- 博客(26)
- 收藏
- 关注
RSS订阅原创 地震勘探之静校正
而且近地表还存在风化层或低、降速带低、降速带的厚度和速度会发生变化，这就导致反射波的传播时间除了与地下地质因素有关外，还与近地表因素有关。指的是将由近地表调查方法直接测得的近地表参数计算的校正量所进行的时移过程。地震静校正的原因主要是为了消除地震数据中的静态偏移和畸变，以确保地震数据的准确性和可靠性。对于同一个地震道而言，反射波的深浅不会影响该地震道上的校正量，但共中心点道集却是不同的。某一个地震道从浅到深的校正量是一样的，所以称之为“静”校正。而共中心点道集的校正量从浅到深是变化的，称为“动”校正。
2024-01-02 17:33:34
508
原创 地震勘探原理之反褶积
由于地震波在地下传播时存在散射和衰减等效应，使得地震记录中的反射波具有较大的宽度，降低了分辨率。在地震记录上，一个反射界面的反射波，对应着一个延续时长为几十毫秒的波形。由于地下反射界面一般是由相距几米或者几十米的底层交错组成，他们发出的反射波到达时间一般相差几毫秒或几十毫秒，所以它们在地震记录上发生干涉，难以分开。反射系数序列是一个随机过程，意味着地震记录具有地震子波的特征，也就是地震记录和地震子波自相关和振幅谱相似。如果考虑干扰波的影响，那么实际的地震记录就满足如下图的公式。地震资料数据常规处理流程。
2024-01-01 22:31:24
1516
原创 以人机对话为例简单了解transformer原理
尝试用本人瞎琢磨的歪理去理解这个过程：这个模型的关键是多头注意力机制，它可以得到多个单词之间的attention权重矩阵，并通过后面的解码过程得到相关性最强的几个单词，再连成一句话，就可以实现人机对话的功能。具体的来说，就是我们通过训练，使得机器学习到，“How are you”与“I am fine thank you”这几个单词之间相关性较强，因此当你输入“How are you”就很有可能输出已经习得的“I am fine thank you”。
2023-12-28 22:11:52
876
原创 论文结构感悟
目录题目摘要与关键词引言部分正文部分文献综述数学理论算法伪代码实验部分结论与展望参考文献学习了闵老师的论文写作课，我认为我学到最多的、印象最深刻的还是行文结构部分，因此做下总结与感悟。题目摘要与关键词引言部分正文部分文献综述数学理论算法伪代码实验部分结论与展望参考文献
2023-10-29 22:19:24
94
原创 DL-FWI网络结构的区别与联系
下采样部分会逐渐丢失特征与空间信息，而上采样会逐渐恢复图像尺寸，在上采样操作添加skip connection操作，更充分地融合浅层特征和深层特征，将丢失的空间信息重新插入到特征中，也会更加充分利用空间信息。原数据的尺寸是（6，1000，7），首先在时间维度上降维，将图像下采样为方形（128，32，32），接着两个方向同时降维，变成（512，1，1）。将（512，1，1）的高维向量解码，使用反卷积上采样，两个方向同时升维，最后通过一个Tanh激活函数的卷积操作得到最终的结果。
2023-10-19 22:33:52
163
原创 matplotlib初学
目录常用对象figureline2D常用方法plt.subplot()plt.show()plt.plot()plt.axis()plt.title()plt.xlable()plt.xticks()plt.text()plt.bar()plt.pie()plt.hist()常用对象figureline2D常用方法plt.subplot()plt.show()plt.plot()plt.axis()plt.title()plt.xlable()plt.xticks()plt.te
2023-09-19 17:27:50
58
原创 主动学习之ALEC
主动学习是机器学习领域中的一种策略，其目标是在模型的训练过程中，通过选择最有益于提高模型性能的样本进行标注，从而减少标注数据的需求，加速模型收敛并提高模型性能。在主动学习中，模型通常会挑选那些难以分类或不确定性较高的样本进行标注，以便提升对这些难以区分的样本的分类能力。评估模型： 使用一部分已标注数据进行模型评估，看看模型在这些数据上的性能是否有所提升。迭代： 重复步骤2-4，选择新的样本、标注并更新模型，以逐步提升模型的性能。标注样本： 选定的样本被标注，将其加入到训练数据中，然后重新训练模型。
