-
公开(公告)号：CN118655619B
公开(公告)日：2025-03-11
申请号：CN202410809832.1
申请日：2024-06-21
Applicant: 大连海事大学
IPC: G01V1/28 , G01V1/30 , G06N3/0455
Abstract: 本发明提供一种基于深度神经网络的多尺度、多层次地震速度图像反演系统，包括CTFWI模型，CTFWI模型包括多层次多尺度编码器和解码器，其中：多层次多尺度编码器用于提取同时包含二维空间信息和全局信息的多层次多尺度地震数据特征；解码器用于将多层次多尺度编码器提取的多层次多尺度地震数据特征进行形状恢复，输出地震速度图像。多层次多尺度编码器包括预处理单元和四个特征交互单元，四个特征交互单元层层递进，特征的层次不断加深，尺度也在不断变小，最终可以提取同时包含二维空间信息和全局信息的多层次多尺度的特征。CTFWI模型在解码器中引入了评价门，能够筛选出更好的特征像素，提升生成速度图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN118655778A
公开(公告)日：2024-09-17
申请号：CN202410681813.5
申请日：2024-05-29
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明一种基于Koopman建模的城市交通网的边界控制方法，包括以下步骤：通过交通基础设施和交通运载工具采集的道路中车辆的数量,构建非线性多区域车辆动态守恒方程组；为克服上述动态守恒方程组的非线性性，基于可扩展的动态模式分解算法，建立基于Koopman算子的线性多区域车辆动态守恒矩阵方程组；构建受控于该线性多区域车辆动态守恒矩阵方程组的基于模型预测控制的最优边界控制问题；依据精确罚函数法和梯度的方法，求解上述最优边界控制问题，得到相应的边界控制策略，一定程度缓解城市交通拥堵问题。与现有的边界控制方法相比，本发明的边界控制方法具有更强的泛化能力和可解释性。
-
公开(公告)号：CN117521763A
公开(公告)日：2024-02-06
申请号：CN202410009132.4
申请日：2024-01-04
Applicant: 大连海事大学
IPC: G06N3/082 , G06N3/0464
Abstract: 本发明提供一种融合组正则化剪枝和重要性剪枝的人工智能模型压缩方法，包括：对深度卷积神经网络中的权重和偏置进行初始化，并初始化组正则化惩罚因子；将交叉熵损失函数和组正则化损失函数相加得到网络训练的总损失函数；根据总损失函数进行反向传播，计算损失函数的梯度，更新网络的权重和偏置，以最小化损失函数；通过多次迭代的训练过程，不断优化权重和偏置，得到训练完善的网络参数；在训练结束后，对网络进行剪枝操作，压缩网络模型；对剪枝后的网络进行微调训练。本发明方法在组正则化剪枝中，根据权重组的重要性自适应地调整惩罚因子，使用自适应调整的惩罚因子，能够更合理地对网络进行剪枝，更好地保留对网络性能有重要贡献的权重组。
-
公开(公告)号：CN118655619A
公开(公告)日：2024-09-17
申请号：CN202410809832.1
申请日：2024-06-21
Applicant: 大连海事大学
IPC: G01V1/28 , G01V1/30 , G06N3/0455
Abstract: 本发明提供一种基于深度神经网络的多尺度、多层次地震速度图像反演系统，包括CTFWI模型，CTFWI模型包括多层次多尺度编码器和解码器，其中：多层次多尺度编码器用于提取同时包含二维空间信息和全局信息的多层次多尺度地震数据特征；解码器用于将多层次多尺度编码器提取的多层次多尺度地震数据特征进行形状恢复，输出地震速度图像。多层次多尺度编码器包括预处理单元和四个特征交互单元，四个特征交互单元层层递进，特征的层次不断加深，尺度也在不断变小，最终可以提取同时包含二维空间信息和全局信息的多层次多尺度的特征。CTFWI模型在解码器中引入了评价门，能够筛选出更好的特征像素，提升生成速度图像的质量。
-
公开(公告)号：CN117890978A
公开(公告)日：2024-04-16
申请号：CN202410302937.8
申请日：2024-03-18
Applicant: 大连海事大学
Abstract: 本发明提供一种基于视觉Transformer的地震速度图像生成方法。利用基于视觉Transformer的地震速度图像生成系统生成地震速度图像，包括：获取地震数据，并对地震数据进行预处理，得到地震数据集；将地震数据集划分成训练集和测试集；对地震速度图像生成系统的参数进行初始化；选定优化器，并设置优化器中的Beta参数值；使用均方误差损失、均绝对误差损失、感知损失等损失函数的组合函数作为总损失函数，对地震速度图像生成系统进行训练；选择需要生成地震速度图像的数量，作为输入数据；输出地震速度的数据，并将数据进行可视化；本发明将视觉Transformer引入到全波形反演问题中，能够捕获地震数据图中的全局信息，实现地震数据中信息的远程交互，生成质量更高的地震速度图像。
-
公开(公告)号：CN117890978B
公开(公告)日：2024-05-10
申请号：CN202410302937.8
申请日：2024-03-18
Applicant: 大连海事大学
Abstract: 本发明提供一种基于视觉Transformer的地震速度图像生成方法。利用基于视觉Transformer的地震速度图像生成系统生成地震速度图像，包括：获取地震数据，并对地震数据进行预处理，得到地震数据集；将地震数据集划分成训练集和测试集；对地震速度图像生成系统的参数进行初始化；选定优化器，并设置优化器中的Beta参数值；使用均方误差损失、均绝对误差损失、感知损失等损失函数的组合函数作为总损失函数，对地震速度图像生成系统进行训练；选择需要生成地震速度图像的数量，作为输入数据；输出地震速度的数据，并将数据进行可视化；本发明将视觉Transformer引入到全波形反演问题中，能够捕获地震数据图中的全局信息，实现地震数据中信息的远程交互，生成质量更高的地震速度图像。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
