报告题目:纽约州立大学访学交流
报 告 人:王俊秋
报告时间 :2019年4月24日上午8:30开始
报告地点 :地质宫330海光学术报告厅
主办单位 :太阳成集团tyc151cc
报告简介:
随着压缩感知、稀疏表示等理论的提出与发展,以高于 Nyquist 采样频率的方式进行采样不再是无失真信号采集的一个必要条件了。利用“Matrix completion”可以实现无线传感器网络数据采集,分时、分空间的最少化抽样采集数据并最大化恢复全量数据,该方法已经应用到气象数据的采集及处理上,取得了较好的效果。借鉴此项技术,在能够稀疏表示地震信号的基础之上,数据采集系统可以使用较低的采样率、较低的采集密度对地震数据进行采集,且不丧失信号的关键特征。
GAN是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一,在图像领域得到了广泛的应用。地震勘探中,在获得随机采样的地震数据后,可借鉴此项技术,将数据进行重构以进行正常的后续处理,恢复其原始的分辨率。