Deep-learning for volcanic seismic events classification
- Authors
- Arroyo, Rodrigo José
- 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. The DCNN-RNN1, DCNN-RNN2, and DCNN-RNN3 models reached the worst results due to the overfitting, and this happened due to the small number of samples per class employed to train these complex models...
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. Los modelos DCNN-RNN1, DCNN-RNN2, y DCNN-RNN3 alcanzaron los desempeños más bajos debido a que presentaron overfitting, y esto puede ser a causa de la pequeña cantidad de muestras por clase utilizadas para entrenar estos modelos ta complejos...
- Publication Year
- 2020
- Language
- Topic
- Redes neuronales (Computadores) -- Sismología -- Tesis y disertaciones académicas.
Aprendizaje automático (Inteligencia artificial)
Ciencias
Computación
- Repository
- Repositorio Universidad San Francisco de Quito
- Get full text
- http://repositorio.usfq.edu.ec/handle/23000/8725
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-sa/3.0/ec/