Journal articles: 'Redes neuronales convolucionales'

1

Cruz-Guerrero, René, and Karina Gutiérrez-Fragoso. "Detección de estudiantes que copian en el aula usando Redes Neuronales Convolucionales." Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI 9, Especial (August 5, 2021): 106–9. http://dx.doi.org/10.29057/icbi.v9iespecial.7492.

Full text

Abstract:

La modernización del proceso educativo implica la automatización de las actividades académicas y administrativas que fomenten un entorno inteligente. Incorporar tecnologías emergentes en las instituciones educativas de nivel superior permitirá transitar hacia la conversión de procesos rutinarios para mejorar la calidad del servicio educativo. El presente trabajo consiste en automatizar la detección de alumnos que copian durante la aplicación de sus exámenes en las aulas utilizando técnicas de Deep Learning con redes neuronales convolucionales. Se obtuvo una precisión de un 95.75% en el modelo de clasificación después de experimentar con diferentes parámetros y arquitecturas de una red neuronal convolucional.

APA, Harvard, Vancouver, ISO, and other styles

2

Dávila-Morán, Roberto Carlos, Rafael Alan Castillo-Sáenz, Alfonso Renato Vargas-Murillo, Leonardo Velarde Dávila, Elvira García-Huamantumba, Camilo Fermín García-Huamantumba, Renzo Fidel Pasquel Cajas, and Carlos Enrique Guanilo Paredes. "Aplicación de Modelos de Aprendizaje Automático en la Detección de Fraudes en Transacciones Financieras." Data and Metadata 2 (October 29, 2023): 109. http://dx.doi.org/10.56294/dm2023109.

Full text

Abstract:

Introducción: La detección de fraude en transacciones financieras se ha convertido en una preocupación crítica en el panorama financiero actual. Las técnicas de aprendizaje automático se han convertido en una herramienta clave para la detección de fraude dada su capacidad para analizar grandes volúmenes de datos y detectar patrones sutiles.Objetivo: Evaluar el desempeño de técnicas de aprendizaje automático como Random Forest y Redes neuronales convolucionales para identificar transacciones fraudulentas en tiempo real.Métodos: Se obtuvo un conjunto de datos del mundo real de transacciones financieras de varias instituciones. Se aplicaron técnicas de preprocesamiento de datos que incluyen imputación múltiple y transformación de variables. Se entrenaron y optimizaron modelos como Random Forest, Redes neuronales convolucionales, Naive Bayes y Regresión logística. El rendimiento se evaluó utilizando métricas como la puntuación F1.Resultados: Los Random Forest y las Redes neuronales convolucionales lograron una puntuación F1 superior al 95 % en promedio, superando el umbral objetivo. Los Random Forest produjeron la puntuación F1 promedio más alta de 0,956. Se estimó que los modelos detectaban el 45% de las transacciones fraudulentas con baja variabilidad.Conclusiones: El estudio demostró la eficacia de los modelos de aprendizaje automático, especialmente los Random Forest y las Redes neuronales convolucionales, para una detección precisa del fraude en tiempo real. Su alto desempeño respalda la aplicación de estas técnicas para fortalecer la seguridad financiera. También se discuten futuras direcciones de investigación.

APA, Harvard, Vancouver, ISO, and other styles

3

Olguín-Rojas, Juan C., Juan I. Vasquez-Gomez, Gilberto de J. López-Canteñs, and Juan C. Herrera-Lozada. "CLASIFICACIÓN DE MANZANAS CON REDES NEURONALES CONVOLUCIONALES." Revista Fitotecnia Mexicana 45, no. 3 (September 15, 2022): 369. http://dx.doi.org/10.35196/rfm.2022.3.369.

Full text

Abstract:

Actualmente, en puntos de venta y en empresas agroindustriales de México, la clasificación de manzanas (Malus domestica) la realizan personas de forma manual, lo que genera deficiencias en la calidad del producto. Estos problemas se pueden reducir con la implementación de equipos de visión en sitio equipados con algoritmos de aprendizaje automático. En este estudio se analizaron varias arquitecturas de red neuronal convolucional (CNN) y se seleccionó una que permite clasificar manzanas en sanas y dañadas en el proceso en postcosecha. Las variedades utilizadas fueron Red Delicious, Granny Smith, Golden Delicious y Gala. Se comparó la exactitud de las CNN LeNet5 y VGG16. Se realizó una serie de tratamientos (combinación de red con hiperparámetros) que se utilizaron para la clasificación del objeto de estudio. Al probarse cada tratamiento se midió su rendimiento. Al finalizar, el tratamiento con mejor rendimiento fue LeNet5 entrenada desde cero con el optimizador RMSProp, que obtuvo una exactitud del 97 %.

APA, Harvard, Vancouver, ISO, and other styles

4

Guevara Cruz, Ronny Stalin, and Claudio Augusto Delrieux. "Aplicación de redes neuronales densas y convolucionales para detección de COVID_19 en imágenes de rayos X." Revista Conectividad 4, no. 2 (July 13, 2023): 19–32. http://dx.doi.org/10.37431/conectividad.v4i2.78.

Full text

Abstract:

Las redes neuronales convolucionales (CNN) tienen gran potencial en resolver problemas de clasificación con imágenes. La presente investigación tiene como objetivo presentar modelos reducidos que permita identificar casos de neumonía y COVID-19 en imágenes de rayos X de tórax(anterior-posterior), ofreciendo una amplia perspectiva del interés de herramientas que brindan soporte y asistencia médica. La capacidad y tamaño de los modelos fueron reducidos hasta obtener una opción perfecta para ser desplegados localmente en dispositivos con recursos limitados. Los algoritmos propuestos se desarrollaron en Google Colab utilizando el lenguaje de programación Python, aplicando redes neuronales densas y convolucionales a diferentes capas hasta obtener un índice de error bajo, para posterior diagnosticar si el paciente presenta COVID-19. Para ello, se utiliza un conjunto de 603 imágenes de alta resolución de bases de datos públicos (ver en https://www.cell.com/cell/fulltext/S0092-8674(18)30154-5 y https://github.com/ieee8023/covid-chestxray-dataset),.divididas en 403 imágenes para entrenamiento, 200 imágenes para prueba y 12 imágenes para validación. La herramienta diseñada con una red neuronal convolucional de 13 capas propone la integración de aprendizaje de maquina (Machine Learning) como soporte en el proceso de diagnóstico médico, con una precisión del 94.73% puede convertirse en una herramienta que brinda mayor velocidad a la hora de dar un diagnóstico.

