用深度卷积神经网络学习复杂介质的速度模型
机器学习
2024-05-14 v1 声音
音频与语音处理
摘要
本文考虑基于边界测量获取复杂介质速度模型的问题。采用声学模型描述介质。我们使用开源的速度分布数据集，以便将所呈现的结果与先前工作直接比较。正演建模采用网格特征数值方法进行。反问题使用深度卷积神经网络求解。针对基线UNet架构提出了改进，以提升速度剖面与真实值在结构相似性指数度量（SSIM）上的定量对应。我们评估了这些改进并证明了结果的统计显著性。
引用
@article{arxiv.2110.08626,
title = {Learning velocity model for complex media with deep convolutional neural networks},
author = {A. Stankevich and I. Nechepurenko and A. Shevchenko and L. Gremyachikh and A. Ustyuzhanin and A. Vasyukov},
journal= {arXiv preprint arXiv:2110.08626},
year = {2024}
}
备注
14 pages, 6 figures, 6 tables