近年进展：用证据阅读 2024–2026 的代表性研究
截至2026-09-12的定向检索：水下分类、真实背景迁移、自监督反演、后验学习和时序网络。
展开本章阅读路线（9 节）
本页怎样使用“最新”这个词
本页按2026-09-12的检索与本地原文阅读整理代表性进展，不声称覆盖截至该日的全部论文。优先阅读与 UXO 直接相关的工作，再讨论通用电磁反演中可迁移的方法。论文、机构稿、项目报告和会议摘要按各自证据层级标注；后续新增研究应保留检索日期和版本信息。
水下主极化率仍是一条活跃的物理路线
Gasperikova、Conti 与 Morrison 的案例 在线发表于2024年，期刊卷期为2025年。其研究用多方向发射与接收来估计水下目标主极化率，并处理海水背景。这里的重要学习问题是：背景去除与目标参数估计如何衔接，而不是认为进入深度学习时代后经典张量失去价值。阅读时对应 C23、C38 与 S03。
Brighouse 等2024年论文 属于海洋磁异常反演与分类，观测机制是磁法。它有助于理解位置、磁矩和场地分类的关系，但不能把磁异常反演的参数直接解释为 TEM 关断极化率。
从合成目标走向真实背景
Heagy 等2024年 EMIW 扩展摘要 介绍保留空间结构的 CNN 分类图，并结合合成偶极信号与实测背景开展海洋数据检验。它把训练数据构造与现场噪声联系起来，可与 S04 的分布迁移讨论一起读。
Deleersnyder 等2026年 EGU 摘要 进一步讨论从地质噪声数据中区分偶极信号，以及训练噪声和未见现场噪声之间的迁移检验。该条目为会议摘要；不能仅凭摘要给出完整网络复现或通用性能排名。与课程相连的问题是：未知背景下怎样发现失效、怎样评估漏检。
自监督：把数据一致性带回反演
Li 等2025年研究 将快速正演网络与自监督 TEM 反演结合，本地全文的摘要与方法描述已用于核对。它研究地电结构恢复，适合借鉴“预测参数后再回算响应”的训练结构。迁移到 UXO 需要换成相应目标正演、测量通道、参数约束与评测数据，不能直接沿用地层标签。
需要检验的核心关系为 。若两个网络协同降低损失却共享同一种模型偏差，内部一致性仍不能替代独立 F 的检验。实践中可用较慢的可靠正演评估最终样本与梯度质量。
后验学习：从一个预测值到一组可能解释
Wu 等2025年 GJI 论文 研究归一化流与变分推断，用于电磁贝叶斯反演。它连接 S05 的变量替换、似然和后验近似。可以迁移的思想是输出参数分布；仍需证明的部分是 UXO 多解、姿态对称、辅助参数和模型失配下的概率覆盖。
2026年的时序网络：先确认反演对象
Shao 等的2026年论文 于3月在线发表，收录于8月卷期，组合多尺度卷积、Transformer 和 U-Net，处理一维 TEM 电阻率反演。它提供跨时间尺度特征组织的研究实例。课程借此讨论时间门编码和局部—全局信息，不把一维地层实验的结果写成三维 UXO 的性能结论。
融合与训练分布也在发展
Qu 等2025年 MagEMNet 研究瞬变电磁与磁数据的融合，提示在构建新方法之前先明确共享参数与模态差异。本教材保留其通用融合思想，不引入特定磁传感器课程。
Greif 等的公开预印本 将一维反演和地统计构模用于组织航空电磁训练数据。本地文件名含2026，但读取的稿件首页是2025年的预印本，本页按实际读取版本引用。这里可借鉴的是使训练分布贴近研究场景，同时应防止早期反演偏差被反复强化。
把一篇新论文转成自己的可检验问题
为每篇文献记录：观测是什么、未知量是什么、F 是什么、训练或反演的先验是什么、测试是否独立、有哪些失败范围。然后只改变其中一项进行消融。例如用实测相关背景替代白噪声，保留相同目标划分与模型，观察传统反演和网络各自怎样变化。这样才能判断进步来自算法、数据还是实验条件。
练习与解析
1. 某2026年网络在一维地层数据上效果更好，可以写“最新 UXO 最优算法”吗？
不可以。任务、标签、几何和评测协议不同。应称为与课程相关的电磁反演进展，并设计 UXO 专门验证后再判断。
2. 为何文件名年份不能作为最终引用年份？
文件名可能记录下载、在线发表或整理年份。应核对正文首页、出版记录和版本；预印本与期刊版还可能内容不同。
参考文献与继续学习
- Gasperikova, Conti & Morrison (2025) · Underwater unexploded ordnance discrimination based on intrinsic target polarizabilities: A case study同行评议论文；2024年在线发表，2025年卷期。已读本地机构全文首页与摘要；DOI 10.1111/1365-2478.13631。
- Brighouse et al. (2024) · Inverse modelling and classification of magnetic responses to improve marine UXO rationalization已读本地 PDF 首页与摘要。海洋磁法工作，与主动 EMI 的观测机制不同。
- Heagy et al. (2024) · Machine learning methods for the classification of UXO from electromagnetic data in marine settingsEMIW 2024扩展摘要；已读本地摘要与方法开头。合成偶极、实测背景及海洋分类图，非完整期刊复现。
- Wu, Sun & Chen (2025) · Variational inference for geophysical Bayesian inverse problems using normalizing flowsGJI同行评议论文，DOI 10.1093/gji/ggaf239；已核对出版页与本地摘要。通用电磁后验推断，不等于 UXO 专项验证。
- Li, Li & Li (2025) · A Novel Self-Supervised Deep Learning Inversion Method Incorporating a Fast Forward Network for Transient Electromagnetic Data本地原文摘要及首页已读；出版页自动访问未成功。地电结构反演；自监督和代理误差讨论的参考。
- Shao et al. (2026) · A hybrid deep learning framework for 1D transient electromagnetic inversion with multi-scale convolution and transformer-based global modeling出版页全文可访问；2026-03-16在线，2026年8月卷期。研究一维地层电阻率，不是任意三维 UXO 反演。
- Deleersnyder et al. (2026) · Discriminating dipole signals from geologically noisy electromagnetic induction data with convolutional neural networksEGU 2026会议摘要；2026-09-12核对官方摘要。地质噪声、偶极识别与跨场地迁移；未将摘要当作完整算法验证。
- Qu et al. (2025) · A Hybrid Deep Learning Approach for Integrating Transient Electromagnetic and Magnetic Data to Enhance Subsurface Anomaly Detection已读取本地 MagEMNet PDF 摘要；课程只引用通用磁/电磁融合思路，不引入特定传感器内容。
- Greif et al. (2025, preprint) · Machine Learning for Airborne Electromagnetic Data Inversion: a Bootstrapped Approach本地文件名为2026，但实际稿件为2025-03预印本；按读取版本引用。航空地电结构的训练分布设计，不是 UXO 实测分类。
外部链接需联网，部分论文全文需要机构访问。页面内容为原创教学解释；文献用于核对理论和进一步阅读。资源链接核对日期：2026-09-12。