用于序列中罕见事件检测的软注意力卷积神经网络
信号处理
2020-11-05 v1
摘要
序列中的自动化事件检测是时序数据分析的一个重要方面。事件可表现为峰值、数据分布变化、频谱特征变化等形式。在本工作中，我们提出一种基于软注意力卷积神经网络（CNN）的序列罕见事件检测方法。为演示目的，我们在测井曲线上进行实验，旨在检测刻画地质层变化（又称井顶/标记）的事件。测井曲线（单变量或多变量）被输入软注意力 CNN，并训练模型以定位标记位置。注意力机制使机器能够相对缩放与该任务相关的测井特征。实验结果表明，我们的方法能够高精度地定位罕见事件。
引用
@article{arxiv.2011.02338,
title = {Soft Attention Convolutional Neural Networks for Rare Event Detection in Sequences},
author = {Mandar Kulkarni and Aria Abubakar},
journal= {arXiv preprint arXiv:2011.02338},
year = {2020}
}
备注
Accepted at NeuralIPS 2020 workshop on AI for Earth Sciences