APA, Harvard, Vancouver, ISO, and other styles

5

Zapeta Hernández, Adriana, Gustavo Alejandro Galindo Rosales, Héctor Jesús Juan Santiago, and Maribel Martínez Lee. "Métricas de rendimiento para evaluar el aprendizaje automático en la clasificación de imágenes petroleras utilizando redes neuronales convolucionales." Ciencia Latina Revista Científica Multidisciplinar 6, no. 5 (November 11, 2022): 4624–37. http://dx.doi.org/10.37811/cl_rcm.v6i5.3420.

Full text

Abstract:

Las redes neuronales entran en un campo extenso de la inteligencia artificial, sus funciones son: el aprendizaje relacionado con imágenes, reconocimiento de voz, detección de texto, detección de objetos, detección de idioma, reconocimiento facial, etc. Una red neuronal aprende tareas analizando grandes cantidades de datos, el aprendizaje puede ser supervisado, reforzado o no supervisado. La red neuronal convolucional (CNN) utilizan una jerarquía de características combinando las de bajo nivel con una estructura de capas para formar características de alto nivel. (Rashka & Mirjalili, 2019)Este trabajo se centra en el desarrollo de un software inteligente basado en una CNN, que clasifica imágenes, patrones y texto de fotos tomadas a pozos petroleros, las cuales son evaluadas por medio de métricas de rendimiento, que ayudan a detectar posibles errores, falsas predicciones, suba justes y sobreajustes que pueden llegar a surgir en el aprendizaje automático. El objetivo de este trabajo es mostrar cómo se aplica cada una de las métricas de rendimiento para obtener una mejor precisión y exactitud para la clasificación de imágenes utilizando redes neuronales convolucionales.

APA, Harvard, Vancouver, ISO, and other styles

6

Gómez Macedo, Mauricio, Jimena Olveres Montiel, Gibran Fuentes Pineda, Boris Escalante Ramírez, and Fernando Arámbula Cosio. "Detección de COVID-19 en radiografías de tórax mediante aprendizaje profundo." TIES, Revista de Tecnología e Innovación en Educación Superior, no. 7 (March 2023): 1–10. http://dx.doi.org/10.22201/dgtic.26832968e.2023.7.3.

Full text

Abstract:

La pandemia por la COVID-19 generó una gran cantidad de adelantos computacionales para el área médica, en especial en su modalidad a distancia. Por estas razones, los algoritmos computacionales han tenido una gran incidencia, en especial aquellos que pertenecen al área de inteligencia artificial (IA), siendo un ejemplo representativo las redes neuronales convolucionales (siglas en inglés CNN, Convolutional Neural Networks). Este trabajo muestra el desarrollo de un sistema que apoya al diagnóstico de las enfermedades pulmonares generadas tanto por la COVID-19 como por la neumonía, mediante la implementación de una arquitectura de redes neuronales convolucionales aplicadas a imágenes de rayos X. El algoritmo que se presenta es capaz de distinguir si los pulmones se encuentran sanos o padecen alguna enfermedad como COVID-19 y neumonía.

APA, Harvard, Vancouver, ISO, and other styles

7

Jiménez-Murillo, David, Stiven Alexander Henao-Garcés, Andrés Eduardo Castro-Ospina, Leonardo Duque-Muñoz, and Danie Nieto-Mora. "Segmentación de tejido cerebral mediante redes neuronales convolucionales basadas en U-Net." RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, no. 52 (December 31, 2023): 5–24. http://dx.doi.org/10.17013/risti.52.5-24.

Full text

Abstract:

La Resonancia Magnética (MRI, por sus siglas en inglés) es un método no invasivo que produce imágenes anatómicas volumétricas de alta resolución. Este método se utiliza comúnmente para diagnosticar diversas patologías cerebrales, como enfermedades desmielinizantes, demencia, enfermedades cerebrovasculares, epilepsia, entre otras. Sin embargo, la segmentación manual de tejidos en estas imágenes es una tarea compleja que requiere una cantidad significativa de tiempo y esfuerzo por parte de especialistas. Para abordar esto, se han propuesto diversas estrategias en la literatura que implican menos participación de expertos, tanto automáticas como semiautomáticas. En este estudio, se realiza una comparación entre una red neuronal convolucional basada en la arquitectura U-Net y otros dos métodos de segmentación de MRI, Dipy y FSL. La comparación utiliza tres conjuntos de datos disponibles públicamente, MRBrainS13, MRBrainS18 e IBSR, que contienen volúmenes de MRI con tejidos cerebrales segmentados manualmente. El rendimiento de cada método se evalúa usando el coeficiente de Dice, el índice de Jaccard, el área bajo la curva y la similitud estructural. Los resultados demuestran que los métodos basados en redes neuronales convolucionales logran mejorar la segmentación de tejido cerebral.

APA, Harvard, Vancouver, ISO, and other styles

8

Santander-Baños, Fredy, Norberto Hernández-Romero, Irving Barragán-Vite, Oleksandr Karelin, and Joselito Medina-Marín. "Clasificación de Arritmias Cardíacas mediante Redes Neuronales Convolucionales y Optimización por Enjambre de Partículas." Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI 10, Especial2 (June 24, 2022): 42–55. http://dx.doi.org/10.29057/icbi.v10iespecial2.8655.

