Multichannel singular spectrum analysis denoising and reconstruction for irregular grid (I-MSSA)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Multichannel Singular Spectrum Analysis (MSSA) allows simultaneous random noise reduction and reconstruction of multidimensional seismic data. Under ideal conditions, seismic data can be represented by low-rank matrices, but noise and missing traces affect this property. Then, MSSA iteratively applies rank-reduction algorithms to reconstruct the corrupted seismic volume. The method starts by reorganizing the samples in block Hankel matrices. Then, it applies a rank-reduction algorithm followed by antidiagonal averaging of reduced-rank block Hankel matrices to recover the signal. Finally, it implements an imputation scheme that recovers the denoised and reconstructed multidimensional seismic array. A significant shortcoming to the method is that MSSA requires input data on a regular grid. In essence, one adopts bin centered coordinates instead of using the actual coordinates of the seismic traces. Consequently, the MSSA reconstruction method does not honor exact spatial positions. We consider an inversion approach that reconstructs irregularly distributed data via MSSA. We minimize the misfit between the observed data and the reconstructed volume in the exact coordinates, subject to the low-rank constraint of the classical MSSA method. For this purpose, we propose an iterative process based on the Projected Gradient Descent algorithm on the exact data coordinates, while the MSSA filter operates on the regular output grid. We call the proposed new algorithm for irregular data I-MSSA. We explore two algorithms that use Projected Gradient Descent and compare their performance. We test the algorithms using synthetic examples. Finally, we propose an application of the I-MSSA algorithm to reconstruct a 3D prestack volume on the CMP domain, using cross-spread gathers. Presentation Date: Wednesday, October 14, 2020 Session Start Time: 8:30 AM Presentation Time: 8:55 AM Location: 360D Presentation Type: Oral
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle