卷積神經(jīng)網(wǎng)絡(luò)中批量規(guī)范化層的使用對(duì)地震數(shù)據(jù)去噪的影響分析
時(shí)間：2023-11-20
界關(guān)注重點(diǎn)在于各種不同深度學(xué)習(xí)算法和相關(guān)的網(wǎng)絡(luò)結(jié)構(gòu)形式，以及不同標(biāo)簽數(shù)據(jù)對(duì)算法效果的影響，較少關(guān)注數(shù)據(jù)
集本身的差異對(duì)深度學(xué)習(xí)算法的應(yīng)用效果影響。本文以卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN）算法中批量
規(guī)范化層（Batch Normalization）對(duì)地震數(shù)據(jù)去噪的影響分析為例，通過(guò)理論公式和應(yīng)用效果的對(duì)比分析，提出了基
于地震數(shù)據(jù)特征分析下的批量規(guī)范化層的使用建議。批量規(guī)范化層的使用依賴于數(shù)據(jù)集的統(tǒng)計(jì)分布特征，只有當(dāng)訓(xùn)練
集的歸一化能量分布集中在能量較強(qiáng)的區(qū)域，批量規(guī)范化層的使用才會(huì)提升網(wǎng)絡(luò)的效果。但通常情況下，在地震數(shù)據(jù)
去噪的應(yīng)用中，不建議使用批量規(guī)范化層。這些特征為深度學(xué)習(xí)算法在地震數(shù)據(jù)去噪應(yīng)用中的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)提供了有
價(jià)值的參考。