集成长短期记忆（EnLSTM）网络
信号处理
2020-12-15 v2 机器学习
机器学习
摘要
本研究提出一种集成长短期记忆（EnLSTM）网络，其可在小数据集上训练并处理序列数据。EnLSTM 通过结合集成神经网络（ENN）与级联长短期记忆（C-LSTM）网络构建，以利用二者互补优势。为解决因小数据问题本质导致的过收敛与扰动补偿等训练失败问题，引入了模型参数扰动与高保真观测扰动方法。在公开数据集上，EnLSTM 与常用模型进行比较，被证明在生成测井曲线方面为最先进模型，均方误差（MSE）降低 34%。在案例研究中，基于随钻测井（LWD）数据生成了 12 条钻进中无法测量的测井曲线。EnLSTM 能在实践中降低成本并节省时间。
引用
@article{arxiv.2004.13562,
title = {Ensemble long short-term memory (EnLSTM) network},
author = {Yuntian Chen and Dongxiao Zhang},
journal= {arXiv preprint arXiv:2004.13562},
year = {2020}
}
备注
18 pages, 3 figures, including Supporting Information