Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/8788
Título : Deep-Learning for Volcanic Seismic Events Classification
Autor : Pérez, Noel, director
Salazar Jaramillo, Aaron Stephan
Palabras clave : Programas para computador -- Tesis y disertaciones académicas.
Procesamiento de imágenes -- Inteligencia artificial.
Volcanes -- erupciones.
Desastres naturales.
Fecha de publicación : 2020
Editorial : Quito
Citación : Tesis (Ingeniero de Sistemas), Universidad San Francisco de Quito, Colegio de Ciencias e Ingenierías; Quito, Ecuador, 2020
Resumen : En este trabajo, proponemos un nuevo método para clasificar entre spectrograms Long-Period y Volcano-Tectonic utilizando seis diferentes arquitecturas de conocimiento profundo. El método desarrollado utiliza tres redes neuronales convolucionales llamadas: DCNN1, DCNN2 y DCNN3. De igual manera tres redes neuronales convolucionales son combinadas con redes neuronales recurrentes llamadas: DCNN-RNN1, DCNN-RNN2, y DCNN-RNN3 para maximizar el valor del area bajo la curva (ROCAUC) en un datases de espectrogramas de eventos sísmicos volcánicos...
Descripción : In this work, we proposed a new method to classify long-period and volcano-tectonic spectrogram images using six different deep learning architectures. The developed method used three deep convolutional neural networks named: DCNN1, DCNN2, and DCNN3. Also, three deep convolutional neural networks combined with deep recurrent neural networks named DCNN-RNN1, DCNN-RNN2, and DCNN-RNN3 to maximize the area under the curve of the receiver operating characteristic scores on a dataset of volcano seismic spectrogram images...
URI : http://repositorio.usfq.edu.ec/handle/23000/8788
Aparece en las colecciones: Tesis - Ingeniería en Sistemas

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
146123.pdfTESIS TEXTO COMPLETO1.09 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons