Application of a convolutional neural network to improve automated early warning of harmful algal blooms.

Henrichs, Darren W; Anglès, Sílvia; Gaonkar, Chetan C; Campbell, Lisa

Henrichs, Darren W; Anglès, Sílvia; Gaonkar, Chetan C; Campbell, Lisa.

Afiliación

Henrichs DW; Department of Oceanography, Texas A&M University, College Station, TX, 77843-3146, USA. dhenrichs@tamu.edu.
Anglès S; Department of Oceanography, Texas A&M University, College Station, TX, 77843-3146, USA.
Gaonkar CC; Advanced Science Research Center at the Graduate Center, City University of New York, New York, USA.
Campbell L; Department of Oceanography, Texas A&M University, College Station, TX, 77843-3146, USA.

Environ Sci Pollut Res Int ; 28(22): 28544-28555, 2021 Jun.

Article en En | MEDLINE | ID: mdl-33547607

Asunto(s)

Dinoflagelados; Floraciones de Algas Nocivas; Redes Neurales de la Computación; Texas

Palabras clave

CNN; Dinophysis ovum; Gulf of Mexico; HAB; Imaging FlowCytobot; Karenia brevis; Prorocentrum texanum

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Dinoflagelados / Floraciones de Algas Nocivas País/Región como asunto: America do norte Idioma: En Revista: Environ Sci Pollut Res Int Asunto de la revista: SAUDE AMBIENTAL / TOXICOLOGIA Año: 2021 Tipo del documento: Article País de afiliación: Estados Unidos

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google