نتائج البحث - "Réseau neuronal convolutif (CNN)"

1

Conference

Inversion of Radiative Transfer Model Through One-Dimensional Convolutional Neural Network To Retrieve Foliar Traits of Temperate Forest Canopies With Imaging Spectrocopy ; Inversion d'un modèle de transfert radiatif à l'aide d'un réseau de neurones à convolutions unidimensionnel pour retrouver les caractéristiques foliaires des canopées de forêts temperées par imagerie hyperspectrale

المؤلفون: Gaubert, Thierry, Adeline, Karine, Huesca, Margarita, Ustin, Susan, Briottet, Xavier

المساهمون: DOTA, ONERA, Université de Toulouse Toulouse, ONERA-PRES Université de Toulouse, University of Twente, University of California Davis (UC Davis), University of California (UC)

المصدر: IGARSS 2023 - 2023 IEEE International Geoscience and Remote Sensing Symposium ; IGARSS 2023 ; https://hal.science/hal-04271658 ; IGARSS 2023, Jul 2023, Pasadena, United States. pp.4903-4906, ⟨10.1109/IGARSS52108.2023.10282458⟩

مصطلحات موضوعية: Hyperspectrale imaging, One-dimensional CNN, Radiative transfer model inversion, DART, Foliar traits, Temperate forests, Imagerie hyperspectrale, Réseau neuronal convolutif CNN, Transfert radiatif DART, Caractéristique foliaire, Forêt tempérée, [PHYS]Physics [physics], [SPI]Engineering Sciences [physics]

جغرافية الموضوع: United States

Time: Pasadena, United States

Relation: hal-04271658; https://hal.science/hal-04271658; https://hal.science/hal-04271658/document; https://hal.science/hal-04271658/file/DOTA23179.1699010667_postprint.pdf

الاتاحة: https://hal.science/hal-04271658
https://hal.science/hal-04271658/document
https://hal.science/hal-04271658/file/DOTA23179.1699010667_postprint.pdf
https://doi.org/10.1109/IGARSS52108.2023.10282458

View record in BASE

2

Report

Rapport d’avancement AMCER n°12 : Applications de l’IA et de l’apprentissage automatique à la sécurité du transport ferroviaire. Une revue de littérature

المؤلفون: Hadj-Mabrouk, Habib

المساهمون: Université Gustave Eiffel, Vice-Présidence Recherche (VP Recherche)

المصدر: https://hal.science/hal-04764031 ; VPR_12, Université Gustave Eiffel. 2024, 67p.

مصطلحات موضوعية: Intelligence artificielle, Sécurité ferroviaire, Ontologie, Graphes de connaissances, Apprentissage automatique, Allocation latente de Dirichlet (LDA), Analyse sémantique latente (LSA), Clustering K-Means, Champ aléatoire conditionnel (CRF), Raisonnement basé sur des cas (CBR), Machine à vecteurs de support (SVM), Réseaux de neurones artificiels (ANN), Réseau neuronal profond (DNN), Réseau neuronal convolutif (CNN), Voisin le plus proche (k -NN), Arbres de décision (DT), k-voisins les plus proches, Analyse en composantes principales (ACP), Apprentissage supervisé, Apprentissage non supervisé, Réseaux de neurones récurrents (RNN), Traitement du langage naturel (TLN), Big Data, Interprétabilité, Explicabilité, Système expert, Logique floue, Règles d’association, Règlementation ferroviaire, Interopérabilité ferroviaire

Relation: Report N°: VPR_12

الاتاحة: https://hal.science/hal-04764031

View record in BASE

3

Conference

Inversion of Radiative Transfer Model Through One-Dimensional Convolutional Neural Network To Retrieve Foliar Traits of Temperate Forest Canopies With Imaging Spectrocopy ; Inversion d'un modèle de transfert radiatif à l'aide d'un réseau de neurones à convolutions unidimensionnel pour retrouver les caractéristiques foliaires des canopées de forêts temperées par imagerie hyperspectrale

المؤلفون: Gaubert, Thierry, Adeline, Karine, Huesca, Margarita, Ustin, Susan, Briottet, Xavier

المساهمون: ONERA / DOTA, Université de Toulouse Toulouse, ONERA-PRES Université de Toulouse, University of Twente, University of California Davis (UC Davis), University of California (UC)

