一次性解决 DL-FWI 论文题目问题

摘要: 小组做同一方向研究时, 面临题目容易冲突的问题. 本文分析一篇 DL-FWI 涉及的几个方面, 以此来完全解决论文命名问题。

1. 反演结果

反演结果可以按几种方式划分.

1.1 数据的维度

1.1.1 1D

反演的结果是 1D, 其实容易有较好的普适性. 相应的输入, 一般是共中心点道集.

1.1.2 2D

反演的结果是 2D, 一般需要输入为多炮.

1.1.2 3D

当前采集的许多现场数据是 3D 的, 所以也支持 3D 结果的反演, 但这样需要的存储和计算资源很大.

1.2 模型的格式

1.2.1 层速度

这是默认格式, 一般来说, 提及速度模型就是它.

1.2.2 平均速度

时间深度对应的是平均速度.

1.2.3 叠加速度

在水平层状介质的情况下, 叠加速度就等于均方根速度; 在倾斜层状介质的情况下, 叠加速度就等于均方根速度乘以倾角的余弦.

1.2.4 均方根速度

2. 地质特点

现阶段, 我们并不需要获得一个到处可用的深度模型, 还是有些针对性更好.

2.1 地层深度

2.1.1 深层数据

2.1.2 浅层数据

2.2 大陆与海洋

2.2.1 大陆数据

2.2.2 海洋数据

2.3 构造特点

2.3.1 断层数据

2.3.2 盐体数据

3. 网络搭建方式

网络搭建可以按几种方式划分.

3.1 网络的基于操作

3.1.1 CNN

主要是卷积操作, 把数据看成是图片.

3.1.2 可变形卷积

比卷积更高级.

3.1.3 RNN

主要是循环操作, 把数据看成是时序.

3.1.4 LSTM

比 RNN 更高级.

3.1.5 Transformer

比 LSTM 更高级.

3.1.6 Inception相关模块

张星移建议.

3.2 网络框架

3.2.1 Encoder-decoder

编码解码器网络.

3.2.2 UNet

比 Encoder-decoder 更高级, 也是主流.

3.2.3 GAN

生成对抗网络.

3.2.4 Multi-head network

可以有多个编码、解码器, 可以做多任务.

3.2.5 多阶段结合型网络

就是多个网络结构的结合体, 或者迭代网络. 张星移建议.

3.3 可选模块

3.3.1 Deep prior

深度先验用其它数据 (如图片数据) 获得的模型, 直接插入网络里面使用 (plug-and-play).
参考 http://fansmale.com/downloadRAR/publicationPdf/2022FPOCS(Minfan).pdf

3.3.2 Multi-scale residual dense network

参考 http://fansmale.com/downloadRAR/publicationPdf/2022MSRDN(GaoLei).pdf

3.3.3 PINN

Physics-informed neural network, 可将物理规律直接做成模块, 像 Deep prior 一样使用.

3.3.4 RTM先验

张星移建议.

3.3.5 FWI梯度算子的先验

张星移建议.

4. 训练数据生成方式

4.1 声波数据

4.2 弹性波数据

4.3 带边界条件的弹性波数据

5. 数据训练的方式

5.1 迁移学习

5.2 多任务学习

5.3 域自适应学习

5.4 持续学习

6. 题目例子

有了前面的分析, 其实已经可以写出非常多的题目了. 如:
1.1.1 + 2.3.1 + 3.2.2 + 4.1 + 5.1 = 基于UNet与迁移学习的一维断层数据反演方法
如果做的是本科毕业论文, 只需要在后面加上"设计与实现".

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/590280.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

每天刷两条道题——第三天

1.1两两交换链表中的节点 给你一个链表,两两交换其中相邻的节点,并返回交换后链表的头节点。你必须在不修改节点内部的值的情况下完成本题(即,只能进行节点交换) 输入:[1,2,3,4] 输出:[2,1,4,3…

路由懒加载及路由参数

路由懒加载 叙述:路由的懒加载是一种优化技术,用于在需要时按需加载路由组件,而不是在应用程序初始化时一次性加载所有路由组件。 routes: [{path: /login,// 路由懒加载component: () > import(/views/LoginComp),// 命名路由name: log…

QDialog

属性方法 样式表 background-color: qlineargradient(spread:reflect, x1:0.999896, y1:0.494136, x2:1, y2:1, stop:0 rgba(0, 0, 0, 255), stop:1 rgba(255, 255, 255, 255));border: 1px groove rgb(232, 232, 232);border-radius: 20px; QDialog 的常用方法: e…

3.5.3 伪操作

在C语言中,为了编程方便,编译器会定义一系列与处理命令,并用#来标识,如#include,#define,#if,#else,#end等。这些预处理命令并不是真正的C语言关键字,而是为了编程方便&a…

前端 js 基础(1)

js 结果输出 &#xff08;点击按钮修改文字 &#xff09; <!DOCTYPE html> <html> <head></head><body><h2>Head 中的 JavaScript</h2><p id"demo">一个段落。</p><button type"button" onclic…

基于PHP的校园代购商城系统

有需要请加文章底部Q哦 可远程调试 基于PHP的校园代购商城系统 一 介绍 此校园代购商城系统基于原生PHP开发&#xff0c;数据库mysql&#xff0c;前端bootstrap。系统角色分为用户和管理员。(附带参考设计文档) 技术栈&#xff1a;phpmysqlbootstrapphpstudyvscode 二 功能 …