Full text

Abstract:

Una arritmia cardíaca es un latido irregular del corazón que se traduce en un impulso eléctrico anormal, y su tipo se define por el ritmo y duración. Su clasificación ha sido abordada en diferentes campos de la ciencia, destacando el uso de algoritmos de aprendizaje profundo. La presente investigación, utilizó un modelo híbrido entre Redes Neuronales Convolucionales y el algoritmo metaheurístico de Optimización por Enjambre de Partículas; para la clasificación de arritmias cardíacas. El metaheurístico se encargó de optimizar la arquitectura de capas de la red neuronal, a través de la minización de la pérdida durante el entrenamiento y prueba. Los datos se obtuvieron del MIT-BIH Arrhythmia dataset, donde se describen cinco categorías de arritmias. Los resultados logrados demostraron que el metaheurístico es un algoritmo confiable en la búsqueda de la mejor arquitectura de capas, logrando obtener una exactitud del 97%, lo que significa que el uso de técnicas metaheurísticas es una opción que se debe tomar en consideración a la hora de optimizar el rendimiento de las redes neuronales convolucionales.

APA, Harvard, Vancouver, ISO, and other styles

9

Mota-Delfin, C., C. Juárez-González, and J. C. Olguín-Rojas. "Clasificación de manzanas utilizando visión artificial y redes neuronales artificiales." Ingeniería y Región 20 (December 28, 2018): 52–57. http://dx.doi.org/10.25054/22161325.1917.

Full text

Abstract:

El valor agregado en un fruto puede incrementarse con un buen manejo postcosecha. La clasificación en diferentes parámetros es de las operaciones más importantes. En las pequeñas empresas se realiza de forma manual obteniendo deficiencias en la calidad del producto. Estos problemas se podrían resolver o disminuir con la implementación de algoritmos inteligentes que en este caso incluyen visión artificial y redes neuronales artificiales. En este proyecto se presenta la clasificación de manzanas mediante un algoritmo inteligente, usando una red neuronal convolucional (CNN), la cual se desarrolla utilizando librerías de código abierto (OpenCV, Tensorflow y Keras) en Python con una estructura de diferentes capas convolucionales y MaxPooling, para un conjunto de 2,800 imágenes de 128x128 pixeles, de las cuales el 80% se utilizaron para entrenamiento y el 20% para hacer una prueba de la red, obteniendo una precisión del 98.3% y del 95.36%, respectivamente. Después del entrenamiento, se realizó una clasificación con un video en tiempo real, obteniendo una precisión del 92.25%. Asimismo, se explora la posibilidad de la utilización en la industria con la clasificación por otras características visuales del fruto como tamaño, color, forma, etc.

APA, Harvard, Vancouver, ISO, and other styles

10

Gamarra Moreno, Abraham E., and José A. Dávalos Pinto. "Reconocimiento de Personas en Ambiente con Emisiones de Humo Usando Sensor Laser y Redes Neuronales Convolucionales desde Nube de Puntos 3D. Parte 1." BISTUA REVISTA DE LA FACULTAD DE CIENCIAS BASICAS 17, no. 1 (December 13, 2018): 179. http://dx.doi.org/10.24054/01204211.v1.n1.2019.3146.

Full text

Abstract:

Cuando ocurren incendios en Plantas industriales, los materiales siniestrados y el humo dificultan la identificación del personal. Los Drones con sensores laser y redes CNN posibilitan el reconocimiento de personas en tales ambientes. El objetivo del proyecto es el estudio de un sistema neuronal convolucional para el reconocimiento de personas en un ambiente con emisiones de humo (parte1) y para su implementación usa un sensor laser, una tarjeta controladora y un dron (parte2). El método empleado consideró la realización de un reconocimiento de personas usando una red CNN previamente entrenada con nube de puntos 3D. La prueba se realizó con Alexnet e imágenes de personas. Los resultados (parte1) muestran que una matriz de confusión del 97.5 % ha sido alcanzada. Basado en el estudio, se concluye que el sistema neuronal de reconocimiento de personas usando CNN en ambientes siniestrados presenta un comportamiento muy aceptable para su aplicabilidad.Palabras clave: reconocimiento de personas, redes neuronales convolucionales, programación en entorno Matlab, sensor laser y dron.

APA, Harvard, Vancouver, ISO, and other styles

11

Gamarra Moreno, Abraham E., and José A. Dávalos Pinto. "Recognition of People in Environment with Smoke Emissions Using Laser Sensor and Convolutional Neural Networks from 3D Pointed Cloud." BISTUA REVISTA DE LA FACULTAD DE CIENCIAS BASICAS 17, no. 2 (August 16, 2019): 03. http://dx.doi.org/10.24054/01204211.v2.n2.2019.3515.

Full text

Abstract:

Cuando ocurren incendios en Plantas industriales, los materiales siniestrados y el humo dificultan la identificación del personal. Los Drones con sensores laser y redes CNN posibilitan el reconocimiento de personas en tales ambientes. El objetivo del proyecto es el estudio de un sistema neuronal convolucional para el reconocimiento de personas en un ambiente con emisiones de humo (parte1) y para su implementación usa un sensor laser, una tarjeta controladora y un dron (parte2). El método empleado consideró la realización de un reconocimiento de personas usando una red CNN previamente entrenada con nube de puntos 3D. La prueba se realizó con Alexnet e imágenes de personas. Los resultados (parte1) muestran que una matriz de confusión del 97.5 % ha sido alcanzada. Basado en el estudio, se concluye que el sistema neuronal de reconocimiento de personas usando CNN en ambientes siniestrados presenta un comportamiento muy aceptable para su aplicabilidad. Palabras clave: reconocimiento de personas, redes neuronales convolucionales, programación en entorno Matlab, sensor laser y dron.

APA, Harvard, Vancouver, ISO, and other styles

12

Montiel González, Rodolfo, Martín Alejandro Bolaños González, Antonia Macedo Cruz, Agustín Rodríguez González, and Adolfo López ´Pérez. "Clasificación de uso del suelo y vegetación con redes neuronales convolucionales." Revista Mexicana de Ciencias Forestales 13, no. 74 (November 1, 2022): 97–119. http://dx.doi.org/10.29298/rmcf.v13i74.1269.

