PulseAugur
中
实时 07:47:34
English(EN) Evaluating PhaseNet on Teleseismic Data with MsPASS

PhaseNet 工作流提高地震波探测精度

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种使用 PhaseNet 机器学习模型的新工作流，以提高远震数据的地震波探测能力。该工作流在 MsPASS 中实现，与在区域数据上训练的模型相比，P波拾取的召回率显著提高了 700% 以上。虽然增加模型大小提高了准确性，但推理速度却急剧下降，这表明与 CPU 相比，GPU 更适合扩展此应用程序。 AI

影响 提高了地震数据分析的准确性，可能有助于地震探测和研究。

排序理由 该集群包含一篇学术论文，详细介绍了机器学习模型的新方法和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

PhaseNet 工作流提高地震波探测精度

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇学术论文，详细介绍了机器学习模型的新方法和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
94 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jinxin Ma, Yinzhi Wang, Gary L. Pavlis, Chenbo Yin ·

    在远震数据上使用 MsPASS 评估 PhaseNet

    arXiv:2605.22837v1 Announce Type: cross Abstract: Numerous studies have shown that the machine-learning picker PhaseNet produces accurate P and S picks on local earthquake signals, but its performance can degrade sharply on teleseismic signals. To address this limitation, we pres…

相关实体

相关话题