Hyperparameter Search for Facies Classification with Bayesian Optimizationopen access
- Authors
- 최용욱; 윤대웅; 최준환; 변중무
- Issue Date
- Aug-2020
- Publisher
- KOREAN SOC EARTH & EXPLORATION GEOPHYSICISTS
- Keywords
- facies classification; Bayesian optimization; random search; autoML; k-fold cross validation
- Citation
- GEOPHYSICS AND GEOPHYSICAL EXPLORATION (지구물리와 물리탐사), v.23, no.3, pp.157 - 167
- Indexed
- KCI
- Journal Title
- GEOPHYSICS AND GEOPHYSICAL EXPLORATION (지구물리와 물리탐사)
- Volume
- 23
- Number
- 3
- Start Page
- 157
- End Page
- 167
- URI
- https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/145344
- DOI
- 10.7582/GGE.2020.23.3.00157
- ISSN
- 1229-1064
- Abstract
- 최근 인공지능 기술의 발전과 함께 물리탐사의 다양한 분야에서도 인공지능의 핵심 기술인 머신러닝의 활용도가증가하고 있다. 또한 머신러닝 및 딥러닝을 활용한 연구는 이미지, 비디오, 음성, 자연어 등 다양한 태스크의 추론 정확도를 높이기 위해 복잡한 알고리즘들이 개발되고 있고, 더 나아가 자료의 특성, 알고리즘 구조 및 하이퍼 파라미터의 최적화를 위한 자동 머신러닝(AutoML) 분야로 그 폭을 넓혀가고 있다. 본 연구에서는 AutoML 분야 중에서도 하이퍼 파라미터(hyperparameter) 자동 탐색을 위한 베이지안 최적화 기술에 중점을 두었으며, 본 기술을 물리탐사 분야에서도 암상 분류(facies classification) 문제에 적용했다. Vincent field의 현장 물리검층 및 탄성파 자료를 이용하여 암상 및 공극유체를 분류하는 지도학습 기반 모델에 적용하였고, 랜덤 탐색 기법의 결과와 비교하여 베이지안 최적화 기반 예측 프레임워크의 효율성을 검증하였다.
- Files in This Item
-
- Appears in
Collections - 서울 공과대학 > 서울 자원환경공학과 > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/145344)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.