Full text

Abstract:

La clasificación de uso del suelo y vegetación es un ejercicio complejo y difícil de realizar con métodos tradicionales, por lo que los modelos de aprendizaje profundo son una alternativa para su aplicación debido a que son altamente capaces de aprender esta semántica compleja, lo que hace plausible su aplicación en la identificación automática de usos del suelo y vegetación, a partir de patrones espacio-temporales extraídos de su apariencia. El objetivo del presente estudio fue proponer y evaluar un modelo de red neuronal convolucional de aprendizaje profundo para la clasificación de 22 clases distintas de cobertura y uso del suelo ubicadas en la cuenca río Atoyac-Salado. El modelo propuesto se entrenó utilizando datos digitales capturados en 2021 por el satélite Sentinel 2; se aplicó una combinación diferente de hiperparámetros, en la cual la precisión del modelo depende del optimizador, la función de activación, el tamaño del filtro, la tasa de aprendizaje y el tamaño del lote. Los resultados proporcionaron una precisión de 84.57 % para el conjunto de datos. Para reducir el sobreajuste se empleó el método de regularización denominado dropout, que resultó ser muy eficaz. Se comprobó con suficiente precisión que el aprendizaje profundo con redes neuronales convolucionales identifica patrones en los datos de la reflectancia captada por las imágenes del satélite Sentinel 2 para la clasificación el uso de suelo y vegetación en áreas con una dificultad intrínseca en la cuenca del río Atoyac-Salado

APA, Harvard, Vancouver, ISO, and other styles

13

Perdigón-Llanes, Rudibel, and Neilys González-Benítez. "Redes neuronales artificiales en el pronóstico de la producción de leche bovina." Revista Colombiana de Computación 23, no. 1 (June 21, 2022): 20–33. http://dx.doi.org/10.29375/25392115.4209.

Full text

Abstract:

Los pronósticos facilitan la toma de decisiones en granjas productoras de leche y contribuyen a mejorar la cadena productiva de este alimento. En la literatura se identificó que las redes neuronales artificiales poseen un ajuste aceptable al pronóstico de las producciones de leche. Sin embargo, en las fuentes bibliográficas consultadas no se evidenció un consenso sobre el tipo de red neuronal artificial con mejores rendimientos en esta actividad. Esta investigación tiene como objetivo identificar la red neuronal artificial con mayores índices de desempeño en el pronóstico de la producción de leche bovina. Se realizó una revisión de la literatura relacionada con los pronósticos de las producciones de leche mediante el uso de redes neuronales artificiales. Los resultados obtenidos en la literatura analizada evidenciaron que las redes no lineales autorregresivas con variables exógenas y las redes convolucionales poseen los mejores rendimientos en el pronóstico de la producción de leche bovina.

APA, Harvard, Vancouver, ISO, and other styles

14

López Reynaga, Brandon Alexis, María Elena Acevedo Mosqueda, Marco Antonio Acevedo Mosqueda, and Sandra Luz Gómez Coronel. "Clasificación de actividades humanas aplicando Inteligencia Computacional." Ingeniería Investigación y Tecnología 25, no. 2 (April 1, 2024): 1–12. http://dx.doi.org/10.22201/fi.25940732e.2024.25.2.009.

Full text

Abstract:

La actividad diaria es de gran importancia para llevar una vida saludable. El monitoreo de esa actividad permite a una persona saber si es necesario incrementar sus movimientos diarios para, al menos, cubrir la actividad mínima diaria para vivir con salud. El monitoreo de la actividad humana tiene varias aplicaciones, en este trabajo, el objetivo es la salud. El primer paso para lograr el objetivo es el de identificar los movimientos que realiza una persona. El conjunto de datos utilizado se obtuvo del repositorio de datos de UCI. La propuesta consiste en aplicar tres algoritmos de clasificación: K-NN, Regresión Logística y Redes Neuronales Convolucionales para identificar seis movimientos que son: caminar, subir escaleras, bajar escaleras, tomar asiento, ponerse de pie y acostarse. El método de validación empleado fue Hold-Out (80-20). Los mejores resultados se obtuvieron con las Redes Neuronales Convolucionales y se usaron las métricas: Exactitud: 99.03%, Precisión: 99.08% y F1-score: 99.12%. La aplicación de estos métodos logró que se mejorara el porcentaje de exactitud en la clasificación de actividades físicas.

APA, Harvard, Vancouver, ISO, and other styles

15

Borja Robalino, Ricardo, Antonio Monleón Getino, and José Rodellar. "Matemática oculta bajo el proceso de aprendizaje en redes neuronales convolucionales." Ciencia Latina Revista Científica Multidisciplinar 6, no. 5 (October 18, 2022): 1031–63. http://dx.doi.org/10.37811/cl_rcm.v6i5.3158.

Full text

Abstract:

En la última década la inteligencia artificial ha transformado el mundo. El Big Data y grandes empresas de software impulsan a investigadores a crear nuevos algoritmos que superan la inteligencia humana con mayor rapidez y eficiencia. En el año 2012 las redes neuronales convolucionales (CNN) captaron la atención de investigadores en el tema del reconocimiento de imágenes; volviéndose populares y eficientes. Sin embargo, la falta de información de un proceso matemático minucioso y la tendencia de autores a describir este método como una caja negra, implicaron que una arquitectura, parámetros e hiperparámetros definidos generen resultados con un proceso interno desconocido. El presente estudio desarrolló un modelo matemático detallado de forward y backward propagation en una CNN para imágenes tridimensionales (a color), dotando a investigadores de herramientas solidas al momento de generar optimizaciones en el algoritmo. Además, los modelos se aplicaron a una arquitectura planteada que permitió reconocer las etapas del proceso, cantidad de parámetros de aprendizaje de la red y complejidad enfocada al gasto computacional. Se incluye tablas con funciones de costo, activación y optimización más utilizadas que permitan al lector formular su propio modelo dependiendo de la arquitectura, funciones e hiperparámetros seleccionados.

APA, Harvard, Vancouver, ISO, and other styles

16

Gutiérrez Leguizamón, Juan José, Jimmy Alejandro Plazas López, Marco Javier Suárez Barón, and Juan Sebastián González Sanabria. "Reconocimiento de lengua de señas colombiana mediante redes neuronales convolucionales y captura de movimiento." Tecnura 26, no. 74 (September 25, 2022): 70–86. http://dx.doi.org/10.14483/22487638.19213.

