[發(fā)明專利]基于框架集的p階張量深度學(xué)習(xí)的多維地震數(shù)據(jù)去噪方法有效
| 申請(qǐng)?zhí)枺?/td> | 202210292980.1 | 申請(qǐng)日: | 2022-03-24 |
| 公開(kāi)(公告)號(hào): | CN114662045B | 公開(kāi)(公告)日: | 2023-05-09 |
| 發(fā)明(設(shè)計(jì))人: | 錢峰;鄭丙偉;王彥;劉章波;李惠敏;胡光岷 | 申請(qǐng)(專利權(quán))人: | 電子科技大學(xué) |
| 主分類號(hào): | G01V1/28 | 分類號(hào): | G01V1/28;G06F17/14;G06F17/15;G06F17/16;G06N3/04;G06N3/088;G01V1/36;G06F18/10 |
| 代理公司: | 成都虹盛匯泉專利代理有限公司 51268 | 代理人: | 王偉 |
| 地址: | 611731 四川省成*** | 國(guó)省代碼: | 四川;51 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 框架 張量 深度 學(xué)習(xí) 多維 地震 數(shù)據(jù) 方法 | ||
1.基于框架集的p階張量深度學(xué)習(xí)的多維地震數(shù)據(jù)去噪方法,其特征在于,包括:
S1、將待處理的帶噪地震數(shù)據(jù),通過(guò)框架變換,轉(zhuǎn)換為帶噪框架域地震數(shù)據(jù);利用框架變換來(lái)代替FFT,從而得到p階張量積的框架表示的定義;作為替換之后的結(jié)果,將M-D張量表示為:
其中這個(gè)矩陣包括了np個(gè)濾波器和l層中間層,其中ωp=(np-1)l+1,考慮框架變換的酉擴(kuò)展定理性質(zhì),得到其中,XW表示用框架變換來(lái)代替FFT之后,輸入M-D張量的表示;
時(shí)域中基于框架的p階張量積:假設(shè)為n1×r×n3×…×np張量,為r×n2×n3×…×np張量,張量積是p階張量,大小為n1×n2×n3×…×np,定義如下:
*w為自定義的乘法,代表在框架域中做張量積,該乘法的結(jié)果為等式右側(cè)部分,兩個(gè)字符是一塊的;*w這個(gè)過(guò)程中會(huì)用到框架變換,框架變換會(huì)用到框架變換矩陣W;將基于框架的p階張量積表示為框架域而不是傅里葉域中的切片的矩陣乘積,定義為:
根據(jù)卷積定理,將張量積(16)在頻域中轉(zhuǎn)換為矩陣乘法:
其中,表示的重構(gòu),表示的重構(gòu);
S2、將帶噪框架域地震數(shù)據(jù)輸入tNN神經(jīng)網(wǎng)絡(luò),得到去噪后的框架域地震數(shù)據(jù);
S3、對(duì)框架域地震數(shù)據(jù)進(jìn)行框架反變換,得到去噪后的地震數(shù)據(jù)。
2.根據(jù)權(quán)利要求1所述的基于框架集的p階張量深度學(xué)習(xí)的多維地震數(shù)據(jù)去噪方法,其特征在于,tNN神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中的損失函數(shù)表示為:
其中,ρ(·)表示無(wú)監(jiān)督目標(biāo)函數(shù),表示訓(xùn)練樣本中的M-D圖像,hΘ()表示去噪器,yn表示訓(xùn)練樣本中的帶噪地震數(shù)據(jù),Θ表示權(quán)重,N表示訓(xùn)練樣本的數(shù)量。
3.根據(jù)權(quán)利要求2所述的基于框架集的p階張量深度學(xué)習(xí)的多維地震數(shù)據(jù)去噪方法,其特征在于,ρ(·)的表達(dá)式為:
其中,K表示正整數(shù),yi表示帶噪M-D地震圖像,表示噪聲方差。
4.根據(jù)權(quán)利要求3所述的基于框架集的p階張量深度學(xué)習(xí)的多維地震數(shù)據(jù)去噪方法,其特征在于,hΘ(yn)表達(dá)式為:
其中,σ表示噪聲方差,*w表示在框架域中做張量積,表示第l層的權(quán)重集,表示第l-1層的偏置集,表示第l-1層的權(quán)重集,表示第l層的偏置集,表示第0層的權(quán)重集,表示第0層的偏置集。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于電子科技大學(xué),未經(jīng)電子科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210292980.1/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 基于快速?gòu)埩眶敯裟P偷囊曨l前景提取方法
- 運(yùn)算方法及相關(guān)方法和產(chǎn)品
- 張量寄存器文件
- 一種張量轉(zhuǎn)置方法、裝置、計(jì)算機(jī)及存儲(chǔ)介質(zhì)
- 一種基于張量的背景減除方法及系統(tǒng)
- 分解后的多維圖像的存儲(chǔ)、顯示和分析
- 在深度神經(jīng)網(wǎng)絡(luò)中利用激活稀疏性
- 一種基于張量鏈分解的流式數(shù)據(jù)增量處理方法及裝置
- 一種基于浮動(dòng)車數(shù)據(jù)加權(quán)張量重建的交通狀態(tài)估計(jì)方法
- 基于廣播機(jī)制進(jìn)行張量計(jì)算的方法、裝置、芯片及介質(zhì)





