基于深度潜在空间表示协方差的 RECOVAR：用于地震事件检测
机器学习
2024-10-18 v2 地球物理
机器学习
摘要
虽然现代深度学习方法在地震检测问题上显示出巨大潜力，但目前最成功的方法仍基于监督学习，这需要大量带有真实标签的数据集。数据集的 curated 过程既耗时又易引发系统性偏差，导致跨数据集泛化困难，进而限制了其普遍适用性。本文开发了一种无监督方法，用于地震检测，该方法无需访问真实标签即可从原始波形中学习地震检测。该方法的性能与某些最先进的监督方法相当，甚至在某些方面更好。此外，该方法在强大的跨数据集泛化性能方面表现突出。该算法利用深度自编码器学习在数据压缩瓶颈后重现波形，并在瓶颈处使用基于简单交叉协方差的触发算法进行标记。该方法可能对来自其他领域的时间序列数据集具有用途。
引用
@article{arxiv.2407.18402,
title = {RECOVAR: Representation Covariances on Deep Latent Spaces for Seismic Event Detection},
author = {Onur Efe and Arkadas Ozakin},
journal= {arXiv preprint arXiv:2407.18402},
year = {2024}
}