Поиск :
Личный кабинет :
Электронный каталог: Грубась, С. И. - Использование нейронных сетей для ускорения обработки данных поверхностного микросейсмического мо...
Грубась, С. И. - Использование нейронных сетей для ускорения обработки данных поверхностного микросейсмического мо...
Нет экз.
Электронный ресурс
Автор: Грубась, С. И.
Использование нейронных сетей для ускорения обработки данных поверхностного микросейсмического мо... : студенческая научная работа
Издательство: [Б. и.], 2019 г.
ISBN отсутствует
Автор: Грубась, С. И.
Использование нейронных сетей для ускорения обработки данных поверхностного микросейсмического мо... : студенческая научная работа
Издательство: [Б. и.], 2019 г.
ISBN отсутствует
На полку
Электронный ресурс
Грубась, С. И.
Использование нейронных сетей для ускорения обработки данных поверхностного микросейсмического мониторинга: выпускная квалификационная работа (бакалаврская работа) : студенческая научная работа / Новосибирский государственный университет ; Геолого-географический факультет ; Кафедра геофизики. – Новосибирск : [Б. и.], 2019. – 55 с. : ил.,схем., табл. – URL: https://biblioclub.ru/index.php?page=book&id=562705. – Режим доступа: электронная библиотечная система «Университетская библиотека ONLINE», требуется авторизация . – На рус. яз.
Настоящая работа посвящена использованию искусственных нейронных сетей для ускорения обработки данных поверхностного микросейсмического мониторинга.В первой части работы рассматривается аппроксимация времен пробега сейсмических волн. Выполнен подбор внутренних параметров нейронной сети и приведены результаты тестирования данного подхода в задаче локализации сейсмических событий. Приводится сравнение со стандартными подходами. Тестирование показало, что предлагаемый подход позволяет ускорить расчет времен пробега более чем в 10 раз и сократить объемы хранимой информации более чем в 1000 раз.Вторая часть посвящена применению нейронных сетей для решения уравнения эйконала. Разработан вид целевой функции обучения, в котором учтены условия на решение. Протестирована зависимость скорости обучения от числа условий на решение. Показано, что данный подход может быть использован для расчета времен пробега в произвольных скоростных моделях.В работе содержится 6 глав (в том числе введение, заключение и список используемой литературы). Объем составил 53 страницы, включая 23 рисунка и 2 таблицы. Было использовано 37 литературных источников.
Грубась, С. И.
Использование нейронных сетей для ускорения обработки данных поверхностного микросейсмического мониторинга: выпускная квалификационная работа (бакалаврская работа) : студенческая научная работа / Новосибирский государственный университет ; Геолого-географический факультет ; Кафедра геофизики. – Новосибирск : [Б. и.], 2019. – 55 с. : ил.,схем., табл. – URL: https://biblioclub.ru/index.php?page=book&id=562705. – Режим доступа: электронная библиотечная система «Университетская библиотека ONLINE», требуется авторизация . – На рус. яз.
Настоящая работа посвящена использованию искусственных нейронных сетей для ускорения обработки данных поверхностного микросейсмического мониторинга.В первой части работы рассматривается аппроксимация времен пробега сейсмических волн. Выполнен подбор внутренних параметров нейронной сети и приведены результаты тестирования данного подхода в задаче локализации сейсмических событий. Приводится сравнение со стандартными подходами. Тестирование показало, что предлагаемый подход позволяет ускорить расчет времен пробега более чем в 10 раз и сократить объемы хранимой информации более чем в 1000 раз.Вторая часть посвящена применению нейронных сетей для решения уравнения эйконала. Разработан вид целевой функции обучения, в котором учтены условия на решение. Протестирована зависимость скорости обучения от числа условий на решение. Показано, что данный подход может быть использован для расчета времен пробега в произвольных скоростных моделях.В работе содержится 6 глав (в том числе введение, заключение и список используемой литературы). Объем составил 53 страницы, включая 23 рисунка и 2 таблицы. Было использовано 37 литературных источников.