Full text

Abstract:

Contexto: Este articulo presenta el diseño de un modelo predictivo computacional que facilita el reconocimiento de la lengua de señas colombiana (LSC) en un entorno hotelero y turístico. Método: Se aplicaron técnicas de inteligencia artificial y redes neuronales profundas en el aprendizaje y la predicción de gestos en tiempo real, los cuales permitieron construir una herramienta para disminuir la brecha y fortalecer la comunicación. Se implementaron algoritmos de redes neuronales convolucionales sobre captura de datos en tiempo real. Se capturó movimiento mediante cámaras de video de dispositivos móviles; así, se obtuvieron las imágenes que forman el conjunto de datos. Las imágenes se utilizaron como datos de entrenamiento para un modelo computacional óptimo que puede predecir el significado de una imagen recién presentada. Resultados: Se evaluó el rendimiento del modelo usando medidas categóricas y comparando diferentes configuraciones para la red neuronal. Adicional a esto, todo está soportado con el uso de herramientas como Tensorflow, OpenCV y MediaPipe. Conclusiones: Se obtuvo un modelo capaz de identificar y traducir 39 señas diferentes entre palabras, números y frases básicas enfocadas al sector hotelero, donde se logró una tasa de éxito del 97,6 % en un ambiente de uso controlado.

APA, Harvard, Vancouver, ISO, and other styles

17

Miranda-González, Armando Adrián, Alberto Jorge Rosales-Silva, Dante Mújica-Vargas, Ponciano Jorge Escamilla-Ambrosio, Jean Marie Vianney-Kinani, and Floriberto Ortíz-Rodríguez. "Diseño e implementación de un Autoencoder para la supresión de ruido de diferente naturaleza en imágenes de color." Científica 27, no. 1 (June 2023): 1–16. http://dx.doi.org/10.46842/ipn.cien.v27n1a04.

Full text

Abstract:

El presente artículo se centra en la propuesta de una red neuronal de tipo Autoencoder para la supresión de diversos tipos de ruido presente en imágenes de color. Existen diversos tipos de algoritmos para la supresión de ruido en imágenes como lo son las Redes Neuronales Convolucionales (CNN) los cuales requieren tanto de una gran cantidad de datos para su entrenamiento como de mayor carga computacional, aunque el mayor problema que estos presentan es que comúnmente se centran en un solo tipo de ruido causando que en algunas ocasiones la imagen no sea procesada de manera adecuada y al finalizar su tratamiento contenga pixeles corruptos los cuales causen que haya pérdida de detalles importantes dentro de la imagen. Por este motivo, esta propuesta proporciona evidencia de que el uso de autoencoders para la supresión de diversos tipos de ruidos en imágenes es factible, a través de este artículo se mostrarán resultados subjetivos y objetivos que determinarán la factibilidad del uso de este tipo de redes neuronales.

APA, Harvard, Vancouver, ISO, and other styles

18

Mera-Jiménez, Leonel, and John F. Ochoa-Gómez. "Redes neuronales convolucionales para la clasificación de componentes independientes de rs-fMRI." TecnoLógicas 24, no. 50 (January 30, 2021): e1626. http://dx.doi.org/10.22430/22565337.1626.

Full text

Abstract:

La resonancia magnética funcional en estado de reposo (rs-fMRI) es una de las técnicas más relevantes en exploración cerebral. No obstante, la misma es susceptible a muchos factores externos que pueden ocluir la señal de interés. En este orden de ideas, las imágenes rs-fMRI han sido estudiadas desde diferentes enfoques, existiendo un especial interés en las técnicas de eliminación de artefactos a través del Análisis de Componentes Independientes (ICA por sus siglas en inglés). El enfoque es una herramienta poderosa para la separación ciega de fuentes donde es posible eliminar los elementos asociados a ruido. Sin embargo, dicha eliminación está sujeta a la identificación o clasificación de las componentes entregadas por ICA. En ese sentido, esta investigación se centró en encontrar una estrategia alternativa para la clasificación de las componentes independientes. El problema se abordó en dos etapas. En la primera de ellas, se redujeron las componentes (volúmenes 3D) a imágenes mediante el Análisis de Componentes Principales (PCA por sus siglas en inglés) y con la obtención de los planos medios. Los métodos lograron una reducción de hasta dos órdenes de magnitud en peso de los datos y, además, demostraron conservar las características espaciales de las componentes independientes. En la segunda etapa, se usaron las reducciones para entrenar seis modelos de redes neuronales convolucionales. Las redes analizadas alcanzaron precisiones alrededor de 98 % en la clasificación e incluso se encontró una red con una precisión del 98.82 %, lo cual refleja la alta capacidad de discriminación de las redes neuronales convolucionales.

APA, Harvard, Vancouver, ISO, and other styles

19

Guerra Londono, Mateo, Luis Fernando Castano Londono, Cristian Camilo Alzate Anzola, David Andres Marquez Viloria, and Ricardo Andres Velasquez Velez. "An´alisis de desempe˜no de capas de CNN para arquitecturas heterog´eneas basadas en FPGAs usando HLS." Ingeniería 26, no. 1 (December 19, 2020): 62–76. http://dx.doi.org/10.14483/23448393.15634.

