小红花·文摘
  • 首页
  • 广场
  • 排行榜🏆
  • 直播
  • FAQ
Dify.AI

本论文提出了一种基于物理信息神经网络 (PINNs) 的直接微震成像框架,可以处理非常稀疏的记录数据并生成聚焦的源图像,以解决数据稀疏性导致的混淆问题,并使用多频率波场和倒数傅里叶变换来提取源图像,并引入因果损失以提高 PINNs 的收敛性,针对 Overthrust 模型和液压压裂现场数据进行数值实验,证明该方法可以正确成像单个或多个源。

多任务逆问题中的自加权贝叶斯物理推测神经网络和鲁棒估计在孔隙尺度溶解成像中的应用

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2023-08-24T00:00:00Z
  • <<
  • <
  • 1 (current)
  • >
  • >>
👤 个人中心
在公众号发送验证码完成验证
登录验证
在本设备完成一次验证即可继续使用

完成下面两步后,将自动完成登录并继续当前操作。

1 关注公众号
小红花技术领袖公众号二维码
小红花技术领袖
如果当前 App 无法识别二维码,请在微信搜索并关注该公众号
2 发送验证码
在公众号对话中发送下面 4 位验证码
小红花技术领袖俱乐部
小红花·文摘:汇聚分发优质内容
小红花技术领袖俱乐部
Copyright © 2021-
粤ICP备2022094092号-1
公众号 小红花技术领袖俱乐部公众号二维码
视频号 小红花技术领袖俱乐部视频号二维码