利用生成对抗网络生成地质相中未表示的占比
机器学习
2022-05-12 v1
摘要
本工作中，我们研究生成对抗网络（GANs）在地质数据集中插值与外推相占比的能力。这些具有未表示（即缺失）占比的新生成实现被假定属于同一原始数据分布。具体而言，我们设计了一个条件 GANs 模型，可将生成的相导向训练集中未出现的新占比。所述研究包含对各种训练设置与模型架构的探究。此外，我们设计了新的条件化例程以改进缺失样本的生成。所述在二值与多相图像上的数值实验显示出良好的地质一致性以及与目标条件的强相关性。
引用
@article{arxiv.2203.09639,
title = {Generating unrepresented proportions of geological facies using Generative Adversarial Networks},
author = {Alhasan Abdellatif and Ahmed H. Elsheikh and Gavin Graham and Daniel Busby and Philippe Berthet},
journal= {arXiv preprint arXiv:2203.09639},
year = {2022}
}