المصدر: IGARSS 2023 - 2023 IEEE International Geoscience and Remote Sensing Symposium ; IGARSS 2023 ; https://hal.science/hal-04271658 ; IGARSS 2023, Jul 2023, Pasadena, United States. pp.4903-4906, ⟨10.1109/IGARSS52108.2023.10282458⟩

مصطلحات موضوعية: Hyperspectrale imaging, One-dimensional CNN, Radiative transfer model inversion, DART, Foliar traits, Temperate forests, Imagerie hyperspectrale, Réseau neuronal convolutif CNN, Transfert radiatif DART, Caractéristique foliaire, Forêt tempérée, [PHYS]Physics [physics], [SPI]Engineering Sciences [physics]

جغرافية الموضوع: United States

Time: Pasadena, United States

Relation: hal-04271658; https://hal.science/hal-04271658; https://hal.science/hal-04271658/document; https://hal.science/hal-04271658/file/DOTA23179.1699010667_postprint.pdf

الاتاحة: https://hal.science/hal-04271658
https://hal.science/hal-04271658/document
https://hal.science/hal-04271658/file/DOTA23179.1699010667_postprint.pdf
https://doi.org/10.1109/IGARSS52108.2023.10282458

View record in BASE

4

Dissertation/ Thesis

Characterization and Analysis of the Cyclostationary Pressure Signals Generated During Walking : Predicting Falls for the Elderly ; Caractérisation et Analyse des Signaux de Pression Cyclostationnaire Générés lors de la Marche : Prédiction des Chutes chez les Personnes Agées

المؤلفون: Abou Marak Dit Brome, Reem

المساهمون: Laboratoire d'Analyse des Signaux et des Processus Industriels (LASPI), Université Jean Monnet - Saint-Étienne (UJM), Université Jean Monnet - Saint-Etienne, Mohamed El Badaoui, Mohamed O Diab

المصدر: https://theses.hal.science/tel-04200215 ; Signal and Image Processing. Université Jean Monnet - Saint-Etienne, 2022. English. ⟨NNT : 2022STET0055⟩.

مصطلحات موضوعية: Cyclostationary signals, Falls Prediction, Machine Learning, Convolutional Neural Network (CNN), Model optimization, The elderly, Signal and image processing, Hyperparameter tuning, Signaux cyclostationnaires, Prédiction des Chutes, Apprentissage automatique, Réseau neuronal convolutif (CNN), Optimisation du modèle, Personnes âgées, Traitement du signal et de l'image, Réglage des hyperparamètres, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing

Relation: NNT: 2022STET0055; tel-04200215; https://theses.hal.science/tel-04200215; https://theses.hal.science/tel-04200215/document; https://theses.hal.science/tel-04200215/file/These-Abou-Marak-Dit-Brome-Reem-2022.pdf

الاتاحة: https://theses.hal.science/tel-04200215
https://theses.hal.science/tel-04200215/document
https://theses.hal.science/tel-04200215/file/These-Abou-Marak-Dit-Brome-Reem-2022.pdf

View record in BASE

5

Dissertation/ Thesis

High-resolution multi-scale segmentation of objects by CNN approaches : Application to the assembly control of car body parts ; Segmentation multi-échelle d'objets en haute résolution par approches CNN : Application au contrôle d'assemblage de pièces de carrosserie

المؤلفون: Boussit, Yoann

المساهمون: Laboratoire Hubert Curien (LabHC), Institut d'Optique Graduate School (IOGS)-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon, Virginie Fresse

المصدر: https://theses.hal.science/tel-04021398 ; Optique [physics.optics]. Université de Lyon, 2022. Français. ⟨NNT : 2022LYSES023⟩.

مصطلحات موضوعية: Convolutional Neural Network (ConvNet/CNN), RGB-D, Active contours, Phase shift, Structured light, Segmentation, Multi-scale, High resolution, Réseau neuronal convolutif CNN, Contours actifs, Décalage de phase, Lumière structurée, Multi-échelle, Haute résolution, [PHYS.PHYS.PHYS-OPTICS]Physics [physics]/Physics [physics]/Optics [physics.optics], [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing

Relation: NNT: 2022LYSES023; tel-04021398; https://theses.hal.science/tel-04021398; https://theses.hal.science/tel-04021398/document; https://theses.hal.science/tel-04021398/file/These-Boussit-Yoann-2022.pdf

