Automatyczne wykrywanie powodzi przy u¿yciu danych z teledetekcji

Proces systemu wykrywania powodzi, taki jak cztery ró-ne rodzaje przetwarzania wst-pnego, segmentacji, ekstrakcji cech i sieci neuronowej Contiguous deep Convolutional (CDCNN), zostä wykonany w celu identyfikacji uszkodzonego obszaru powodziowego. CDCNN implementacja proponowanych du-ych zbiorów danych mo-e automatycznie przechodzi- przez histologiczn- charakterystyk- kilku warstw neuronów i posiada zdolno-- do implementacji nieliniowych funkcji decyzyjnych.Praca ta bada równie- i porównuje z mo-liwymi metodami dok-adnej identyfikacji poprzez klasyfikacj- z proponowanymi szczegó-ami CDCNN dotycz-cymi RSI. Analiza wydajno-ci proponowanego modelu jest weryfikowana w 2017 r. w -rodowisku laboratoriów matowych B. W oparciu o ró-ne funkcje, takie jak precyzja, przywo-ywanie i analiza dok-adno-ci pomiarów F proponowanego systemu symulacji wydajno-ci.

El autor es un investigador y científico de renombre 3 que tiene las patentes mundiales a su nombre. Es Académico, investigador, autor, escritor, inventor e innovador, Científico (Consultor y conferencista). Trabaja como profesor asociado en los colegios de ingeniería KLECET. Está cursando el POST DOC en el Lincoln University College, Malasia.