用深度学习求解走时层析成像
数值分析
2019-11-27 v1 机器学习
数值分析
摘要
本文引入一种基于程函方程的神经网络方法来求解二维走时层析成像（TT）问题。TT的数学问题是根据波穿过介质的传播时间边界测量来恢复介质的慢度场。这一逆映射是高维且非线性的。对于圆形层析几何，扰动分析表明正演映射可近似为角方向上的向量化卷积算子。受此及滤波反投影的启发，我们利用近期提出的BCR-Net提出一种用于逆映射的高效神经网络架构，其权重由训练数据集学习得到。数值结果展示了所提神经网络的效率。
引用
@article{arxiv.1911.11636,
title = {Solving Traveltime Tomography with Deep Learning},
author = {Yuwei Fan and Lexing Ying},
journal= {arXiv preprint arXiv:1911.11636},
year = {2019}
}
备注
17 pages, 7 figures. arXiv admin note: text overlap with arXiv:1910.04756