scholarly journals Validating deep learning seabed classification via acoustic similarity

2021 ◽  
Vol 1 (4) ◽  
pp. 040802
Author(s):  
David J. Forman ◽  
Tracianne B. Neilsen ◽  
David F. Van Komen ◽  
David P. Knobles
Keyword(s):  
Deep Learning ◽  
Acoustic Similarity ◽  
Seabed Classification

Seabed classification from merchant ship-radiated noise using a physics-based ensemble of deep learning algorithms

2021 ◽  
Vol 150 (2) ◽  
pp. 1434-1447
Author(s):  
Christian D. Escobar-Amado ◽  
Tracianne B. Neilsen ◽  
Jhon A. Castro-Correa ◽  
David F. Van Komen ◽  
Mohsen Badiey ◽  
...  
Keyword(s):  
Deep Learning ◽  
Learning Algorithms ◽  
Radiated Noise ◽  
Seabed Classification ◽  
Merchant Ship

Seabed classification and source localization from ship spectrograms using deep learning models

2021 ◽  
Vol 150 (4) ◽  
pp. A315-A315
Author(s):  
Jhon A. Castro-Correa ◽  
Christian D. Escobar-Amado ◽  
Mohsen Badiey ◽  
Tracianne B. Neilsen ◽  
David P. Knobles
Keyword(s):  
Deep Learning ◽  
Source Localization ◽  
Learning Models ◽  
Seabed Classification

Seabed classification from ship-radiated noise using an ensemble deep learning

2021 ◽  
Vol 149 (4) ◽  
pp. A113-A113
Author(s):  
Christian D. Escobar-Amado ◽  
Mohsen Badiey ◽  
Tracianne B. Neilsen ◽  
Jhon A. Castro-Correa ◽  
David P. Knobles
Keyword(s):  
Deep Learning ◽  
Radiated Noise ◽  
Seabed Classification

Seabed classification using localized forward modeling and deep learning

2020 ◽  
Vol 148 (4) ◽  
pp. 2730-2730
Author(s):  
Christina Frederick ◽  
Soledad Villar ◽  
Zoi-Heleni Michalopoulou
Keyword(s):  
Deep Learning ◽  
Forward Modeling ◽  
Seabed Classification

Deep Learning

2009 ◽  
Author(s):  
Stellan Ohlsson
Keyword(s):  
Deep Learning

Intelligence artificielle : le futur de l’Orthodontie ?

2019 ◽  
Vol 53 (3) ◽  
pp. 281-294
Author(s):  
Jean-Michel Foucart ◽  
Augustin Chavanne ◽  
Jérôme Bourriau
Keyword(s):  
Big Data ◽  
Deep Learning ◽  
Intelligence Artificielle ◽  
Set Up

Nombreux sont les apports envisagés de l’Intelligence Artificielle (IA) en médecine. En orthodontie, plusieurs solutions automatisées sont disponibles depuis quelques années en imagerie par rayons X (analyse céphalométrique automatisée, analyse automatisée des voies aériennes) ou depuis quelques mois (analyse automatique des modèles numériques, set-up automatisé; CS Model +, Carestream Dental™). L’objectif de cette étude, en deux parties, est d’évaluer la fiabilité de l’analyse automatisée des modèles tant au niveau de leur numérisation que de leur segmentation. La comparaison des résultats d’analyse des modèles obtenus automatiquement et par l’intermédiaire de plusieurs orthodontistes démontre la fiabilité de l’analyse automatique; l’erreur de mesure oscillant, in fine, entre 0,08 et 1,04 mm, ce qui est non significatif et comparable avec les erreurs de mesures inter-observateurs rapportées dans la littérature. Ces résultats ouvrent ainsi de nouvelles perspectives quand à l’apport de l’IA en Orthodontie qui, basée sur le deep learning et le big data, devrait permettre, à moyen terme, d’évoluer vers une orthodontie plus préventive et plus prédictive.

Sign in / Sign up

Export Citation Format

Share Document