Xiaoman Li
Niniejsza monografia przedstawia ramy głębokiego uczenia się do charakteryzacji dna morskiego poprzez połączenie fizyki wektorowego pola akustycznego z sieciami neuronowymi. Przedstawia parametry Stokesa z hydrofonów wektorowych jako solidne cechy dla inwersji geoakustycznej i rozwija wyspecjalizowane sieci (BP, MTL-TCN, U-Net + ATT-BP) do szacowania parametrów osadów i ekstrakcji krzywych dyspersji. Metoda, sprawdzona na Morzu Żółtym, osiąga dokładność porównywalną z rdzeniem w ciągu kilku minut, znacznie przewyższając tradycyjne techniki pod względem szybkości i niezawodności. Praca podkreśla synergię między zasadami fizycznymi a uczeniem się opartym na danych, oferując skalowalne rozwiązanie do mapowania dna morskiego w czasie rzeczywistym i rozwoju autonomicznego wykrywania oceanów.