Full text

Abstract:

Contexto: Las redes neuronales convolucionales (CNNs) son actualmente utilizadas en una amplia gama de aplicaciones de inteligencia artificial. En muchos casos, dichas aplicaciones requieren la ejecución de las redes en tiempo real en dispositivos integrados. Por esto, el interés en que estas aplicaciones puedan alcanzar un buen desempeño con bajo consumo de potencia. Las CNNs realizan operaciones entre los datos de entrada y los pesos de la red, con la particularidad de que no existe dependencia entre la mayoría de las operaciones. Por tal motivo, el paralelismo inherente de los FPGAs puede ser usado para realizar múltiples operaciones en paralelo, manteniendo el buen desempeño por vatio que caracteriza a estos dispositivos. Este artículo se enfoca en la evaluación del algoritmo de convolución para una capa convolucional de redes neuronales explorando directivas de paralelización usando VIVADO HLS, y su objetivo es evaluar el desempeño del algoritmo utilizando directivas de optimización. Método: La metodología consiste en una exploración del espacio de diseño de la implementación de una capa de una red neuronal convolucional usando VIVADO HLS. La verificación del funcionamiento del FPGA fue realizada comparando los datos de salida con el mismo algoritmo de convolución implementado en MATLAB. Una capa de la versión comercial Xilinx DNNK fue usada como referencia para las medidas de desempeño de las diferentes implementaciones obtenidas en la exploración del espacio de diseño. En este trabajo se utilizan múltiples variaciones de directivas de optimización, tales como pipeline, array partition, y unroll. Resultados: Este trabajo presenta los resultados de una implementación de referencia (sin directivas de optimización) del algoritmo de convolución con respecto a la latencia del algoritmo y los recursos de hardware utilizados por la FPGA. Los resultados se comparan con implementaciones del algoritmo, incluyendo diferentes combinaciones de dos directivas de optimización (pipeline y partition array). Conclusiones: Este trabajo explora el espacio de diseño de un algoritmo de convolución para una capa de red neuronal convolucional sobre FPGAs. La exploración incluye el efecto causado por la transferencia de los datos entre la memoria DDR y la memoria on-chip del FPGA. Además, dicho efecto es causado por las directivas de optimización en Vivado HLS sobre los diferentes ciclos del algoritmo.

APA, Harvard, Vancouver, ISO, and other styles

20

Centeno, Thonny Behyker, Cassiana Ferreira, Janet Gaby Inga, Andrés Vélez, Raul Huacho, Osir Daygor Vidal, Sthefany Madjory Moya, et al. "Herramientas de corte para optimizar parámetros de clasificación de especies maderables con redes neuronales convolucionales." Revista de Biología Tropical 71, no. 1 (August 24, 2023): e51310. http://dx.doi.org/10.15517/rev.biol.trop..v71i1.51310.

Full text

Abstract:

Introducción: La gran diversidad de especies maderables tropicales demanda el desarrollo de nuevas tecnologías de identificación con base en sus patrones o características anatómicas. La aplicación de redes neuronales convolucionales (CNN) para el reconocimiento de especies maderables tropicales se ha incrementado en los últimos años por sus resultados prometedores. Objetivo: Evaluamos la calidad de las imágenes macroscópicas con tres herramientas de corte para mejorar la visualización y distinción de las características anatómicas en el entrenamiento del modelo CNN. Métodos: Recolectamos las muestras entre el 2020 y 2021 en áreas de explotación forestal y aserraderos de Selva Central, Perú. Luego, las dimensionamos y, previo a la identificación botánica y anatómica, las cortamos en secciones transversales. Generamos una base de datos de imágenes macroscópicas de la sección transversal de la madera, a través del corte, con tres herramientas para ver su rendimiento en el laboratorio, campo y puesto de control. Resultados: Usamos tres herramientas de corte para obtener una alta calidad de imágenes transversales de la madera; obtuvimos 3 750 imágenes macroscópicas con un microscopio portátil que corresponden a 25 especies maderables. El cuchillo “Tramontina” es duradero, pero pierde el filo con facilidad y se necesita una herramienta para afilar, el cúter retráctil “Pretul” es adecuado para madera suave y dura en muestras pequeñas de laboratorio; el cuchillo “Ubermann” es apropiado para el campo, laboratorio y puesto de control, porque tiene una envoltura duradera y láminas intercambiables en caso de pérdida de filo. Conclusiones: La calidad de las imágenes es decisiva en la clasificación de especies maderables, porque permite una mejor visualización y distinción de las características anatómicas en el entrenamiento con los modelos de red neuronal convolucional EfficientNet B0 y Custom Vision, lo cual se evidenció en las métricas de precisión.

APA, Harvard, Vancouver, ISO, and other styles

21

Rocha Vallejo, Giovanny German. "Identificación de personas sin barbijo utilizando Deep Learning." Journal Boliviano de Ciencias 18, no. 52 (June 29, 2022): 34–44. http://dx.doi.org/10.52428/20758944.v18i52.236.

Full text

Abstract:

Este trabajo hace uso de las redes neuronales convolucionales para la detección de personas sin barbijo, ya que debido a la coyuntura actual del COVID-19 y de acuerdo con las medidas de bioseguridad instruidas por las instituciones gubernamentales y de salud, se ha visto de una manera comprobada que el uso de los barbijos o mascarillas quirúrgicas ayudan a reducir el riesgo de contagio de la enfermedad, por esta razón se hace evidente la necesidad de realizar la detección o identificación de personas que no estén utilizando un barbijo, incumpliendo con esta medida de bioseguridad y poniendo en riesgo a un grupo de la población. Inicialmente se estableció un repositorio de entrenamiento compuesto por imágenes de personas con y sin barbijos, dichas imágenes habrían sido obtenidas de distintas fuentes. Se han entrenado y comparado tres tipos de redes neuronales convolucionales, Faster R-CNN, SSD (Single Shot MultiBox Detector) y YOLO (You Only Look Once), cada una realiza la detección de personas con y sin barbijos, destacándose una de otra por su rapidez, precisión o rendimiento. Para la obtención de los modelos de detección de objetos, se han utilizado los frameworks Darknet y TensorFlow Object Detection API, además de Google Colab que al ser un servicio de un proveedor gratuito, proveyó también potentes características computacionales.

APA, Harvard, Vancouver, ISO, and other styles

22

Mondragón, Francisco J., Héctor M. Pérez-Meana, Gustavo Calderón, and Jonathan Jiménez. "Clasificación de sonidos ambientales usando la transformada wavelet continua y redes neuronales convolucionales." Información tecnológica 32, no. 2 (April 2021): 61–78. http://dx.doi.org/10.4067/s0718-07642021000200061.

