.png){kind=icon}
返回
SeisAug: A data augmentation python toolkit
.png){kind=icon}
OA
AI
DOI：10.1016/j.acags.2025.100232.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在应用任何深度学习与机器学习技术时，一个常见的局限性是有限的标注数据集，这一问题可通过数据增强（DA）来解决。SeisAug是一个用于解决地震学研究挑战的数据增强Python工具包。DA通过为数据集中欠代表性类别创建更多样本，有助于平衡类别不平衡。通过增加训练数据量和引入变异性，它显著缓解过拟合现象，从而提升模型在未见数据上的性能。鉴于深度学习在地震学领域的快速进步，“SeisAug”通过生成大量数据（2-6倍的数据）来协助模型的扩展性，这有助于开发本土化的稳健模型。此外，本研究展示了DA在开发稳健模型中的作用。为此，我们利用了一个基本的二分类识别模型，区分地震/信号与噪声/（非地震）。该模型使用原始数据集、1倍增强数据集和5倍增强数据集进行训练，并评估其性能指标。与使用原始数据集训练的模型（准确率0.50，AUC 0.75，AUC-PR 0.80）相比，使用5倍增强数据集训练的模型显著表现更优，准确率达0.991，AUC 0.999，AUC-PR 0.999。此外，通过在GitHub上公开所有代码，该工具包便于数据增强技术的应用，赋能终端用户有效增强其地震波形数据集，克服标注数据稀缺带来的初始不足。
Keyword:
Deep learning
Augmentation
Seismic signals
Earthquakes
Spectrum
Filters
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.2
论文数:
170
被引数:
375
机构
引用论文
MLAAPDE: A Machine Learning Dataset for Determining Global Earthquake Source ParametersMLAAPDE：一个用于确定全球地震源参数的机器学习数据集
PREAI
分享收藏STanford EArthquake Dataset (STEAD): A Global Data Set of Seismic Signals for AI斯坦福地震数据集 (STEAD): 人工智能地震信号的全球数据集.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Unsupervised Deep Feature Learning for Icequake Discrimination at Neumayer Station, Antarctica南極洲Neumayer站冰震識別的無監督深度特徵學習
PREAI
分享收藏分享收藏
查看更多内容