2023/12/30 c++ work

定义一个Person类&#xff0c;私有成员int age&#xff0c;string &name&#xff0c;定义一个Stu类&#xff0c;包含私有成员double *score&#xff0c;写出两个类的构造函数、析构函数、拷贝构造和拷贝赋值函数&#xff0c;完成对Person的运算符重载(算术运算符、条件运算…

03 团队研究进一步详细介绍

一、印第安纳大学邢璐祎课题组 【团队网站】 https://www.xing-luyi.com/ 【团队介绍】 研究以形式化方法为特色&#xff0c;并保证系统中的安全性和隐私合规性&#xff0c;特别是物联网、云、移动和软件供应链。 【团队成果汇总】 物联网系统&#xff1a;[Oakland24][Se…

骑砍战团MOD开发(30)-游戏大地图map.txt

骑砍1战团mod开发-大地图制作方法_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1rz4y1c7wH/ 一.骑砍游戏大地图 骑砍RTS视角游戏大地图 大地图静态模型(map.txt) 军团/城镇图标(module_parties.py). 骑砍大地图的战争迷雾和天气通过API进行管理和控制: # Weather-h…

Spring Boot 配置文件

文章目录 一、什么是配置文件二、Spring Boot 配置文件2.1 概念2.2 配置文件的格式 三、properties 配置文件说明3.1 properties 基本语法3.2 读取配置文件3.3 properties 缺点分析 四、 yml 配置文件说明4.1 yml 基本语法4.2 yml 的使用4.3 关于单双引号4.4 yml 优缺点 五、验…

分库分表之Mycat应用学习五

5 Mycat 离线扩缩容 当我们规划了数据分片&#xff0c;而数据已经超过了单个节点的存储上线&#xff0c;或者需要下线节 点的时候&#xff0c;就需要对数据重新分片。 5.1 Mycat 自带的工具 5.1.1 准备工作 1、mycat 所在环境安装 mysql 客户端程序。 2、mycat 的 lib 目录…

48、激活函数 - 梯度消失和梯度爆炸

简单介绍下梯度消失和梯度爆炸,这个不是重点,但是我觉得有必要再深入了解这个概念,以及很多激活函数为什么是可以防止梯度消失的。 梯度消失和梯度爆炸实际上是在神经网络训练过程中经常会遇到的两类问题,这两类问题都与梯度有关。 什么是梯度 在神经网络训练中,梯度是指…

深度学习 | Transformer模型及代码实现

Transformer 是 Google 的团队在 2017 年提出的一种 NLP 经典模型&#xff0c;现在比较火热的 Bert 也是基于 Transformer。Transformer 模型使用了 Self-Attention 机制&#xff0c;不采用 RNN 的顺序结构&#xff0c;使得模型可以并行化训练&#xff0c;而且能够拥有全局信息…

一年百模大战下来,有哪些技术趋势和行业真相逐渐浮出水面?

介绍 本人是独立开源软件开发者&#xff0c;参与很多项目建设&#xff0c;谈下感受。 ChatGPT开始AI生成元年&#xff0c;经历一年依然是第一。 LLaMA的巧合开启开源大模型浪潮。 名词解释 AIGC : AI-Generated Content 指利用人工智能技术&#xff08;生成式AI路径&#x…

类和接口

内容大部分来源于学习笔记&#xff0c;随手记录笔记内容以及个人笔记 对象Object java是面向对象的语言&#xff0c;一个对象包含状态和行为 可以这样理解&#xff0c;我眼前的石头&#xff0c;手里水杯&#xff0c;这些具体到某一个个体&#xff0c;这就是对象&#xff1b;…

非科班,培训出身,怎么进大厂?

今天分享一下我是怎么进大厂的经历&#xff0c;希望能给大家带来一点点启发&#xff01; 阿七毕业于上海一所大学的管理学院&#xff0c;在读期间没写过一行 Java 代码。毕业之后二战考研失利。 回过头来看&#xff0c;也很庆幸这次考研失利&#xff0c;因为这个时候对社会一…

外贸网站显示不安全警告怎么办?消除网站不安全警告超全指南

外贸网站显示不安全警告怎么办&#xff1f;当用户访问你的网站&#xff0c;而您的网站没有部署SSL证书实现HTTPS加密时&#xff0c;网站就会显示不安全警告&#xff0c;这种警告&#xff0c;不仅有可能阻止用户继续浏览网站&#xff0c;影响网站声誉&#xff0c;还有可能影响网…

OpenOCD简介和下载安装(Ubuntu)

文章目录 OpenOCD简介OpenOCD软件模块OpenOCD源码下载OpenOCD安装 OpenOCD简介 OpenOCD&#xff08;Open On-Chip Debugger&#xff09;开放式片上调试器 OpenOCD官网 https://openocd.org/&#xff0c;进入官网点击 About 可以看到OpenOCD最初的设计是由国外一个叫Dominic Ra…

红队打靶练习:SAR: 1

目录 信息收集 1、arp 2、netdiscover 3、nmap 4、nikto 5、whatweb 小结 目录探测 1、gobuster 2、dirsearch WEB CMS 1、cms漏洞探索 2、RCE漏洞利用 提权 get user.txt 本地提权 信息收集 1、arp ┌──(root㉿ru)-[~/kali] └─# arp-scan -l Interface:…

写在2024年初,软件测试面试笔记总结与分享

大家好&#xff0c;最近有不少小伙伴在后台留言&#xff0c;得准备年后面试了&#xff0c;又不知道从何下手&#xff01;为了帮大家节约时间&#xff0c;特意准备了一份面试相关的资料&#xff0c;内容非常的全面&#xff0c;真的可以好好补一补&#xff0c;希望大家在都能拿到…