震データとともに, 事前訓練を行った。 そして,ラベル付き合成データを用いて,事前学習したネットワークを教師付き方式で微調整し,各種の耐震処理を行う。
  論文  参考訳（メタデータ） (2022-04-30T09:55:00Z)
• Machine learning-based porosity estimation from spectral decomposed seismic data [0.0]
  地震データによるポロシティモデルの推定は、信号ノイズと地震データの解像度が不十分なため困難である。 本稿では,地震データをポロシティモデルに変換する機械学習ベースのワークフローを提案する。
  論文  参考訳（メタデータ） (2021-11-23T00:03:38Z)
• Learning Signal-Agnostic Manifolds of Neural Fields [50.066449953522685]
  ニューラルネットワークを利用して、画像、形状、オーディオ、およびモーダル・オーディオヴィジュアル領域の基盤となる構造を捉える。 GEMの基底多様体を横切ることで、信号領域に新しいサンプルを生成できることが示される。
  論文  参考訳（メタデータ） (2021-11-11T18:57:40Z)
• Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
  Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。 我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。 合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
  論文  参考訳（メタデータ） (2021-02-02T06:15:15Z)
• Spatiotemporal Modeling of Seismic Images for Acoustic Impedance Estimation [12.653673008542155]
  機械学習に基づくインバージョンは通常、地震データに対してトレース・バイ・トレース方式で動作する。 本研究では,各地震跡を時間的だけでなく空間的にモデル化する深層学習型地震インバージョンワークフローを提案する。
  論文  参考訳（メタデータ） (2020-06-28T00:19:58Z)
• Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
  本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。 地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
  論文  参考訳（メタデータ） (2020-02-05T10:11:26Z)

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。