Apprentissage automatique profond et données géologiques : vers des assistants numériques intelligents pour les géosciences ? - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2021

Apprentissage automatique profond et données géologiques : vers des assistants numériques intelligents pour les géosciences ?

Antoine Bouziat
  • Fonction : Auteur
  • PersonId : 1127976
IFP Energies nouvelles
François Cokelaer
  • Fonction : Auteur
  • PersonId : 970945
Renaud Divies
  • Fonction : Auteur
  • PersonId : 1127977
Sylvain Desroziers
CV
Mathieu Feraille
  • Fonction : Auteur
  • PersonId : 930542

Domaines

Planète et Univers [physics]

CCSD Sciencesconf.org  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03588997

Soumis le : vendredi 25 février 2022-12:07:31

Dernière modification le : mardi 12 mars 2024-15:54:17

Fichier non déposé

Dates et versions

hal-03588997 , version 1 (25-02-2022)

Identifiants

  • HAL Id : hal-03588997 , version 1

Citer

Antoine Bouziat, François Cokelaer, Renaud Divies, Sylvain Desroziers, Mathieu Feraille. Apprentissage automatique profond et données géologiques : vers des assistants numériques intelligents pour les géosciences ?. 27e édition de la Réunion des Sciences de la Terre, SGF, CNRS, Laboratoire de Géologie de Lyon ou l’étude de la Terre, des planètes et de l’environnement, Nov 2021, Lyon, France. ⟨hal-03588997⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

IFP RST2021
20 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More