Deep Learning for Seismic Data Enhancement and Representation
Sorozatcím: Advances in Oil and Gas Exploration & Production;
-
8% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 181.89
-
77 157 Ft (73 483 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 8% (cc. 6 173 Ft off)
- Discounted price 70 985 Ft (67 604 Ft + 5% áfa)
77 157 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 2024
- Kiadó Springer
- Megjelenés dátuma 2024. december 19.
- Kötetek száma 1 pieces, Book
- ISBN 9783031757440
- Kötéstípus Keménykötés
- Terjedelem152 oldal
- Méret 254x178 mm
- Nyelv angol
- Illusztrációk 27 Illustrations, black & white; 80 Illustrations, color 672
Kategóriák
Rövid leírás:
Seismic imaging is a key component of subsurface exploration, and it depends on a high-quality seismic data acquisition system with effective seismic processing algorithms. Seismic data quality concerns various factors such as acquisition design, environmental constraints, sampling resolution, and noises. The focus of this book is to investigate efficient seismic data representation and signal enhancement solutions by leveraging the powerful feature engineering capability of deep learning.
The book delves into seismic data representation and enhancement issues, ranging from seismic acquisition design to subsequent quality improvement and compression technologies. Given the challenges of obtaining suitable labeled training datasets for seismic data processing problems, we concentrate on exploring deep learning approaches that eliminate the need for labels. We combined novel deep learning techniques with conventional seismic data processing methods, and construct networks and frameworks tailored for seismic data processing. The editors and authors of this book come from both academia and industry with hands-on experiences in seismic data processing and imaging.
TöbbHosszú leírás:
Seismic imaging is a key component of subsurface exploration, and it depends on a high-quality seismic data acquisition system with effective seismic processing algorithms. Seismic data quality concerns various factors such as acquisition design, environmental constraints, sampling resolution, and noises. The focus of this book is to investigate efficient seismic data representation and signal enhancement solutions by leveraging the powerful feature engineering capability of deep learning.
The book delves into seismic data representation and enhancement issues, ranging from seismic acquisition design to subsequent quality improvement and compression technologies. Given the challenges of obtaining suitable labeled training datasets for seismic data processing problems, we concentrate on exploring deep learning approaches that eliminate the need for labels. We combined novel deep learning techniques with conventional seismic data processing methods, and construct networks and frameworks tailored for seismic data processing. The editors and authors of this book come from both academia and industry with hands-on experiences in seismic data processing and imaging.
TöbbTartalomjegyzék:
Chapter 1: Introduction.- Chapter 2: Full Waveform Inversion With Low-Frequency Extrapolation.- 3: Deep Learning For Seismic Deblending.- Chapter 4: Blind-Trace Network For Self-Supervised Seismic Data Interpolation.- Chapter 5: Self-Supervised Learning For Anti-Aliased Seismic Data Interpolation Using Dip Information.- Chapter 6:Deep Learning For Seismic Data Compression.- Chapter 7: Conclusion.
Több
