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.pdf | TESIS TEXTO COMPLETO | 1.09 MB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
