Buchumschlag

Discovery and inversion of the viscoelastic wave equation in inhomogeneous media

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Su, Ding, Yi, Miyake, Hiroe, Li, Xiaojun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Geophysics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Physics-informed Neural Networks with Fourier Features for Seismic Wavefield Simulation in Time-Domain Nonsmooth Complex Media
von: Ding, Yi, et al.
Veröffentlicht: (2024)

RED-DiffEq: Regularization by denoising diffusion models for solving inverse PDE problems with application to full waveform inversion
von: Shan, Siming, et al.
Veröffentlicht: (2025)

Geophysical inverse problems with measurement-guided diffusion models
von: Ravasi, Matteo
Veröffentlicht: (2025)

Bayesian geoacoustic inversion using mixture density network
von: Wu, Guoli, et al.
Veröffentlicht: (2020)

On the role of memorization in learned priors for geophysical inverse problems
von: Siahkoohi, Ali, et al.
Veröffentlicht: (2026)

Bayesian full waveform inversion with sequential surrogate model refinement
von: Meles, Giovanni Angelo, et al.
Veröffentlicht: (2025)

Full waveform inversion with CNN-based velocity representation extension
von: Mu, Xinru, et al.
Veröffentlicht: (2025)

Physics-informed waveform inversion using pretrained wavefield neural operators
von: Huang, Xinquan, et al.
Veröffentlicht: (2025)

Dual-space posterior sampling for Bayesian inference in constrained inverse problems
von: Siahkoohi, Ali, et al.
Veröffentlicht: (2026)

Geological and Well prior assisted full waveform inversion using conditional diffusion models
von: Wang, Fu, et al.
Veröffentlicht: (2024)

Parametric modeling of shear wave velocity profiles for the conterminous U.S
von: Sanger, Morgan D., et al.
Veröffentlicht: (2025)

Inspired by machine learning optimization: can gradient-based optimizers solve cycle skipping in full waveform inversion given sufficient iterations?
von: Mu, Xinru, et al.
Veröffentlicht: (2025)

Stochastic full waveform inversion with deep generative prior for uncertainty quantification
von: Xie, Yuke, et al.
Veröffentlicht: (2024)

A new practical and effective source-independent full-waveform inversion with a velocity-distribution supported deep image prior: Applications to two real datasets
von: Song, Chao, et al.
Veröffentlicht: (2025)

Leveraging generative adversarial networks with spatially adaptive denormalization for multivariate stochastic seismic data inversion
von: Miele, Roberto, et al.
Veröffentlicht: (2025)

Interpretable AI-Driven Discovery of Terrain-Precipitation Relationships for Enhanced Climate Insights
von: Xu, Hao, et al.
Veröffentlicht: (2023)

Seismic inversion using hybrid quantum neural networks
von: Vashisth, Divakar, et al.
Veröffentlicht: (2025)

Initial Model Incorporation for Deep Learning FWI: Pretraining or Denormalization?
von: Chen, Ruihua, et al.
Veröffentlicht: (2025)

Discovery of physically interpretable wave equations
von: Cheng, Shijun, et al.
Veröffentlicht: (2024)

Functional-prior-based approaches to Bayesian PDE-constrained inversion using physics-informed neural networks
von: Agata, Ryoichiro, et al.
Veröffentlicht: (2026)

Wavelet Packet-Based Diffusion Model for Ground Motion Generation with Multi-Conditional Energy and Spectral Matching
von: Ding, Yi, et al.
Veröffentlicht: (2026)

Data-driven solar forecasting enables near-optimal economic decisions
von: Dai, Zhixiang, et al.
Veröffentlicht: (2025)

Multi-Constitutive Neural Network for Large Deformation Poromechanics Problem
von: Zhang, Qi, et al.
Veröffentlicht: (2020)

Sensoformer: Robust Sim-to-Real Inference on Variable-Geometry Sensor Sets via Physics-Structured Randomization
von: Jia, Zhe, et al.
Veröffentlicht: (2026)

Physics-Trained Neural Network as Inverse Problem Solver for Potential Fields: An Example of Downward Continuation between Arbitrary Surfaces
von: Sun, Jing, et al.
Veröffentlicht: (2025)

Fourier-DeepONet: Fourier-enhanced deep operator networks for full waveform inversion with improved accuracy, generalizability, and robustness
von: Zhu, Min, et al.
Veröffentlicht: (2023)

Decadal sink-source shifts of forest aboveground carbon since 1988
von: Qian, Zhen, et al.
Veröffentlicht: (2025)

Feature-based Inversion of 2.5D Controlled Source Electromagnetic Data using Generative Priors
von: Zhou, Hongyu, et al.
Veröffentlicht: (2026)

PreAdaptFWI: Pretrained-Based Adaptive Residual Learning for Full-Waveform Inversion Without Dataset Dependency
von: Dong, Xintong, et al.
Veröffentlicht: (2025)

Explainable artificial intelligence (XAI) for scaling: An application for deducing hydrologic connectivity at watershed scale
von: Ye, Sheng, et al.
Veröffentlicht: (2025)

A foundation model enpowered by a multi-modal prompt engine for universal seismic geobody interpretation across surveys
von: Gao, Hang, et al.
Veröffentlicht: (2024)

Fast ground penetrating radar dual-parameter full waveform inversion method accelerated by hybrid compilation of CUDA kernel function and PyTorch
von: Liu, Lei, et al.
Veröffentlicht: (2025)

Bounds on the complex viscoelasticity for surface waves on ice-covered seas
von: Sampson, C., et al.
Veröffentlicht: (2024)

HydroAgent: Closing the Gap Between Frontier LLMs and Human Experts in Hydrologic Model Calibration via Simulator-Grounded RL
von: Li, Zhi, et al.
Veröffentlicht: (2026)

SeisT: A foundational deep learning model for earthquake monitoring tasks
von: Li, Sen, et al.
Veröffentlicht: (2023)

Pi theorem formulation of flood mapping
von: Bartlett, Mark S., et al.
Veröffentlicht: (2022)

An Attention-based Framework with Multistation Information for Earthquake Early Warnings
von: Huang, Yu-Ming, et al.
Veröffentlicht: (2024)

Controllable seismic velocity synthesis using generative diffusion models
von: Wang, Fu, et al.
Veröffentlicht: (2024)

First observations of the seiche that shook the world
von: Monahan, Thomas, et al.
Veröffentlicht: (2024)

End-to-End Mineral Exploration with Artificial Intelligence and Ambient Noise Tomography
von: Muir, Jack, et al.
Veröffentlicht: (2024)