典型文献
基于改进AlexNet模型的断层识别方法
文献摘要：
从地震数据中识别断层在地震资料解释中至关重要,但随着勘探规模的扩大,传统的人工解释断层已满足不了实际生产需要.如何研究出一种能满足断层识别高精度需求并能提升运算速度的方法是急需解决的问题.为此,基于改进的AlexNet模型,把自动识别断层的方法看作图像识别二分类问题.首先将批量归一化代替局部响应归一化,加快模型收敛;其次引入平衡交叉熵损失,解决在地震数据中断层与非断层高度不平衡问题,使模型朝着正确的方向收敛;最后用卷积层代替全连接层,极大缩减了训练参数,加快了训练速度.训练的模型对理论数据和实际数据预测结果表明,改进的AlexNet模型充分学习了断层特征,具有可以从地震数据中识别断层的能力.
文献关键词：
AlexNet模型;断层识别;模式识别;批量归一化;平衡交叉熵损失
中图分类号：
作者姓名：
李辉
作者机构：
成都理工大学地球物理学院,四川成都610059
文献出处：
引用格式：
[1]李辉-.基于改进AlexNet模型的断层识别方法)[J].油气地质与采收率,2022(01):107-112
A类：
平衡交叉熵损失
B类：
AlexNet,断层识别,地震数据,地震资料解释,勘探,急需解决,自动识别,作图,图像识别,二分类问题,批量归一化,局部响应归一化,数据中断,层高,不平衡问题,卷积层,全连接层,训练速度,实际数据,数据预测,了断,断层特征,模式识别
AB值：
0.289445
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
