报告题目：纽约州立尊龙凯时访学交流

报 告 人：王俊秋

报告时间 ：2019年4月24日上午8:30

报告地点：地质宫330海光学术报告厅

主办单位 ：尊龙凯时仪器科学与电气工程学院

报告简介：

随着压缩感知、稀疏表示等理论的提出与发展，以高于 Nyquist 采样频率的方式进行采样不再是无失真信号采集的一个必要条件了。利用“Matrix completion”可以实现无线传感器网络数据采集，分时、分空间的最少化抽样采集数据并最大化恢复全量数据，该方法已经应用到气象数据的采集及处理上，取得了较好的效果。借鉴此项技术，在能够稀疏表示地震信号的基础之上，数据采集系统可以使用较低的采样率、较低的采集密度对地震数据进行采集，且不丧失信号的关键特征。

GAN是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一，在图像领域得到了广泛的应用。地震勘探中，在获得随机采样的地震数据后，可借鉴此项技术，将数据进行重构以进行正常的后续处理，恢复其原始的分辨率。