机读格式显示(MARC)

• 000 01744nam 2200313 450

• 001 0000491574

• 005 20241212144600.0

• 010 __ |a 978-7-03-074988-8 |d CNY128.00

• 100 __ |a 20230512d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 油气地震勘探数据重建与去噪 |A you qi di zhen kan tan shu ju chong jian yu qu zao |e 从稀疏表示到深度学习 |f 张岩著

• 210 __ |a 北京 |c 科学出版社 |d 2023

• 215 __ |a 219页 |c 图 |d 24cm

• 225 2_ |a 博士后文库 |A bo shi hou wen ku

• 306 __ |a 中国博士后科学基金资助出版

• 320 __ |a 有书目

• 330 __ |a 本书共10章, 分成五部分。第一部分 (第1章和第2章) 阐述地震数据重建、去噪的研究背景及意义, 简述稀疏表示基本原理、多尺度几何分析、字典学习, 以及压缩感知的基本理论与应用框架; 简述深度学习的基本原理、地震数据重建与去噪数据样本组织方法, 包括理论引导数据科学正演生成模拟样本的过程, 以及实际样本增广的方法。第二部分 (第3章和第4章) 在压缩感知框架下, 分别基于曲波、波原子稀疏表示重建地震数据, 保留地震数据主要特征。第三部分 (第5章和第6章) 分别基于结构聚类、多道相似组局部超完备字典稀疏表示, 压制地震数据随机噪声, 保持地震数据细节特征。第四部分 (第7章和第8章) 分别基于联合傅里叶域、小波域特征约束的深度学习重建地震数据, 加强数据纹理细节信息。第五部分 (第9章和第10章) 分别基于联合傅里叶域约束、两阶段神经网络的深度学习压制地震数据噪声, 增强网络模型的泛化能力。

• 410 _0 |1 2001 |a 博士后文库

• 517 1_ |a 从稀疏表示到深度学习 |A cong xi shu biao shi dao shen du xue xi

• 606 0_ |a 油气勘探 |A you qi kan tan |x 数据处理 |x 研究

• 606 0_ |a 地震勘探 |A di zhen kan tan |x 地质数据处理 |x 研究

• 690 __ |a P618.130.8 |v 5

• 690 __ |a P631.4 |v 5

• 701 _0 |a 张岩 |A zhang yan |4 著

• 801 _0 |a CN |b 湖北三新 |c 20230512

• 905 __ |a AUSTL |d P618.130.8/Z911