PORTALE DELLA DIDATTICA

Ricerca CERCA
  KEYWORD

SINTETIC SEISMIC SIGNALS BY GENERATIVE ADVERSARIAL NETWORK WITH GATED CONVOLUTIONAL NEURAL NETWORK STRUCTURE

azienda Tesi esterna in azienda    


Parole chiave GAN, GANS, GENERATIVE ADVERSARIAL NETWORKS, MACHINE LEARNING, ARTIFICIAL NEURAL NETWORKS, NEURAL NETWORKS, SEISMIC SIGNALS

Riferimenti GIUSEPPE CARLO MARANO

Riferimenti esterni Prof. Giansalvo Cirrincone

Tipo tesi RICERCA APPLICATA

Descrizione L’analisi sismica degli edifici e delle strutture per definire il rischio è problema un importante obbiettivo che però richiede in molti tipi di analisi l’uso di segnali sismici (storie temporali nelle tre direzioni) caratterizzanti un dato sito. Data la relativa scarsezza di registrazioni di segnali sismici reali caratterizzanti una data area, ed in particolare di segnali sismici di notevole intensità (Magnitudine maggiore di 5) si deve ricorrere alla generazione di segnali sismici sintetici.
Rispetto ai metodi classici spesso usati, che scalano l’intensità dei segnali reali rispetto alle intensità richieste, mentre in questa tesi si intende affrontare e risolvere questo problema utilizzando un modello Generative Adversarial Network (GAN) per la sintesi dei segnali sismici di assegnate caratteristiche. La tecnica GAN mostra già la sua potente capacità di generare campioni sintetici di qualità in più domini. In questa tesi si propone di sviluppare un modello GAN con CNN in grado di catturare in modo eccellente le serie temporali sismiche. Si propone di usare un approccio GAN sia sul segnale sismico tal quale (serie temporale) che su un suo spettrogramma ottenuto con differenti approcci per testarne l’efficacia.

Vedi anche  seismic_signal_synthesis_by_generative_adversarial_network_with_gated_convolutional_neural_network_structure.pdf 

Conoscenze richieste neural network, time series analysis

Note la tesi è multidisciplinare sfruttando le potenzialità delle NN (in particolare delle GAN) per generare segnali sismici artificiali - possibilità di lavorare presso l'INGV di Milano


Scadenza validita proposta 31/01/2023      PROPONI LA TUA CANDIDATURA




© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
Contatti