2023-08-26 19:30:09
44
原创 AdaBoosting集成学习
AdaBoost通过迭代训练一系列的弱分类器，并根据之前分类错误的样本来调整训练样本的权重，使得后续的分类器更加关注分类错误的样本，从而提高整体的分类性能。每个弱分类器只能在某些数据子集上表现较好，但通过逐步调整训练样本的权重，使得分类错误的样本在后续的训练中得到更多的关注，从而使得弱分类器的集成能够取得更好的分类效果。Boosting（提升法）：通过迭代地训练一系列的基学习器，每次迭代都会对之前学习器分类错误的样本进行加权处理，使得后续学习器更加关注分类错误的样本，以提高整体的预测能力。
2023-08-18 22:46:02
50
原创 周报（7.23--7.30）
上周我完成了地震反演的学习，并将学到的三种算法总结成了博客，但是仍残留了些问题，因此我开始学习bp神经网络与cnn神经网络。
2023-07-26 16:33:37
50
原创 地震正演培训
地震波传播到介质中断层处时，界面的波阻抗出现差异导致波发生反射和透射，是一种自然的物理现象。在自然传播情况中，地球介质可被视为无限大的区域，但在数值模拟中，受到计算量的限制，可模拟的地震波传播区域大小受限。因而模拟计算区域必定存在人工边界。就是差分单元，那么再结合上面的二位声波方程就可以得到如下的差分后方程。对连续的偏导形式进行差分处理，实现离散化。按照上面提到过的泰勒级数处理，得到。以上是有限差分实现代码，图像如下。研究平面声波的传播行为，即。是声压（声波的压力变化），
2023-07-26 16:26:35
116
原创 Java实现BP神经网络
BP神经网络的过程主要分为两个阶段，第一阶段是信号的前向传播，从输入层经过隐含层，最后到达输出层；第二阶段是误差的反向传播，从输出层到隐含层，最后到输入层，依次调节隐含层到输出层的权重和偏置，输入层到隐含层的权重和偏置。这个类实现了一些具体且固定的Ann流程方法，如：读取文件并为属性赋值的构造方法、实现模型训练的train()方法以及实现激活函数的argmax()方法。其中线性运算可以将所有输入的值都作为有效输入信息抓入网络，非线性运算可以消除输入的线性结构。是待更新变量，另一个是学习率。
2023-07-24 19:51:23
1047
原创 周报(7.17--7.23)
本周工作完成了反演培训，仔细研究了代码，并且把自己的理解做成了博客正在做java实现CNN部分内容，已经将已完成部分做成了博客出现问题反演培训的三个算法中，主要了解了这些算法的网络结构设计、核心操作还有代码部分，但对于训练过程还是很模糊，因此想要做Java实现CNN，以帮助自己对该过程有更加深刻的了解。在Java实现CNN过程中，出现了同样的问题，通过抄写代码和查资料，我已经搞清楚了大部分内容，但对于以下核心部分还是很模糊，如：forward 预测、backPropagation 设置惩罚信
2023-07-21 11:46:27
50
原创 Java实现CNN
局部连接：全连接层是一种稠密连接方式，而卷积层却只使用卷积核对局部进行处理，这种处理方式其实也刚好对应了图像的特点。在视觉识别中，关键性的图像特征、边缘、角点等只占据了整张图像的一小部分，相隔很远的像素之间存在联系和影响的可能性是很低的，而局部像素具有很强的相关性，也即：CNN可以保存更多的空间信息。共享参数：如果借鉴全连接层的话，对于1000×1000大小的彩色图像，一层全连接层便对应于三百万数量级维的特征，即会导致庞大的参数量，不仅计算繁重，还会导致过拟合。
2023-07-21 00:17:27
416
原创 SeisInvNet
在这种网络结构中,地震数据在输入到网络之前会经过了一系列嵌入手段来对数据的空间进行了重构 (编码), 并通过DNN来进行空间对齐, 最后用CNN对对齐数据进行训练 (解码)。在之后的Improve SeisInvNet Architecture 在原SeisInvNet网络基础上, 扩宽了嵌入操作维度范围, 在一定程度上提升了SeisInvNet的效果, 同时, 提出了更多的模拟地层结构的仿真手段来弥补原SeisInvNet的泛化性不足的问题。
