2025 新生 DL-FWI 培训

摘要: 本贴给出 8 次讨论式培训的提纲, 每次培训 1 小时.

1. Basic concepts

主动学习: 提问, 理解, 继续追问. 通过不断迭代, 逐步提升问题的质量, 加深理解.

  • 1.1 Seismic exploration

    问 DeepSeek (下同): 为什么进行地震勘探?

    问: 地震勘探一般的深度是多少?

  • 1.2 Sesmic data processing -- regular process

    问: 如何进行地震数据处理?

    反过来思考: "什么是地震数据处理" 这个问题不太合适, 因为地震数据采集, 数据处理, 数据解释是三个人为定义的步骤.

    地震数据处理有哪几类方法?

    期待的答案是: 常规, 基于正演模拟, 深度学习三大类, 但 DS 给的分类方式不同.

  • 1.3 Full waveform inversion

    问: 基于正演模拟的全波形反演是怎么做的? 有哪些具体的优势与劣势?

  • 1.4 Deep learning-based full waveform inversion

    问: 深度全波形反演是怎么做的? 有哪些具体的优势与劣势?

2. Network structure

  • 2.1 InversionNet
    Encoder-decorder structure
    为什么要进行编码与解码?
    机器与人类对事物的理解是不一样的. 我们需要知道数据的本质, 需要对数据进行压缩、表征.
    例: 两个实数表示一个二维坐标点. 能不能用一个实数表示? 一般是不行的. 特殊情况呢, 例如在一条线上的坐标点.
    方法 1: 只记录横坐标即可.
    方法 2: 记录该点到原点的距离. 原始基向量为 ( 1 , 0 ) (1, 0) (1,0) 和 (0, 1). 形成一组新的基向量: ( 2 / 2 , 2 / 2 ) (\sqrt{2}/2, \sqrt{2}/2) (2 /2,2 /2), ( 2 / 2 , − 2 / 2 ) (\sqrt{2}/2, - \sqrt{2}/2) (2 /2,−2 /2). 点 ( 1 , 1 ) (1, 1) (1,1)在新的坐标系下变成 ( 2 , 0 ) (\sqrt{2}, 0) (2 ,0).
    基向量是怎么来的? 可以观察、学习获得.

神经网络试图原始地震数据, 获得它的内部表示 (可以看成一类压缩), 解码成速度模型. 卷积核就是学习出来的, 类似于基向量的东西.

学习 PCA, 理解降维.

  • 2.2 FCNVMB
    UNet
  • 2.3 DDNet
    Multi-task

3. Network components

  • 3.1 Deformable convolution
  • 3.2 Spatial attention module

4. Loss function

  • 4.1 Pixel: L1 and L2
  • 4.2 Boundary

5. Training

  • 5.1 Curriculum learning
  • 5.2 Transfer learning
  • 5.3 Domain adaptation

6. Observation system

7. Problem statement

  • 7.1 1D CMP based inversion
  • 7.2 2D velocity inversion

8. Chellenges

  • 8.1 Data distribution
    Transfer learning
  • 8.2 Data size
    Too big
  • 8.3 Dataset size
    Few field data
  • 8.4 Interpretability
    PINN: Physics informed neural network
相关推荐
CV-杨帆1 小时前
论文阅读:2024 ICML In-Context Unlearning: Language Models as Few-Shot Unlearners
论文阅读·人工智能·语言模型
小彭努力中2 小时前
13.THREE.HemisphereLight 全面详解(含 Vue Composition 示例)
开发语言·前端·javascript·vue.js·深度学习·数码相机·ecmascript
国际云,接待4 小时前
甲骨文云2025深度解析:AI驱动的云原生生态与全球化突围
运维·服务器·人工智能·云原生·性能优化·云计算·量子计算
星图云4 小时前
金融风控的“天眼”:遥感技术的创新应用
大数据·人工智能
每天都要写算法(努力版)4 小时前
【神经网络与深度学习】探索全连接网络如何学习数据的复杂模式,提取高层次特征
深度学习·神经网络·学习
CV-杨帆4 小时前
论文阅读:2024 EMNLP User Inference Attacks on Large Language Models
论文阅读·人工智能·语言模型
界面开发小八哥4 小时前
界面控件DevExpress WPF v25.1预览 - AI功能增强(语义搜索)
人工智能·wpf·界面控件·devexpress·ui开发·.net 9
禺垣5 小时前
AdaBoost算法的原理及Python实现
人工智能·python·算法·机器学习·数据挖掘·adaboost·集成学习
joseanne_josie5 小时前
读论文笔记-LLaVA:Visual Instruction Tuning
论文阅读·人工智能
qq_508576095 小时前
混淆矩阵(Confusion Matrix)横坐标
人工智能·算法·机器学习