MétaCan
Menu
Retour à la cohorte
Enregistrement W4386220429 · doi:10.1111/1365-2478.13417

Understanding total variation regularization: Why can it recover dipping structures?

2023· article· en· W4386220429 sur OpenAlexaff
Jiajia Sun, Dominique Fournier

Notice bibliographique

RevueGeophysical Prospecting · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysical and Geoelectrical Methods
Établissements canadiensMira Geoscience (Canada)
Organismes subventionnairesnon disponible
Mots-clésRegularization (linguistics)GeologyInverse problemHydrogeologyInversion (geology)Variation (astronomy)GeophysicsAlgorithmComputer scienceGeodesyMathematicsSeismologyPhysicsMathematical analysisArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Many geological features of scientific and/or economic interest have structural orientations that are neither horizontal nor vertical. Being able to recover such dipping structures from geophysical inversions is, therefore, important. Different regularization strategies have been proposed to help recover dipping structures. One notable example is total variation. However, there seems to be a lack of understanding within the geophysical community regarding why total variation regularization allows dipping structures to be recovered, whereas L 1 norm regularization does not. In this paper, we compare these two regularization strategies from an optimization point of view using two simple block models. We also perform three‐dimensional inversions using a synthetic example and a field data example involving gravity gradient data to demonstrate the resolving power of total variation in potential field data inversion.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,460
Score d'incertitude au seuil0,699

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,252
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical ProspectingMême sujetGeophysical and Geoelectrical MethodsTravaux en français237 207