matlab分时代码-GeoModeling_Unconditional_ProGAN:无条件的地理建模相关工作（代码，数据和结...

matlab分时代码基于GANs渐进增长的无条件地质相建模。 图片：这些相模型是在逐步训练过程中由生成器生成的。 该存储库包含以下论文的正式TensorFlow实现： 基于生成对抗网络（GANs）逐步增长的地质相建模Song Suihong Song（CUPB＆Stanford），Tapan Mukerji（Stanford）和Jiagen Hou（CUPB） CUPB：中国石油大学-北京 摘要：长期以来，人们一直在研究地质相模型来预测地下资源。 近年来，生成对抗网络（GAN）已被用作地质相建模的新方法，并取得了令人惊讶的良好结果。 然而，在常规GAN中，所有层都被同时训练，并且没有考虑地质特征的尺度。 在这项研究中，我们建议基于新的训练过程（即GAN的逐步生长或渐进的训练过程）对GAN进行相模型建模训练。 在渐进式训练过程中，对GAN进行逐层训练，并从粗尺度到细尺度学习地质特征。 我们还按照常规训练过程对GAN进行训练，并根据视觉检查，多尺度切片Wasserstein距离（MS-SWD），多维尺度（MDS）绘图可视化，相貌将常规训练的生成器与渐进训练的生成器进行比较比例，变异函数以及