Abstract: Предлагается оригинальный способ построения обучающего набора данных для нейронной сети NDM-net (Numerical Dispersion Mitigation neural network), подавляющей численную дисперсию при моделировании сейсмических волновых полей. NDM-net обучается отображать вычисленное на грубой сетке решение системы уравнений динамической теории упругости в рассчитанное на мелкой сетке. Данные сейсмограмм для обучения NDM-net предварительно рассчитываются на мелкой сетке, что является трудоемкой процедурой. Для снижения вычислительных затрат алгоритма время обучения необходимо сокращать без потери точности. В качестве эффективной метрики для генерации обучающего набора данных рассматривается линейная комбинация трех метрик: расстояния между источниками, меры сходства сейсмограмм и меры сходства скоростных моделей. Коэффициенты линейной комбинации определяются с помощью глобального анализа чувствительности.

Cite: Гондюл Е.А. , Лисица В.В. , Гадыльшин К.Г. , Вишневский Д.М.
Оптимизация тренировочного набора данных для подавляющей численную дисперсию нейронной сети NDM-NET
Вычислительные методы и программирование (Numerical methods and programming). 2024. Т.25. №2. С.155-174. DOI: 10.26089/NumMet.v25r213 РИНЦ OpenAlex

Dates:

Submitted:	Jan 31, 2024
Accepted:	Mar 16, 2024
Published print:	Jun 22, 2024
Published online:	Jun 22, 2024

Identifiers:

Elibrary:	67859933
OpenAlex:	W4395958653

Citing: Пока нет цитирований

Altmetrics: