用简单学习模型取胜：检测荷兰格罗宁根地区的地震
计算机视觉与模式识别
2020-07-09 v1 地球物理
摘要
深度学习正迅速成为跨越各学科解决长期研究问题的潜在颠覆性工具。尽管其在各学科取得成功，近期深度学习被过度使用的趋势令许多机器学习从业者担忧。最近，地震学家也展示了深度学习算法在检测低震级地震中的功效。此处我们借助带特征提取的逻辑回归模型重新审视地震事件检测问题。我们从跨学科时间序列分析方法收集的巨大时间序列运算数据库中选取具有良好判别力的特征。使用一个仅含五个可训练参数的简单学习模型，我们检测出来自格罗宁根气田的若干低震级诱发地震，而这些地震未出现在目录中。我们注意到，更简单模型的额外优势在于所选特征有助于我们理解数据集中存在的噪声与事件类别。由于简单模型易于维护、调试、理解与训练，通过本研究我们强调在不仔细权衡更简单替代方案的情况下使用深度学习可能是一种危险的追求。
引用
@article{arxiv.2007.03924,
title = {Winning with Simple Learning Models: Detecting Earthquakes in Groningen, the Netherlands},
author = {Umair bin Waheed and Ahmed Shaheen and Mike Fehler and Ben Fulcher},
journal= {arXiv preprint arXiv:2007.03924},
year = {2020}
}