論文の概要: Triply Laplacian Scale Mixture Modeling for Seismic Data Noise Suppression
- arxiv url: http://arxiv.org/abs/2502.14355v1
- Date: Thu, 20 Feb 2025 08:28:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-21 14:27:25.533495
- Title: Triply Laplacian Scale Mixture Modeling for Seismic Data Noise Suppression
- Title(参考訳): 地震データ騒音抑制のためのトリプリラプラシアンスケール混合モデル
- Authors: Sirui Pan, Zhiyuan Zha, Shigang Wang, Yue Li, Zipei Fan, Gang Yan, Binh T. Nguyen, Bihan Wen, Ce Zhu,
- Abstract要約: ポーラシティに基づくテンソルリカバリ法は, 地震データノイズを抑制する大きな可能性を示している。
本研究では, 3次元ラプラシアンスケール混合(TLSM)による地震波の抑制手法を提案する。
- 参考スコア(独自算出の注目度): 51.87076090814921
- License:
- Abstract: Sparsity-based tensor recovery methods have shown great potential in suppressing seismic data noise. These methods exploit tensor sparsity measures capturing the low-dimensional structures inherent in seismic data tensors to remove noise by applying sparsity constraints through soft-thresholding or hard-thresholding operators. However, in these methods, considering that real seismic data are non-stationary and affected by noise, the variances of tensor coefficients are unknown and may be difficult to accurately estimate from the degraded seismic data, leading to undesirable noise suppression performance. In this paper, we propose a novel triply Laplacian scale mixture (TLSM) approach for seismic data noise suppression, which significantly improves the estimation accuracy of both the sparse tensor coefficients and hidden scalar parameters. To make the optimization problem manageable, an alternating direction method of multipliers (ADMM) algorithm is employed to solve the proposed TLSM-based seismic data noise suppression problem. Extensive experimental results on synthetic and field seismic data demonstrate that the proposed TLSM algorithm outperforms many state-of-the-art seismic data noise suppression methods in both quantitative and qualitative evaluations while providing exceptional computational efficiency.
- Abstract(参考訳): ポーラシティに基づくテンソルリカバリ法は, 地震データノイズを抑制する大きな可能性を示している。
これらの手法は、地震データテンソルに固有の低次元構造を計測し、ソフトスレッショルド演算子やハードスレッショルド演算子を通じて疎度制約を適用してノイズを除去する。
しかし, 実際の地震データは非定常であり, 騒音の影響を受けないため, テンソル係数のばらつきが不明であり, 劣化した地震データから正確に推定することは困難であり, 騒音抑制性能が低下する可能性がある。
本稿では,スカラーパラメータとスパーステンソル係数の両方の推定精度を大幅に向上させる,新しい3次元ラプラシアスケール混合(TLSM)による地震データノイズ抑圧手法を提案する。
最適化問題を管理するために,提案したTLSMに基づく地震データノイズ抑圧問題の解法として,乗算器アルゴリズムの交互方向法(ADMM)を用いる。
合成およびフィールド地震データに対する大規模な実験結果から,提案したTLSMアルゴリズムは,数値的・定性的な評価と計算効率の向上を両立させながら,多くの最先端の地震データノイズ抑圧法より優れていることが示された。
関連論文リスト
- Dataset Distillers Are Good Label Denoisers In the Wild [16.626153947696743]
ノイズ除去にデータセット蒸留を利用する新しい手法を提案する。
本手法は,既存の手法に共通するフィードバックループを回避し,訓練効率を向上させる。
各種ノイズ条件下での3つの代表的なデータセット蒸留法(DATM, DANCE, RCIG)を厳格に評価した。
論文 参考訳(メタデータ) (2024-11-18T06:26:41Z) - A Real Benchmark Swell Noise Dataset for Performing Seismic Data Denoising via Deep Learning [34.163242023030016]
本稿では, 実データ上に実装されたフィルタリングプロセスから抽出したノイズにより, 合成地震データからなるベンチマークデータセットを提案する。
地震探査のための新しいソリューションの開発を加速するためのベンチマークとして提案されている。
その結果, DLモデルは地震探査に有効であることがわかったが, 未解決の問題も残されている。
論文 参考訳(メタデータ) (2024-10-02T13:06:18Z) - Disentangled Noisy Correspondence Learning [56.06801962154915]
クロスモーダル検索は、モダリティ間の潜在対応を理解する上で重要である。
DisNCLはノイズ対応学習における特徴分散のための新しい情報理論フレームワークである。
論文 参考訳(メタデータ) (2024-08-10T09:49:55Z) - Study of Robust Direction Finding Based on Joint Sparse Representation [2.3333781137726137]
スパース信号回復(SSR)に基づく新しいDOA推定法を提案する。
グリッドミスマッチの問題に対処するために、交互最適化アプローチを用いる。
シミュレーションの結果,提案手法は大きな外れ値に対してロバスト性を示すことがわかった。
論文 参考訳(メタデータ) (2024-05-27T02:26:37Z) - Iso-Diffusion: Improving Diffusion Probabilistic Models Using the Isotropy of the Additive Gaussian Noise [0.0]
本稿では、DDPMの忠実度を高めるために、目的関数の制約として添加音の等方性を利用する方法を示す。
我々のアプローチは単純であり、DDPMの変種にも適用できる。
論文 参考訳(メタデータ) (2024-03-25T14:05:52Z) - SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。
本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。
既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
論文 参考訳(メタデータ) (2024-03-21T08:49:34Z) - Time-series image denoising of pressure-sensitive paint data by
projected multivariate singular spectrum analysis [0.0]
非定常感圧塗料(PSP)測定データのような時系列データは、かなりの量のランダムノイズを含む可能性がある。
本研究では,多変量特異スペクトル解析(MSSA)と低次元データ表現を組み合わせたノイズ低減手法について検討した。
論文 参考訳(メタデータ) (2022-03-15T00:49:15Z) - A Priori Denoising Strategies for Sparse Identification of Nonlinear
Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。
一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-01-29T23:31:25Z) - Learning Noise Transition Matrix from Only Noisy Labels via Total
Variation Regularization [88.91872713134342]
本稿では,雑音遷移行列を推定し,同時に分類器を学習する理論的基礎付け手法を提案する。
提案手法の有効性を,ベンチマークおよび実世界のデータセットを用いた実験により示す。
論文 参考訳(メタデータ) (2021-02-04T05:09:18Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳(メタデータ) (2020-09-29T21:17:16Z)
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。