基于对称式空洞卷积神经网络的地震资料去噪方法研究
| 摘要 | 第4-5页 |
| Abstrct | 第5-9页 |
| 第1章引言 | 第9-15页 |
| 1.1研究背景及意义 | 第9-10页 |
| 1.2国内外研究现状 | 第10-13页 |
| 1.2.1传统去噪方法研究现状 | 第10-12页 |
| 1.2.2卷积神经网络去噪方法研究现状 | 第12-13页 |
| 1.3论文研究内容及安排 | 第13-15页 |
| 1.3.1研究内容 | 第13页 |
| 1.3.2论文结构 | 第13-15页 |
| 第2章卷积神经网络的基本原理 | 第15-26页 |
| 2.1卷积神经网络算法原理 | 第15-21页 |
| 2.1.1正向传播 | 第15-16页 |
| 2.1.2激活函数 | 第16-18页 |
| 2.1.3损失函数 | 第18-19页 |
| 2.1.4反向传播 | 第19-21页 |
| 2.1.5梯度下降法 | 第21页 |
| 2.2卷积神经网络的结构 | 第21-25页 |
| 2.2.1特征图 | 第22-23页 |
| 2.2.2边缘填充 | 第23-24页 |
| 2.2.3局部连接 | 第24-25页 |
| 2.2.4权值共享 | 第25页 |
| 2.3本章小结 | 第25-26页 |
| 第3章基于对称式空洞卷积神经网络的去噪方法 | 第26-37页 |
| 3.1DnCNN | 第26-29页 |
| 3.1.1残差学习 | 第26-27页 |
| 3.1.2批标准化 | 第27-28页 |
| 3.1.3DnCNN去噪原理 | 第28-29页 |
| 3.1.4DnCNN的网络结构 | 第29页 |
| 3.2SDCNN去噪原理 | 第29-34页 |
| 3.3训练准备 | 第34-36页 |
| 3.3.1样本集的制作 | 第34-35页 |
| 3.3.2训练配置 | 第35页 |
| 3.3.3训练参数 | 第35-36页 |
| 3.4本章小结 | 第36-37页 |
| 第4章去噪数值试验 | 第37-49页 |
| 4.1简单模型数值试验 | 第37-42页 |
| 4.2复杂模型数值试验 | 第42-48页 |
| 4.3本章小结 | 第48-49页 |
| 第5章实际资料应用 | 第49-59页 |
| 5.1应用实例A | 第49-54页 |
| 5.2应用实例B | 第54-58页 |
| 5.3本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间取得学术成果 | 第65页 |
