9 апреля (вторник) 2024 г. в 15:00 в конференц-зале корпуса геофизики ИНГГ СО РАН (к. 315) состоится аспирантский научный семинар:
ОПТИМИЗАЦИЯ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ УМЕНЬШЕНИЯ ЧИСЛЕННОЙ ДИСПЕРСИИ ДЛЯ ПОСТОБРАБОТКИ РЕЗУЛЬТАТОВ ЧИСЛЕННОГО МОДЕЛИРОВАНИЯ СЕЙСМИЧЕСКИХ ПОЛЕЙ
Докладчик: Гадыльшина Ксения Александровна, младший научный сотрудник лаборатории вычислительной физики горных пород
Аннотация: Численное моделирование сейсмических волновых полей на основе конечно-разностного метода с постобработкой искусственной нейронной сетью эффективно снижает требования к вычислительным ресурсам без потери точности. В ходе численного моделирования выполняется следующий алгоритм: на первом этапе весь набор сейсмограмм быстро вычисляется конечно-разностным методом на грубой расчетной сетке. Набор неточных сейсмограмм анализируется на предмет отбора наиболее представительных, которые войдут в обучающий набор данных для искусственной нейронной сети. На втором этапе в пары к отобранным сейсмограммам рассчитывается волновое поле на мелкой сетке для тех же источников. На заключительном этапе уменьшающая численную дисперсию искусственная нейронная сеть обучается и применяется ко всему набору данных. Генерация обучающего набора самая трудоемкая часть алгоритма. При отборе равномерно распределенных источников качественная работа искусственной нейронной сети достигается за счет обучения на наборе в 10% от всей выборки. В дальнейшем машинное время снижается за счет уменьшения обучающей выборки на основе анализа метрики на множестве сейсмограмм. А за счет уменьшения размера подающихся на вход искусственной нейронной сети сейсмических данных при отображении в частотную область появляется возможность разрешать трехмерные задачи.