scholarly journals Combined Deep Learning and Traditional NLP Approaches for Fire Burst Detection Based on Twitter Posts

Cyberspace ◽  
2020 ◽  
Author(s):  
Konstantinos-George Thanos ◽  
Andrianna Polydouri ◽  
Antonios Danelakis ◽  
Dimitris Kyriazanos ◽  
Stelios C.A. Thomopoulos
Keyword(s):  
Deep Learning ◽  
Burst Detection

Type III solar radio burst detection: A deep learning approach

2021 ◽  
Author(s):  
Jeremiah Scully ◽  
Ronan Flynn ◽  
Eoin Carley ◽  
Peter Gallagher ◽  
Mark Daly
Keyword(s):  
Deep Learning ◽  
Radio Burst ◽  
Solar Radio ◽  
Solar Radio Burst ◽  
Learning Approach ◽  
Burst Detection ◽  
Type Iii

Burst Detection in District Metering Areas Using Deep Learning Method

2020 ◽  
Vol 146 (6) ◽  
pp. 04020031
Author(s):  
Xiaoting Wang ◽  
Guancheng Guo ◽  
Shuming Liu ◽  
Yipeng Wu ◽  
Xiyan Xu ◽  
...  
Keyword(s):  
Deep Learning ◽  
Learning Method ◽  
Burst Detection

scholarly journals A Deep Learning Method for AGILE-GRID Gamma-Ray Burst Detection

2021 ◽  
Vol 914 (1) ◽  
pp. 67
Author(s):  
N. Parmiggiani ◽  
A. Bulgarelli ◽  
V. Fioretti ◽  
A. Di Piano ◽  
A. Giuliani ◽  
...  
Keyword(s):  
Deep Learning ◽  
Gamma Ray ◽  
Learning Method ◽  
Burst Detection ◽  
Gamma Ray Burst

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.

Vollautomatische Quantifizierung der Volumina und Funktion des linken Ventrikels in der kardialen MRT: Evaluation eines Deep-Learning basierten Algorithmus

2020 ◽  
Author(s):  
B Böttcher ◽  
E Beller ◽  
A Busse ◽  
F Streckenbach ◽  
M Weber ◽  
...  
Keyword(s):  
Deep Learning

Primäre ZNS-Lymphome: Vollautomatisierte Detektion und Segmentierung auf multiparametrischen MRT-Datensätzen mittels Deep-Learning

2020 ◽  
Author(s):  
L Pennig ◽  
L Lourenco Caldeira ◽  
C Hoyer ◽  
L Görtz ◽  
R Shahzad ◽  
...  
Keyword(s):  
Deep Learning

Computertomografie: Bildrekonstruktion mit Deep Learning in der klinischen Routine

2020 ◽  
Author(s):  
A Heinrich ◽  
M Engler ◽  
D Dachoua ◽  
U Teichgräber ◽  
F Güttler
Keyword(s):  
Deep Learning
Sign in / Sign up

Export Citation Format

Share Document