Ulteriori informazioni
Questa monografia presenta un framework di deep learning per la caratterizzazione dei fondali marini, che integra la fisica dei campi acustici vettoriali con le reti neurali. Introduce i parametri di Stokes degli idrofoni vettoriali come caratteristiche robuste per l'inversione geoacustica e sviluppa reti specializzate (BP, MTL-TCN, U-Net + ATT-BP) per stimare i parametri dei sedimenti ed estrarre curve di dispersione. Validato nel Mar Giallo, il metodo raggiunge un'accuratezza comparabile a quella del core in pochi minuti, superando significativamente le tecniche tradizionali in termini di velocità e robustezza. Il lavoro evidenzia la sinergia tra principi fisici e apprendimento basato sui dati, offrendo una soluzione scalabile per la mappatura dei fondali marini in tempo reale e il progresso del rilevamento autonomo dell'oceano.
Info autore
Xiaoman Li, doctora, profesora asociada y directora de tesis de maestría en la Facultad de Ciencias Oceánicas de la Universidad de Ciencia y Tecnología de Jiangsu, se especializa en investigación sobre física acústica subacuática, procesamiento de señales y análisis teórico de la propagación del sonido. Ha publicado seis artículos como primera autora en revistas indexadas en el SCI y ha solicitado siete patentes de invención.
