Apprentissage et réseaux de neurones en tomographie par diffraction de rayons X. Application à l'identification minéralogique
La compréhension du comportement chimique et mécanique des matériaux compactés (par exemple sol, sous-sol, matériaux ouvragés) nécessite de se baser sur une description quantitative de structuration du matériau, et en particulier de la nature des différentes phases minéralogiques et de leur relation...
Shranjeno v:
| Glavni avtor: | |
|---|---|
| Drugi avtorji: | , , , , , , , |
| Format: | Thèse numérique |
| Jezik: | Français |
| Izdano: |
2024.
|
| Teme: | |
| Online dostop: | Accès au texte intégral https://theses.univ-orleans.fr/public/2024ORLE1033_va.pdf http://www.theses.fr/2024ORLE1033/abes https://theses.hal.science/tel-04848275 |
| Sporočilo: |
Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Institut Denis Poisson (Orléans, Tours ; 2018-....) (Laboratoire), Bureau de recherches géologiques et minières (1959-....) (Laboratoire) Autre(s) contribution(s) : Saïd Moussaoui (Président du jury) ; Marianne Clausel, Arnaud Demortière, Mame Diarra Fall, Sylvain Grangeon, Rachid Harba (Membre(s) du jury) ; Saïd Moussaoui, Éric Ferrage (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Neural networks for X-ray diffraction computed tomography. Application to mineralogical identification |