Standard

Применение машинного обучения для адаптивного вычитания кратных отраженных волн. / Камашев, Александр Максимович; Дучков, Антон Альбертович.

In: Геофизические технологии, No. 1, 5, 2023, p. 54-65.

Research output: Contribution to journal › Article › peer-review

Harvard

Камашев, АМ & Дучков, АА 2023, 'Применение машинного обучения для адаптивного вычитания кратных отраженных волн', Геофизические технологии, no. 1, 5, pp. 54-65. https://doi.org/10.18303/2619-1563-2023-1-54

APA

Камашев, А. М., & Дучков, А. А. (2023). Применение машинного обучения для адаптивного вычитания кратных отраженных волн. Геофизические технологии, (1), 54-65. [5]. https://doi.org/10.18303/2619-1563-2023-1-54

Vancouver

Камашев АМ, Дучков АА. Применение машинного обучения для адаптивного вычитания кратных отраженных волн. Геофизические технологии. 2023;(1):54-65. 5. doi: 10.18303/2619-1563-2023-1-54

Author

Камашев, Александр Максимович ; Дучков, Антон Альбертович. / Применение машинного обучения для адаптивного вычитания кратных отраженных волн. In: Геофизические технологии. 2023 ; No. 1. pp. 54-65.

BibTeX

@article{60d37f5ef418454b999098ae3c5ef468,
title = "Применение машинного обучения для адаптивного вычитания кратных отраженных волн",
abstract = "Данная работа посвящена разработке и тестированию алгоритма адаптивного вычитания кратных отраженных волн с помощью сверточной нейронной сети. Алгоритм является одним из основных этапов в методе подавления кратных отраженных волн, основанном на разделении волновых форм в области Радона. В работе рассматривается постановка задачи для нейронной сети, подготовка обучающего и тестового наборов данных и тестирование алгоритма. Использование сверточной нейронной сети позволяет автоматизировать и ускорить процедуру адаптивного вычитания. Тестирование алгоритма проводилось на синтетических данных и показало эффективную адаптацию кратных волн, а также важность корректного построения модели кратных отраженных волн.",
author = "Камашев, {Александр Максимович} and Дучков, {Антон Альбертович}",
note = "Камашев А.М., Дучков А.А. Применение машинного обучения для адаптивного вычитания кратных отраженных волн // Геофизические технологии. – 2023. – N 1. – С. 54-65. Разработка алгоритма адаптивного вычитания кратных отраженных волн осуществлялась при поддержке исследовательского проекта FSUS-2022-0019. Тестирование работы алгоритма осуществлялось при поддержке исследовательского проекта FWZZ-2022-0017.",
year = "2023",
doi = "10.18303/2619-1563-2023-1-54",
language = "русский",
pages = "54--65",
journal = "Геофизические технологии",
issn = "2619-1563",
publisher = "Федеральное государственное бюджетное учреждение науки Институт нефтегазовой геологии и геофизики имени А.А. Трофимука Сибирского отделения Российской академии наук",
number = "1",

}

RIS

TY - JOUR

T1 - Применение машинного обучения для адаптивного вычитания кратных отраженных волн

AU - Камашев, Александр Максимович

AU - Дучков, Антон Альбертович

N1 - Камашев А.М., Дучков А.А. Применение машинного обучения для адаптивного вычитания кратных отраженных волн // Геофизические технологии. – 2023. – N 1. – С. 54-65. Разработка алгоритма адаптивного вычитания кратных отраженных волн осуществлялась при поддержке исследовательского проекта FSUS-2022-0019. Тестирование работы алгоритма осуществлялось при поддержке исследовательского проекта FWZZ-2022-0017.

PY - 2023

Y1 - 2023

N2 - Данная работа посвящена разработке и тестированию алгоритма адаптивного вычитания кратных отраженных волн с помощью сверточной нейронной сети. Алгоритм является одним из основных этапов в методе подавления кратных отраженных волн, основанном на разделении волновых форм в области Радона. В работе рассматривается постановка задачи для нейронной сети, подготовка обучающего и тестового наборов данных и тестирование алгоритма. Использование сверточной нейронной сети позволяет автоматизировать и ускорить процедуру адаптивного вычитания. Тестирование алгоритма проводилось на синтетических данных и показало эффективную адаптацию кратных волн, а также важность корректного построения модели кратных отраженных волн.

AB - Данная работа посвящена разработке и тестированию алгоритма адаптивного вычитания кратных отраженных волн с помощью сверточной нейронной сети. Алгоритм является одним из основных этапов в методе подавления кратных отраженных волн, основанном на разделении волновых форм в области Радона. В работе рассматривается постановка задачи для нейронной сети, подготовка обучающего и тестового наборов данных и тестирование алгоритма. Использование сверточной нейронной сети позволяет автоматизировать и ускорить процедуру адаптивного вычитания. Тестирование алгоритма проводилось на синтетических данных и показало эффективную адаптацию кратных волн, а также важность корректного построения модели кратных отраженных волн.

UR - https://elibrary.ru/item.asp?id=53821087

UR - https://www.mendeley.com/catalogue/d0272322-67c9-3f25-83f7-7a365da1c38a/

U2 - 10.18303/2619-1563-2023-1-54

DO - 10.18303/2619-1563-2023-1-54

M3 - статья

SP - 54

EP - 65

JO - Геофизические технологии

JF - Геофизические технологии

SN - 2619-1563

IS - 1

M1 - 5

ER -

ID: 59461008