基于可伸缩型注意力机制的神经网络地震数据去噪方法

地震资料中的随机噪声会影响地震数据的质量,从而影响后续处理与解释的准确性。传统去噪方法受先验条件的约束,效率低下,神经网络具有强大的特征提取能力,能够弥补这些缺点。然而,由于传统神经网络卷积核的局限性,可能会导致全局信息丢失。为了克服这个缺点,本文在卷积神经网络(CNN)的基础上,添加了可伸缩型注意力机制。该机制在网络中同时呈现密集和稀疏两种类型的自注意力模块,这两种注意力模块交替使用可以显著增强神经网络的表现能力,扩大接受场。通过卷积层和注意力模块提取地震数据浅层特征和深层特征,结合CNN的局部建模能力和Transformer的全局建模能力,有利于提升网络的全局交互作用,增强其去除噪声和处理细节的能力。最后,合成和实际地震数据实验结果均表明,该方法相较于Unet和DnCNN,具有更好的噪声压制与保留地震数据有效信息的能力,可以大幅提高信噪比,为地震数据的处理和解释提供帮助。

随机全连续算子的延拓

证明了随机全连续算子的延拓定理 ,得出与LIGuo zhen和CHENYu ching文中条件不同的区域拉伸与压缩随机不动点定理 .

随机凸幂凝聚算子的随机不动点定理

在Banach空间研究了随机凸幂凝聚算子不动点的存在性问题,获得了几个新的不动点定理.并推广了随机凝聚算子的不动点定理.

随机凹泛函型随机拉伸与压缩的随机不动点定理

本文将随机拓扑度的计算方法与已有文献中结果相结合,引入了一个随机凹泛函,构造了Banach空间中的随机收缩核,得到了随机拓扑度的两个重要结果,证明了一类随机凹泛函的随机拉伸与压缩随机不动点定理.这些结果推广了已有文献中的一些结论,使得随机拓扑度能够在更广范围得到应用.

撤销论文特征识别——基于PubPeer平台质疑论文

【目的】更科学准确地识别以及预测撤销论文的特征,更好地纠正科研失范、减少学术欺诈行为、保护科学的公平性。【方法】基于Pub Peer平台上受质疑论文相关数据信息,经数据处理与筛选,建立包含1792篇完整论文数据的撤销论文数据集,分析该部分撤销论文自然属性和评论属性特征,并通过构建Pub Cancel模型进行撤销论文特征识别及准确性检验。【结果】构建的Pub Cancel模型可准确、有效地识别撤销论文,撤销论文状态验证准确率高达98.24%。该方法不仅对于评估论文质量具有重要的实际意义,也可为研究人员提供一种快速评估论文可信度的方法。【结论】研究Pub Peer平台质疑论文中撤销论文的情况对学术预警研究有重要意义,应用撤销论文特征识别模型能够帮助期刊及编辑及时发现异常论文,规范论文发表并及时撤回问题论文,加强科研诚信建设。