Full text

APA, Harvard, Vancouver, ISO, and other styles

23

Suat Rojas, Néstor E., Brayan S. Montoya Serna, Edward M. Pinzón Velásquez, and Oscar S. Rodríguez Galeano. "Reconocimiento del abecedario de la lengua de señas colombiana con Redes Neuronales Convolucionales." Orinoquia 25, no. 1 (June 16, 2021): 25–30. http://dx.doi.org/10.22579/20112629.680.

Full text

Abstract:

El lenguaje de señas brinda un sistema para que las personas con discapacidad oral/auditiva se comuniquen efectivamente. Sin embargo, aún falta para que el resto de la sociedad se apropie de este conocimiento. Este trabajo consiste en diseñar un método de visión artificial que identifique las señas estáticas del abecedario de la Lengua de Señas Colombiana (LSC). La metodología consiste en un algoritmo de clasificación que combina una arquitectura de Redes Neuronales Convolucionales (CNN) y técnicas de procesamiento de imágenes. Nuestro enfoque logra reconocer las señas del alfabeto sin movimiento con un 79.2% de exactitud. El sistema es capaz de reconocer las letras según la forma, orientación y posición de los dedos de la mano, usando un conjunto de datos desbalanceado por clase.

APA, Harvard, Vancouver, ISO, and other styles

24

Arévalo Zenteno, Ma Dolores, José Sergio Ruiz Castilla, and Joel Ayala de la Vega. "Clasificación de frutos del durazno en maduros, no maduros y dañados hacia la cosecha automatizada." CIBA Revista Iberoamericana de las Ciencias Biológicas y Agropecuarias 10, no. 19 (January 11, 2021): 39–53. http://dx.doi.org/10.23913/ciba.v10i19.107.

Full text

Abstract:

A partir de la tecnología de visión artificial, específicamente de redes neuronales convolucionales, se propuso una solución para realizar el reconocimiento de frutos de durazno maduros, así como la identificación de frutos dañados. La finalidad es obtener frutos con el nivel de calidad adecuado para su comercialización. Para lograr este propósito, se obtuvieron imágenes de duraznos en un ambiente no controlado. Se recortaron las imágenes digitales hasta obtener el área de interés. Se configuraron tres conjuntos de datos: el primero, de duraznos maduros e inmaduros; el segundo, también de duraznos maduros e inmaduros pero con enfoque en un área textural, y el tercero, de duraznos sanos y dañados. Se aplicó una red neuronal convolucional, que fue programada en el lenguaje Python, las librerías de Keras y TensorFlow. Durante las pruebas se obtuvo una precisión de 95.31 % a la hora de elegir entre maduros y no maduros. Mientras que al clasificar los duraznos sanos y dañados se obtuvo 92.18 % de precisión. Por último, al clasificar las tres categorías (dañados, inmaduros y maduros), se obtuvo 83.33 % de precisión. Los resultados anteriores indican que con inteligencia artificial embebida en un dispositivo físico se puede hacer la clasificación del fruto del durazno.

APA, Harvard, Vancouver, ISO, and other styles

25

Chuquimarca Jimenez, Luis Enrique, Santiago Pinzón Tituana, and Anthony Rosales Pincay. "Detección de mascarilla para COVID-19 a través de Aprendizaje Profundo usando OpenCV y Cascade Trainer GUI." Revista Científica y Tecnológica UPSE 8, no. 1 (June 21, 2021): 68–73. http://dx.doi.org/10.26423/rctu.v8i1.572.

Full text

Abstract:

La pandemia del covid-19 está provocando una crisis de salud a nivel mundial, una de las recomendaciones de los científicos y gobiernos para evitar contagios es el uso de mascarilla. Con base a esto, el presente artículo muestra el desarrollo de un software que permite detectar la mascarilla en distintos escenarios usando el lenguaje de programación de Python mediante las librerías de cv2, os, numpy y imutils, utilizando redes neuronales convolucionales más eficaces que las redes neuronales comunes, las cuales fueron entrenadas con el software Cascade Trainer GUI, usando diferentes canti-dades de bases de datos desde 400 hasta 1400 imágenes para comparar los distintos tipos de precisión del sistema de detección de la mascarilla. Sin embargo, la primera base de datos no se obtuvo una buena presión por una baja cantidad de falsos positivos, por lo cual a medida que se usa más datos la precisión fue aumentando considerablemente hasta obtener una precisión de 92 % con mascarilla y un 100% sin mascarilla.

APA, Harvard, Vancouver, ISO, and other styles

26

Martínez-Hernández, Filiberto Eduardo, Jose Anibal Arias-Aguilar, Edgar Macías-García, and Oscar David Ramírez-Cárdenas. "Predicción del ángulo de giro para un auto: Implementación de dos áreas de interés." Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI 12, Especial2 (April 22, 2024): 40–45. http://dx.doi.org/10.29057/icbi.v12iespecial2.12260.

Full text

Abstract:

La predicción del ángulo de dirección en vehículos inteligentes es un tema ampliamente estudiado en la literatura. Sin embargo, se requiere la intervención de un usuario para operar al vehículo, limitando el grado de autonomía. Este trabajo propone algoritmos basados en redes neuronales artificiales para determinar el ángulo de giro de un vehículo en movimiento, con aplicaciones en tiempo real para vehículos a escala en una pista de dos carriles. Utilizando una cámara frontal centrada en el vehículo se determinan dos áreas de interés: la imagen original y una versión rectificada mediante un cambio de perspectiva. Posteriormente, se emplea la tupla de imágenes para construir dos bases de datos etiquetadas con el ángulo deseado de giro, las cuales, son empleadas para entrenar dos redes neuronales convolucionales. Una vez entrenadas, ambos modelos son implementados en tiempo real para guiar un vehículo a escala en una pista libre de obstáculos, permitiendo su navegación autónoma dentro del carril designado y observando el comportamiento en cada caso.

APA, Harvard, Vancouver, ISO, and other styles

27

Villanueva, Moisés García, and Salvador Ramírez Zavala. "Uso de red convencional de grafos para clasificar información no valida." South Florida Journal of Development 5, no. 5 (May 3, 2024): e3879. http://dx.doi.org/10.46932/sfjdv5n5-006.

