Alapfogalmak
Durch Lernen auf der richtigen Klasse können zuverlässige Lösungen für inverse Probleme in der Gravimetrie erzielt werden.
Kivonat
In dieser Arbeit wird eine Lernstrategie für inverse Probleme in der Gravimetrie vorgestellt, bei der auf der richtigen Klasse gelernt wird. Aufgrund der Ill-Posedness inverser Probleme in der Gravimetrie ist die Zuverlässigkeit von Lernansätzen fragwürdig. Um dieses Problem zu lösen, schlagen die Autoren die Strategie des Lernens auf der richtigen Klasse vor.
Basierend auf Eindeutigkeitstheoremen kann die Domäne der Masse unter bestimmten Randbedingungen und bei Kenntnis der Dichte-Kontrast-Funktion eindeutig bestimmt werden. Dieses Domäne-inverse Problem stellt eine korrekte Klasse des inversen Gravimetrie-Problems dar. Innerhalb dieser korrekten Klasse wird ein neuronales Netzwerk entworfen, das die Level-Set-Formulierung für das inverse Gravimetrie-Problem nachahmt.
Numerische Beispiele zeigen, dass die Methode in der Lage ist, Massenmodelle mit nicht-konstanten Dichte-Kontrasten zu rekonstruieren. Darüber hinaus ist das End-to-End-neuronale Netzwerk sehr effizient.
Statisztikák
Die Schwerkraftdaten ∇U werden auf der Messfläche Σ0 mit 0-5% Gaußschen Rauschen simuliert.
Idézetek
"Dieses Domäne-inverse Problem stellt eine korrekte Klasse des inversen Gravimetrie-Problems dar."
"Innerhalb dieser korrekten Klasse wird ein neuronales Netzwerk entworfen, das die Level-Set-Formulierung für das inverse Gravimetrie-Problem nachahmt."