الاتاحة: https://theses.hal.science/tel-04021398
https://theses.hal.science/tel-04021398/document
https://theses.hal.science/tel-04021398/file/These-Boussit-Yoann-2022.pdf

View record in BASE

6

Dissertation/ Thesis

Characterization and Analysis of the Cyclostationary Pressure Signals Generated During Walking : Predicting Falls for the Elderly ; Caractérisation et Analyse des Signaux de Pression Cyclostationnaire Générés lors de la Marche : Prédiction des Chutes chez les Personnes Agées

المؤلفون: Abou Marak Dit Brome, Reem

المساهمون: Laboratoire d'Analyse des Signaux et des Processus Industriels (LASPI), Université Jean Monnet - Saint-Étienne (UJM), Université Jean Monnet - Saint-Etienne, Mohamed El Badaoui, Mohamed O Diab

المصدر: https://theses.hal.science/tel-04200215 ; Signal and Image Processing. Université Jean Monnet - Saint-Etienne, 2022. English. ⟨NNT : 2022STET0055⟩.

مصطلحات موضوعية: Cyclostationary signals, Falls Prediction, Machine Learning, Convolutional Neural Network (CNN), Model optimization, The elderly, Signal and image processing, Hyperparameter tuning, Signaux cyclostationnaires, Prédiction des Chutes, Apprentissage automatique, Réseau neuronal convolutif (CNN), Optimisation du modèle, Personnes âgées, Traitement du signal et de l'image, Réglage des hyperparamètres, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing

Relation: NNT: 2022STET0055; tel-04200215; https://theses.hal.science/tel-04200215; https://theses.hal.science/tel-04200215/document; https://theses.hal.science/tel-04200215/file/These-Abou-Marak-Dit-Brome-Reem-2022.pdf

الاتاحة: https://theses.hal.science/tel-04200215
https://theses.hal.science/tel-04200215/document
https://theses.hal.science/tel-04200215/file/These-Abou-Marak-Dit-Brome-Reem-2022.pdf

View record in BASE

7

Dissertation/ Thesis

Segmentation multi-échelle d'objets en haute résolution par approches CNN : Application au contrôle d'assemblage de pièces de carrosserie ; High-resolution multi-scale segmentation of objects by CNN approaches : Application to the assembly control of car body parts

المؤلفون: Boussit, Yoann

المساهمون: Lyon, Fresse, Virginie

مصطلحات موضوعية: Réseau neuronal convolutif CNN, RGB-D, Contours actifs, Décalage de phase, Lumière structurée, Segmentation, Multi-échelle, Haute résolution, Convolutional Neural Network (ConvNet/CNN), Active contours, Phase shift, Structured light, Multi-scale, High resolution

Relation: http://www.theses.fr/2022LYSES023/document

الاتاحة: http://www.theses.fr/2022LYSES023/document

View record in BASE

8

Dissertation/ Thesis

Characterization and Analysis of the Cyclostationary Pressure Signals Generated During Walking : Predicting Falls for the Elderly ; Caractérisation et Analyse des Signaux de Pression Cyclostationnaire Générés lors de la Marche : Prédiction des Chutes chez les Personnes Agées

المؤلفون: Abou Marak Dit Brome, Reem

المساهمون: Saint-Etienne, El Badaoui, Mohamed, O Diab, Mohamed

مصطلحات موضوعية: Signaux cyclostationnaires, Prédiction des Chutes, Apprentissage automatique, Réseau neuronal convolutif (CNN), Optimisation du modèle, Personnes âgées, Traitement du signal et de l'image, Réglage des hyperparamètres, Cyclostationary signals, Falls Prediction, Machine Learning, Convolutional Neural Network (CNN), Model optimization, The elderly, Signal and image processing, Hyperparameter tuning

Relation: http://www.theses.fr/2022STET0055/document

الاتاحة: http://www.theses.fr/2022STET0055/document

View record in BASE

9

Dissertation/ Thesis

High-resolution multi-scale segmentation of objects by CNN approaches : Application to the assembly control of car body parts ; Segmentation multi-échelle d'objets en haute résolution par approches CNN : Application au contrôle d'assemblage de pièces de carrosserie

المؤلفون: Boussit, Yoann

المساهمون: Laboratoire Hubert Curien (LabHC), Institut d'Optique Graduate School (IOGS)-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon, Virginie Fresse

المصدر: https://theses.hal.science/tel-04021398 ; Optique [physics.optics]. Université de Lyon, 2022. Français. ⟨NNT : 2022LYSES023⟩.

