Magnetic Anomalies Characterization: Deep Learning and Explainability - Sorbonne Université
Article Dans Une Revue Computers and Geosciences Année : 2022

Magnetic Anomalies Characterization: Deep Learning and Explainability

Julio José Cárdenas Chapellín
Christophe Denis
Agents Cognitifs et Apprentissage Symbolique Automatique
CV
Hajar Mousannif
  • Fonction : Auteur
  • PersonId : 993367
Christian Camerlynck
  • Fonction : Auteur
  • PersonId : 1043831
Nicolas Florsch
  • Fonction : Auteur

Domaines

Intelligence artificielle [cs.AI] Géophysique [physics.geo-ph]

Christophe DENIS  : Connectez-vous pour contacter le contributeur

https://hal.sorbonne-universite.fr/hal-03771561

Soumis le : mercredi 7 septembre 2022-14:41:46

Dernière modification le : mercredi 30 octobre 2024-13:33:13

Fichier non déposé

Dates et versions

hal-03771561 , version 1 (07-09-2022)

Identifiants

  • HAL Id : hal-03771561 , version 1

Citer

Julio José Cárdenas Chapellín, Christophe Denis, Hajar Mousannif, Christian Camerlynck, Nicolas Florsch. Magnetic Anomalies Characterization: Deep Learning and Explainability. Computers and Geosciences, In press. ⟨hal-03771561⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNRS LIP6 SORBONNE-UNIVERSITE SU-SCIENCES
320 Consultations
0 Téléchargements

Partager

More