2025.5.1 FWI入门培训总结（1）

第一条：CNN

1.基本概念：中文名卷积神经网络，是一种深度学习架构，其原理类似于人脑视觉处理机制，通过模拟生物神经元对视觉信息的局部感知特性，识别并处理图像等网格化数据。

2.卷积核：卷积核的作用类似于一个滤镜,能够过滤掉图像中的噪声、增强图像的特征。 卷积核通常是一个矩阵,它的大小和形状可以根据不同的任务进行调整。类似于左边基向量。

3.卷积操作（查的资料）：使用可移动的卷积核（滤波器）在输入数据上进行滑动计算，对局部区域进行元素乘积求和，提取边缘、纹理等底层特征。例如，一个3×3的卷积核扫描图像时，每次计算局部9个像素的加权和，形成特征图。

第二条：编码与解码

1.Why：机器与人类对事物的理解是不一样的，我们需要了解事物数据的本质，对数据进行特征提取和降维，以便更好地处理和识别图像。

2.How（自我总结）：

        1）编码是将原始数据借助卷积核（初始随机的特征矩阵）通过多次的特征提取和降维，将数据压缩成低维核心特征信息，去除冗余信息。

        2）解码是将编码得到的低维信息通过卷积核（与编码的不同）进行反向操作，逐步恢复数据的空间维度和特征细节信息，（最后重构出接近于原始输入的数据<自编码器才这么干>），最后重构出目标数据（从中文翻译成英文，地震数据反演出来的速度模型）。

        3）在训练网络时，需要不断地解码和编码，通过不断的识别调整，解码出一个最佳结果。