发布日期：2024-12-08 19:36 点击次数：84
9月24日下昼，计较机与软件学院在明理楼B306举行了“梦溪湖论坛”第二讲。本次讲座聚焦“基于图神经齐集的油田井网井间连通性酌量”女儿初熟，眩惑了繁密淳厚及对该范围怀有浓厚兴味的酌量生。本次讲座特邀西南石油大学计较机与软件学院副酌量员曾星杰淳厚主讲。曾星杰淳厚竭力于于石油东谈主工智能、联邦学习、图神经齐集等范围并赢得丰富的科研放荡。
本次讲座内容主要波及基于层间干豫的注水劈分尺度酌量、基于图结构的井间连通性分析、基于图神经齐集的井间连通性优化和基于井网异构的图联邦学习酌量女儿初熟。
在讲座中，曾淳厚领先诠释了酌量的油田布景和酌量近况，基于此提议我方的酌量念念路并开发了一套体系，注水劈分后得到数据复古，再进行连通性评估、优化，临了多区块连系学习，同期基于两方面的挑战来展示这次酌量的动机。随后曾淳厚精明先容了模子的假想，主要弃取了动态激活政策。在诠释的历程中，闵帆素养对曾淳厚所诠释的内容发出了发问，立时开动进行学术探讨。
曾淳厚还展示了图神经齐集联邦学习架构以及相应的酌量放荡，图神经齐集的照应本领是图联邦学习的要津挑战，而对全局模子相似性的度量和学习不错灵验素养模子的趋同性。曾淳厚主要分析了模子的失掉优化假想，腹地照应的失掉、模子暗示向量的损成仇模子全域失掉是相互促进的三个部分，不错素养模子的泛化本领。在油田数据集上进行了实验考据，赢得了94.5%的准确率。
在梦溪湖论坛讲座渐入尾声时，师生们共同通常，策画测试数据的开头、数据量大的时代若何使用、对辽远区块齐集的影响等问题，敬佩同学们在得到曾淳厚的解答后一定获益匪浅，连续敢于探索，赓续追求真谛，提神推行，将表面学问讹诈到本色生计中去。
女儿初熟