n-th root entropy functions for blind deconvolution
Notice bibliographique
Résumé
Summary Minimum Entropy Deconvolution (MED) seeks to estimate a reflectivity series that consists of a small number of large spikes that can honor the seismic trace. We investigate a method to recover the reflectivity series based on n th -root entropy functions. This approach recovers comparatively small normalized reflectivity values and therefore, it attempts to diminish one of the shortcoming of the MED method. Synthetic data are used to test this family of entropy functions. Introduction MED is a deconvolution method proposed by Wiggins in 1978. The MED method belongs to the category of blind deconvolution methods as it attempts to recover simultaneously the seismic source wavelet and the seismic reflectivity. MED was an important attempt to bypass the classical minimum phase assumption made by spiking and predictive deconvolution techniques (Robinson and Treitel, 1980). Unfortunately, the MED technique tends to retrieve reflectivity sequences that are too sparse and therefore, it produces results with an unrealistic seismic character. One can propose a MED algorithm by maximizing a generalized entropy norm (Sacchi et al., 1994). A particular solution of the generalized entropy norm that depends on a particular choice of the entropy function was proposed by Wiggins (1978). However, there are different ways to define entropy norms by using different entropy functions. For example, logarithmic, quadratic and cubic entropy functions can be defined. The main problem with the entropy norms proposed so far is that they do not recover small amplitudes and they distort the relative amplitude of the reflection coefficients. In this work we present an n
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».