مصطلحات موضوعية: Convolutional Neural Network (ConvNet/CNN), RGB-D, Active contours, Phase shift, Structured light, Segmentation, Multi-scale, High resolution, Réseau neuronal convolutif CNN, Contours actifs, Décalage de phase, Lumière structurée, Multi-échelle, Haute résolution, [PHYS.PHYS.PHYS-OPTICS]Physics [physics]/Physics [physics]/Optics [physics.optics], [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing

Relation: NNT: 2022LYSES023; tel-04021398; https://theses.hal.science/tel-04021398; https://theses.hal.science/tel-04021398/document; https://theses.hal.science/tel-04021398/file/These-Boussit-Yoann-2022.pdf

الاتاحة: https://theses.hal.science/tel-04021398
https://theses.hal.science/tel-04021398/document
https://theses.hal.science/tel-04021398/file/These-Boussit-Yoann-2022.pdf

View record in BASE

10

Dissertation/ Thesis

High-resolution multi-scale segmentation of objects by CNN approaches : Application to the assembly control of car body parts ; Segmentation multi-échelle d'objets en haute résolution par approches CNN : Application au contrôle d'assemblage de pièces de carrosserie

المؤلفون: Boussit, Yoann

المساهمون: Laboratoire Hubert Curien (LHC), Institut d'Optique Graduate School (IOGS)-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon, Virginie Fresse

المصدر: https://theses.hal.science/tel-04021398 ; Optique [physics.optics]. Université de Lyon, 2022. Français. ⟨NNT : 2022LYSES023⟩.

مصطلحات موضوعية: Convolutional Neural Network (ConvNet/CNN), RGB-D, Active contours, Phase shift, Structured light, Segmentation, Multi-scale, High resolution, Réseau neuronal convolutif CNN, Contours actifs, Décalage de phase, Lumière structurée, Multi-échelle, Haute résolution, [PHYS.PHYS.PHYS-OPTICS]Physics [physics]/Physics [physics]/Optics [physics.optics], [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing

Relation: NNT: 2022LYSES023; tel-04021398; https://theses.hal.science/tel-04021398; https://theses.hal.science/tel-04021398/document; https://theses.hal.science/tel-04021398/file/These-Boussit-Yoann-2022.pdf

الاتاحة: https://theses.hal.science/tel-04021398
https://theses.hal.science/tel-04021398/document
https://theses.hal.science/tel-04021398/file/These-Boussit-Yoann-2022.pdf

View record in BASE

11

Dissertation/ Thesis

High-resolution multi-scale segmentation of objects by CNN approaches : Application to the assembly control of car body parts ; Segmentation multi-échelle d'objets en haute résolution par approches CNN : Application au contrôle d'assemblage de pièces de carrosserie

المؤلفون: Boussit, Yoann

المساهمون: Laboratoire Hubert Curien (LHC), Institut d'Optique Graduate School (IOGS)-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon, Virginie Fresse

المصدر: https://theses.hal.science/tel-04021398 ; Optique [physics.optics]. Université de Lyon, 2022. Français. ⟨NNT : 2022LYSES023⟩.

مصطلحات موضوعية: Convolutional Neural Network (ConvNet/CNN), RGB-D, Active contours, Phase shift, Structured light, Segmentation, Multi-scale, High resolution, Réseau neuronal convolutif CNN, Contours actifs, Décalage de phase, Lumière structurée, Multi-échelle, Haute résolution, [PHYS.PHYS.PHYS-OPTICS]Physics [physics]/Physics [physics]/Optics [physics.optics], [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing

Relation: NNT: 2022LYSES023; tel-04021398; https://theses.hal.science/tel-04021398; https://theses.hal.science/tel-04021398/document; https://theses.hal.science/tel-04021398/file/These-Boussit-Yoann-2022.pdf

الاتاحة: https://theses.hal.science/tel-04021398
https://theses.hal.science/tel-04021398/document
https://theses.hal.science/tel-04021398/file/These-Boussit-Yoann-2022.pdf

View record in BASE

تنقيح النتائج