机译:基于深度神经网络的复杂二元地质介质的新低维表示反演
Belgian Nucl Res Ctr, Engn & Geosyst Anal, Inst Environm Hlth & Safety, Mol, Belgium;
Normandie Univ, UNIROUEN, UNIHAVRE, INSA Rouen,LITIS, F-76000 Rouen, France;
Catholic Univ Louvain, IREC MIRO, Louvain La Neuve, Belgium|Catholic Univ Louvain, ICTEAM MLG, Louvain La Neuve, Belgium;
Belgian Nucl Res Ctr, Engn & Geosyst Anal, Inst Environm Hlth & Safety, Mol, Belgium;
Univ Lausanne, Appl & Environm Geophys Grp, Inst Earth Sci, Lausanne, Switzerland;
Low-dimensional parameterization; Complex geologic models; Inversion; Deep learning;
机译:基于主成分分析的复杂地质模型低维表示的一种新的可微分参数化
机译:深度神经网络揭示了整个腹侧神经代表的复杂性的梯度
机译:深度神经网络揭示了整个腹侧神经代表的复杂性的梯度
机译:基于神经元的神经网络与二元和多级识别问题中的密集深度神经网络有效
机译:学习具有深度散列技术的有效二进制表示,用于大规模多媒体相似性搜索
机译:深度神经网络揭示了整个腹侧神经代表的复杂性的梯度
机译:使用复杂二进制的新的低维表示的反演 基于深度神经网络的地质介质