메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
조준현 (부경대학교) 하완수 (부경대학교)
저널정보
한국자원공학회 한국자원공학회지 한국자원공학회지 Vol.59 No.2
발행연도
2022.4
수록면
148 - 160 (13page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2022

[연구논문] 깊이별 분리 합성곱 신경망을 이용한 탄성파 속도 모델 구축
조준현 ,  하완수 한국자원공학회지 2022.04 학술저널

2021

깊이별 분리 합성곱 신경망을 이용한 속도 모델 구축
조준현 에너지자원공학과 2021.01 학위논문

초록· 키워드

오류제보하기
정확한 속도 모델 구축은 석유 가스 탐사를 위한 탄성파 자료처리에서 가장 중요한 작업 중 하나이다. 최근 심층 신경망 기법이 지구물리학 분야에서 큰 인기를 얻으면서, 일반 합성곱 신경망을 이용하여 속도 모델을 예측하는 연구들이 출판되고 있다. 본 연구에서는 속도 모델 구축을 위해 깊이별 분리 합성곱 층과 인코더-디코더 구조를 가진 신경망을 제안하였다. 이 신경망은 지도 학습 방식으로 훈련되며 시간 영역 파동장으로부터 P파 속도 모델을 예측한다. 이 신경망 구조의 핵심 부분인 깊이별 분리 합성곱은 입력 채널 별로 독립적으로 공간 방향의 합성곱을 수행한다. 깊이별 분리 합성곱을 이용하면 일반 합성곱에 비해 모델 매개변수 수를 크게 줄이면서 신경망의 성능을 개선할 수 있다. 훈련을 위해 생성한 합성 속도 모델들은 습곡, 단층 및 암염 구조 등 다양한 지질학적 특징을 포함한다. 깊이별 분리 합성곱을 이용한 신경망과 일반 합성곱을 이용한 신경망을 동일한 하이퍼파라미터 및 훈련 조건으로 비교 분석하였다. 실험 결과 깊이별 분리 합성곱 신경망이 일반 합성곱 신경망보다 속도 모델 구축 문제에서 더 효율적인 것으로 나타났다.
#deep neural networks #depthwise separable convolutions #velocity model building #심층 신경망 #깊이별 분리 합성곱 #속도 모델 구축

목차

Abstract
요약
서론
이론
합성 데이터 생성
신경망 훈련
결과
잡음 예제
토의
결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088365828