Deep-Learning for Volcanic Seismic Events Classification
- Authors
- Salazar Jaramillo, Aaron Stephan
- Format
- BachelorThesis
- Status
- publishedVersion
- Description
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...
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...
- Publication Year
- 2020
- Language
- Topic
- Programas para computador -- Tesis y disertaciones académicas.
Procesamiento de imágenes -- Inteligencia artificial.
Volcanes -- erupciones.
Desastres naturales.
Ciencias
Computación
- Repository
- Repositorio Universidad San Francisco de Quito
- Get full text
- http://repositorio.usfq.edu.ec/handle/23000/8788
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-sa/3.0/ec/