单 位: 清华大学自动化系
报告题目：地震数据学习中的若干关键问题
报告时间:2018年11月2日(周五) 下午1:30-3:00
地 点: 教学行政楼706会议室
报告人简介：
陆文凯博士，清华大学自动化系研究员，信息处理研究所Easysignal小组。1991年清华大学自动化系获学士学位，1996年获中国石油大学（北京）地球科学系地球物理专业博士学位。
工作履历：
2006年-至今 清华大学自动化系，研究员
2000年-2006年 清华大学自动化系，副教授
2000年-2002年 Texas A&M University，博士后
1998年-2000年 清华大学自动化系，讲师
1996年-1998年 清华大学自动化系，博士后
研究领域包括：[1] 信号处理及应用（地震信号处理；超声成像；生理信号处理）；[2] 图象处理及应用（图象增强；图象重构；地震图象处理；工业机器视觉；医学图象处理；遥感图像处理）；[3] 机器学习（地震数据挖掘；工件外观检测分类；遥感数据分析；医学图象分析）
报告摘要：
当前，AI在地震数据处理和解释中的应用呈现出井喷的势头。一般来说，这些应用大部分都是基于地震数据学习的方法。地震数据是对地下信息的非直接、非完备的观测，具有频带有限、波场复杂、干扰严重等特点。通过地震数据的处理和解释来挖掘地下信息是一个典型的病态反问题，需要通过将其分解为若干个子反问题来求解。近些年，Easysignal小组开展了一些基于机器学习的智能地震数据处理和解释方法研究，本报告通过一些近期的研究工作，分享我们归纳出的地震数据学习中的关键问题及初步应对策略。具体包括：
1. 如何生成有效表达特定应用问题的数据集，发挥机器学习方法的优势
2. 如何将特定应用合理分解为不同子问题，实现机器学习和传统方法的有机融合
3. 如何实现鲁棒的机器学习算法，应对地震数据及标签的扰动
4. 根据具体的应用问题，构建合适的深度网络结构，选择合适的优化算法，提高性能指标