研究人员开发了一个名为RD-SCL的新框架，用于少样本声阻抗成像，这是由于标记数据有限和地震子波未知而导致的地下分析中的一个挑战性问题。该方法集成了正则化反褶积与半监督交叉学习，具有一个可微分的反褶积算子，可在训练期间动态估计潜在子波。在SEAM和Marmousi 2基准上的实验表明，RD-SCL在准确性和效率方面优于现有方法，使用的可学习参数更少，运行时间也具有竞争力。 AI
影响 这项研究为地下分析提供了一种更有效且物理上一致的解决方案，有可能提高地震成像的准确性。
排序理由 该集群包含一篇详细介绍特定科学问题新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
