論文の概要: PyAWD: A Library for Generating Large Synthetic Datasets of Acoustic Wave Propagation with Devito

• arxiv url: http://arxiv.org/abs/2411.12636v1
• Date: Tue, 19 Nov 2024 16:49:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-20 13:36:06.211732
• Title: PyAWD: A Library for Generating Large Synthetic Datasets of Acoustic Wave Propagation with Devito
• Title（参考訳）: PyAWD:Dedeitoを用いた音響波伝搬の大規模合成データセット生成ライブラリ
• Authors: Pascal Tribel, Gianluca Bontempi,
• Abstract要約: PyAWDは、高次元合成音響波動伝播データセットを生成するために設計されたPythonライブラリである。 PyAWDは、波速、外部力、空間的および時間的離散化などのパラメータを細かく制御することで、MLスケールのデータセットの作成を可能にする。
• 参考スコア（独自算出の注目度）: 0.1657441317977376
• License:
• Abstract: Seismic data is often sparse and unevenly distributed due to the high costs and logistical challenges associated with deploying physical seismometers, limiting the application of Machine Learning (ML) in earthquake analysis. To address this gap, we introduce PyAWD, a Python library designed to generate high-resolution synthetic datasets simulating spatio-temporal acoustic wave propagation in both two-dimensional and three-dimensional heterogeneous media. By allowing fine control over parameters such as wave speed, external forces, spatial and temporal discretization, and media composition, PyAWD enables the creation of ML-scale datasets that capture the complexity of seismic wave behavior. We illustrate the library's potential with an epicenter retrieval task, showcasing its suitability for designing complex, accurate seismic problems that support advanced ML approaches in the absence or lack of dense real-world data.
• Abstract（参考訳）: 地震データはしばしば、物理的地震計の設置に伴う高コストとロジスティックな課題のため、不均一に分散され、地震解析における機械学習(ML)の適用が制限される。 PyAWDは2次元および3次元の異種媒体の時空間音波伝搬をシミュレートした高分解能な合成データセットを生成するように設計されたPythonライブラリである。 PyAWDは、波速、外部力、空間的および時間的離散化、メディア構成などのパラメータを細かく制御することで、地震波の振る舞いの複雑さを捉えるMLスケールデータセットの作成を可能にする。 本稿では,高密度な実世界のデータがない場合の高度なMLアプローチを支援する,複雑で高精度な地震問題の設計に適していることを示す。

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)
• LiveHPS: LiDAR-based Scene-level Human Pose and Shape Estimation in Free Environment [59.320414108383055]
  シーンレベルの人間のポーズと形状推定のための単一LiDARに基づく新しいアプローチであるLiveHPSを提案する。 多様な人間のポーズを伴う様々なシナリオで収集される巨大な人間の動きデータセットFreeMotionを提案する。
  論文  参考訳（メタデータ） (2024-02-27T03:08:44Z)
• IntraSeismic: a coordinate-based learning approach to seismic inversion [14.625250755761662]
  IntraSeismicは、座標に基づく学習とポストスタックモデリング演算子の物理をシームレスに組み合わせた、新しいハイブリッド地震インバージョン手法である。 IntraSeismicの主な特徴は、2Dおよび3D後の地震インバージョン、高速収束率、およびシームレスにハード制約を含む能力である。 提案手法の有効性を検証するために, 震源内データの合成とフィールドデータの適用について述べる。
  論文  参考訳（メタデータ） (2023-12-17T00:29:25Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Wavelet-based Loss for High-frequency Interface Dynamics [30.246577036044332]
  本稿では,ウェーブレット損失の定式化に基づく新しい手法を提案する。 本手法は, 実測的な合成テストケースにおいて, 高周波の細部を再現できることを示す。 また, 物理シミュレーションに基づいて, より複雑な面に適用した場合の性能評価を行った。
  論文  参考訳（メタデータ） (2022-09-06T09:09:14Z)
• Dynamic Network-Assisted D2D-Aided Coded Distributed Learning [59.29409589861241]
  本稿では,デバイス間のロードバランシングのための新しいデバイス・ツー・デバイス(D2D)支援型符号化学習手法(D2D-CFL)を提案する。 最小処理時間を達成するための最適圧縮率を導出し、収束時間との接続を確立する。 提案手法は,ユーザが継続的にトレーニングデータを生成するリアルタイム協調アプリケーションに有用である。
  論文  参考訳（メタデータ） (2021-11-26T18:44:59Z)
• 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)
• Deep Cellular Recurrent Network for Efficient Analysis of Time-Series Data with Spatial Information [52.635997570873194]
  本研究では,空間情報を用いた複雑な多次元時系列データを処理するための新しいディープセルリカレントニューラルネットワーク(DCRNN)アーキテクチャを提案する。 提案するアーキテクチャは,文献に比較して,学習可能なパラメータをかなり少なくしつつ,最先端の性能を実現している。
  論文  参考訳（メタデータ） (2021-01-12T20:08:18Z)
• Scaling through abstractions -- high-performance vectorial wave simulations for seismic inversion with Devito [0.6745502291821955]
  Devitoは、ドメイン固有の言語とコンパイラ技術に基づく、オープンソースのPythonプロジェクトである。 本稿では、傾斜した横方向等方性媒体における擬音響波動方程式に対するMPI並列プロパゲータの生成とシミュレーションについて述べる。
  論文  参考訳（メタデータ） (2020-04-22T12:20:07Z)
• SeismiQB -- a novel framework for deep learning with seismic data [62.997667081978825]
  ニューラルネットワークの開発に重点を置いた、オープンソースのPythonフレームワークを開発しました。 複数のデータフォーマットで地震波キューブを高速にロードする便利なツールを提供する。 また、望まれる形状の作物を生産し、様々な変換で増強する。
  論文  参考訳（メタデータ） (2020-01-10T10:45:56Z)
• Temporal-Spatial Neural Filter: Direction Informed End-to-End Multi-channel Target Speech Separation [66.46123655365113]
  ターゲット音声分離とは、混合信号からターゲット話者の音声を抽出することを指す。 主な課題は、複雑な音響環境とリアルタイム処理の要件である。 複数話者混合から対象音声波形を直接推定する時間空間ニューラルフィルタを提案する。
  論文  参考訳（メタデータ） (2020-01-02T11:12:50Z)

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。