An unsupervised learning approach to seismic waveform classification via representation learning
Gösterim öğrenme yoluyla seismik dalga formu sınıflandırması için denetimsiz öğrenme yaklaşımı
- Tez No: 881096
- Danışmanlar: DR. ÖĞR. ÜYESİ ARKADAŞ İNAN ÖZAKIN
- Tez Türü: Yüksek Lisans
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Makine öğrenmesi, Sismik değerlendirme, Yapay sinir ağları, Yapay zeka, Machine learning, Seismic evaluation, Artificial neural networks, Artificial intelligence
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Fizik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sismoloji, gözlem odaklı bir araştırma alanıdır ve sınırlarını genişletmek için doğru sınıflandırılmış sismik sinyallere ihtiyaç duyar. En temel sınıflandırma problem- lerinden biri de önemli sismik aktiviteyi arka plan gürültüsünden ayırmaktır. Yakın za- manda Makine Öğrenmesi algoritmaları bu problemin çözümü için önerilmiştir. Çeşitli özel durumlar (belirli seismik olaylar, zaman dilimleri ve coğrafi bölgeler vb.) için uygulanmış olan denetimsiz öğrenme tabanlı algoritmalar olmakla birlikte, önerilen al- goritmaların çoğu denetimli öğrenmeye dayalıdır. Sonuç olarak genel amaçlı kullanıma uygun denetimsiz öğrenme algoritmaları henüz geliştirilmemiştir. Denetimli öğrenmeye dayalı modeller, eğitimde kullanılan verisetinden kaynaklı eğilimlere sahip olabilir ve bu da gözlemsel amaçlar için kötü sonuçlara yol açabilir. Sismik sinyallerin şuanki bilgilerin ışığında etiketlendiğini düşünürsek modellerin bu etiketlere göre eğitilmesinin potansiyel keşiflerin önüne geçebileceği açıktır. Tamamlayıcı eğilimlere sahip metotlar geliştirmek denetimli öğrenmeye dayalı modellerin kör noktalarını doldurmak için önemlidir. Bu tezdeki temel motivasyon- umuz, arka plan gürültüsü ile deprem kaynaklı sismik aktiviteyi ayırt edebilen dene- timsiz öğrenme tabanlı ve genel amaçlı kullanıma uygun yöntemler oluşturmaktır. Bu motivasyon temelinde, bir veya birden fazla istasyon verisi kullanarak sınıflandırma yapabilen Derin Öğrenme tabanlı yöntemler geliştirilmiştir.
Özet (Çeviri)
Seismology is an observation-based science and requires well-classified seismic signals to expand its boundaries. One of the most basic classification problems is to separate earthquake-based seismic activity from background noise. Machine learning algorithms are recently introduced as a solution to this problem. Although unsupervised learning-based algorithms have been used for specific cases (certain seismic events, time intervals, geographical regions, etc.), most proposed algorithms are supervised learning-based. Consequently, general-purpose unsupervised learning algorithms have not been developed yet. Supervised learning-based models may have biases due to the dataset used in training, which can lead to poor results for observational purposes. Considering that the seismic waveforms are labeled in the light of current information, it's clear that training the models using these labels could block potential discoveries. Developing methods with complementary biases is important to fill the blind spots of supervised learning-based models. Our primary motivation in this thesis is to develop unsupervised learning-based general-purpose detection methods that distinguish earthquake-based seismic activity from background noise. Based on this motivation, deep learning-based methods that can classify waveforms using one or more stations have been developed.
Benzer Tezler
- Site-specific strong motion generation and latent space analysis at seismic stations
Sismik istasyonlarda yerel kuvvetli yer hareketi üretimi ve gizli uzay analizi
BEVAN DENİZ ÇILĞIN
- Novel clustering algorithms: entropy based neighborhood merging (ENM) and simultaneous feature selective clustering (SFSC)
Özgün kümeleme algoritmaları: Entropi tabanlı komşuluk birleştirme ve eş zamanlı öznitelik seçici kümeleme
MUSTAFA ÜNVER
- Stratejik yönetim perspektifinden sigortacılık sektöründe makine öğrenmesi algoritmaları ile anomali tespiti
An application of machine learning to anomaly detection in insurance industry using strategic management approach
AYŞE NURBANU ŞAHAN
- A new approach to facial recognition using 3D face reconstruction
Başlık çevirisi yok
SHAMILK AMİL YASEEN
- Veri bilimi ve mühendislik optimizasyon problemlerinin çözümü için yeni bir yaklaşım: Kaotik yapay alg algoritması
A novel approach to solution of data science and engineering optimization problems: Chaotic artificial algae algorithm
BAHAEDDİN TÜRKOĞLU
