基于深度学习模型集成与dropout层的地震波信号不确定性估计
机器学习
2024-10-10 v1 数据分析、统计与概率
摘要
深度学习模型在诸多领域已展现卓越成就，包括地震学。然而，深度学习的主要挑战之一是误标记样本的存在。此外，准确估计模型不确定性也是机器学习中的另一个挑战。本研究开发了用于基于第一运动极性分类地震波形的卷积神经网络(CNN)。我们使用不同设置训练了多个CNN模型，还构建了网络集成以进行不确定性估计。结果表明，每种训练设置均取得满意的性能，集成方法在不确定性估计方面优于单个网络。我们观察到，采用dropout层可增强网络集成的不确定性估计能力。此外，不同训练设置之间的比较表明，采用dropout可提高网络对误标记样本的鲁棒性。
引用
@article{arxiv.2410.06120,
title = {Uncertainty estimation via ensembles of deep learning models and dropout layers for seismic traces},
author = {Giovanni Messuti and ortensia Amoroso and Ferdinando Napolitano and Mariarosaria Falanga and Paolo Capuano and Silvia Scarpetta},
journal= {arXiv preprint arXiv:2410.06120},
year = {2024}
}