2023-07-14 23:48:00
75
原创 InversionNet
InversionNet构建了一个具有编码器与解码器的端到端卷积神经网络结构，以模拟地震数据与速度模型之间的关系。输入地震数据的通道数为6，时间维度为1000，表示为6100032，编码器将特征调整为51211的形式，最后解码器将其拟合为17575的速度模型。
2023-07-13 22:26:56
126
原创 M-distance推荐
前几项数据如下：0,0,50,1,30,2,40,3,30,4,30,5,50,6,40,7,10,8,50,9,3其中0,0,5说明0号用户为0号电影评分为5。
2023-06-09 16:55:55
53
原创 Java实现KNN
在特征空间中统计k个距离最近的样本的标签，选择最多的标签最为自己的标签。可以采用多种距离计算策略，如曼哈顿距离、欧氏距离。KNN是非参且惰性的。优点：实现简单、训练快（惰性）、效果好、对异常值不敏感缺点：时空复杂度都高、需要合适的归一化等。
2023-06-08 16:02:37
560
1
原创 用Java实现排列组合
用Java实现排列组合#可重复的排列import java.util.Stack;public class 排列_可重复 { //结果集 static Stack<Integer> stack = new Stack<Integer>(); //树根 static int[] A = new int[] {1,2,3}; //结果位置以及结果数量 static int end = 3,num = 0; public st
2021-03-06 16:35:42
451
原创 期末考总结
期末考总结期末考结果并不理想，没有达到我预期的标准。现在回想，有以下原因：首先，做题心态受到影响。其实之前几道挺顺利，我也用了自己总结的做题方法。但后面我就渐渐松懈了，没有将我的做题方法贯彻始终，其实这也和时间有限有很大关系。因此，我需要锻炼我的心智，做到在任何情景下都要处变不惊，沉着应对。其次，就是自身实力问题了，可能自己在数据输入这方面有欠缺，有道题的相应环节出现了问题，导致丢分，甚至还使得...
2020-01-02 12:54:31
192
1
原创 汉诺塔
#汉诺塔汉诺塔问题是一个经典的问题。汉诺塔（Hanoi Tower），又称河内塔，源于印度一个古老传说。大梵天创造世界的时候做了三根金刚石柱子，在一根柱子上从下往上按照大小顺序摞着64片黄金圆盘。大梵天命令婆罗门把圆盘从下面开始按大小顺序重新摆放在另一根柱子上。并且规定，任何时候，在小圆盘上都不能放大圆盘，且在三根柱子之间一次只能移动一个圆盘。有如下题目：一根柱子上有n个圆盘，现...
2019-12-17 21:11:51
224
原创 猴子当大王
题目描述：m只猴子，选择一位大王，要求按照序号1、2、3…m排序，从1开始报数，若报到n，则出局，并从下只猴子开始继续由一报数，以此类推。最后剩下的猴子成为大王。思路分析：由具体到一般，选择一种比较简单的情况来分析，并将其全过程简单模拟，以便得到思路。举个例子：有7个猴子，当报到3时退出。利用还原法分析该过程：猴1报1，猴2报2，猴3报3，出局！以上过程我可以模拟为设置一个循环，循环变量i从1...
2019-12-05 17:23:26
666
原创 2019.11.26 考后总结
2019.11.26 考后总结刚拿道题，发现大量的基础语法题目，而这些是我的弱项，因为平时对于这类题目练习太少。而后遇到了编程题，发现了比较新颖的递归题目，尽管需要思考，但我还是做了出来。而遇到后面的折半查找问题时，由于没有练过，不太熟练再加之时间紧张，我没有使用这种方法而是选择了一种更为省时而且我也更为熟悉的方法。综上所述，我的问题在于对于基础知识的把控。因此，我也应当把重心放...
2019-11-28 22:25:40
152
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人