Full text

Abstract:

El poder que ha propiciado el Internet y las redes sociales a las personas de publicar contenido, que frecuentemente es parcial y no verificado, ha ocasionado la generación y propagación de noticias falsas. La problemática de propagar una desinformación, rumor o información mal intencionada, puede llegar a tener grandes daños en diferentes aspectos de la sociedad: económicos, de salud física, mental, por mencionar unos cuantos. El objetivo de este trabajo es presentar los resultados de implementar un modelo de Redes Convolucionales de Grafos para clasificar textos de noticias falsas de forma automática. Se presentan los resultados para un conjunto de datos balanceado y diferentes tamaños del conjunto de entrenamiento y prueba. Se concluye que está técnica obtiene resultados competitivos a las del estado del arte de redes neuronales recurrentes para esta tarea.

APA, Harvard, Vancouver, ISO, and other styles

28

Lubinus Badillo, Federico, César Andrés Rueda Hernández, Boris Marconi Narváez, and Yhary Estefanía Arias Trillos. "Redes neuronales convolucionales: un modelo de Deep Learning en imágenes diagnósticas. Revisión de tema." Revista colombiana de radiología 32, no. 3 (September 30, 2021): 5591–99. http://dx.doi.org/10.53903/01212095.161.

Full text

Abstract:

Los avances en la inteligencia artificial han repercutido en varios espacios de la vida cotidiana, así como en la medicina. En vista de la rápida aplicación del aprendizaje profundo —conocido como Deep Learning— en los datos biomédicos, las imágenes radiológicas han comenzado a adoptar esta técnica. En lo que respecta, se espera que el aprendizaje profundo tenga un efecto en el proceso de adquisición e interpretación de imágenes, así como en la toma de decisiones. Esta revisión ofrece en primer lugar una descripción general del funcionamiento de las redes neuronales convolucionales, los conceptos básicos de estas, y las perceptivas actuales en la aplicación médica centrada en imágenes diagnósticas.

APA, Harvard, Vancouver, ISO, and other styles

29

Quintero, Jormany, and Jesúz González. "Uso de redes neuronales convolucionales en teléfonos inteligentes para la identificación de enfermedades cutáneas." Revista de Investigación Docencia y Extensión de la ULA (IDEULA), no. 1 (2021): 79–96. http://dx.doi.org/10.53766/ideula/2021.01.01.04.

Full text

Abstract:

Las enfermedades cutáneas son un grupo de afecciones de la dermis, caracterizadas por el cambio de aspecto que presentan en comparación con la piel sana, donde algunas de ellas pueden evolucionar hasta convertirse en lesiones malignas siendo un riego para el paciente. Con la continua evolución de la tecnología, las herramientas de diagnóstico han ido evolucionando incorporando los teléfonos inteligentes en las actividades clínicas. Las aplicaciones móviles que soportan al dermatólogo en tareas de diagnóstico son escasas y limitadas, en este sentido el propósito de este trabajo fue desarrollar un prototipo de aplicación móvil basada en Android para el reconocimiento de lesiones cutáneas en tiempo real usando redes neuronales convolucionales. La aplicación móvil desarrollada implementó la librería TensorFlow para la ejecución del modelo. El reconocimiento implemtó el modelo Mobilenet V2, junto con un banco de 305 imágenes obtenidas de la internet.Las enfermedades seleccionadas para la identificación fueron: melanoma, psoriasis en placa, sarcoma de Kaposi y dermatitis atópica. Las pruebas de la aplicación se realizaron en dos equipos diferentes para evaluar el comportamiento. Las lesiones de tipo melanoma, psoriasis en placa y dermatitis atópica, presentaron un buen desempeño (>75%) para la predicción y un desempeño regular (<75%) en la predicción de enfermedades tipo sarcoma de Kaposi. La aplicación móvil desarrollada demostró un buen comportamiento a pesar de la baja cantidad de imágenes usadas en el entrenamiento.

APA, Harvard, Vancouver, ISO, and other styles

30

Villanueva, Moisés García, and Salvador Ramírez Zavala. "Modelo Text GCN para la clasificación de texto." South Florida Journal of Development 5, no. 5 (May 3, 2024): e3878. http://dx.doi.org/10.46932/sfjdv5n5-005.

Full text

Abstract:

El problema de clasificación de texto es una actividad fundamental en el área de Procesamiento de Lenguaje Natural (PLN). Recientemente las redes neuronales de grafos (GNN) han mostrado ser de las mejores técnicas en diferentes conjuntos de datos representativos en este problema de clasificación. Las redes convolucionales de grafos son aplicados para decodificar estructuras sintácticas en los documentos o frases y entonces son aplicados a la clasificación de texto considerando la construcción del grafo mediante dos enfoques: a) un grafo por cada documento o frase; y b) un grafo completo del conjunto de datos. En las investigaciones reportadas los mejores resultados se obtienen empleando el enfoque de grafo completo de conjuntos de datos en inglés. En este trabajo se presentan los resultados preliminares de emplear está nueva técnica de clasificación de documentos en un conjunto de datos en español, lo que permitirá contar además del modelo de red neuronal de grafo para el conjunto, con una representación vectorial de palabras.

APA, Harvard, Vancouver, ISO, and other styles

31

Contreras Carrasco, Oscar. "Modelos Generativos en el Aprendizaje Automático y su aplicación a la generación de Imágenes Digitales." Journal Boliviano de Ciencias 17, no. 51 (December 10, 2021): 79–109. http://dx.doi.org/10.52428/20758944.v17i51.110.

Full text

Abstract:

En el ámbito del Aprendizaje Automático se identifican dos tipos de algoritmos desde el punto de vista de la naturaleza de las salidas que estos proporcionan. Los modelos discriminativos asocian un dato proporcionado a una respuesta, mientras que los modelos generativos generan nuevos datos en base a una distribución probabilística de respuestas o variables latentes. Por otra parte, en años recientes, se han dado importantes avances en el Deep Learning, que es el estudio de las redes neuronales profundas. En este contexto, las redes convolucionales han ganado considerable terreno en diversas tareas relacionadas al análisis de imágenes. Entre las varias aplicaciones de las redes convolucionales se mencionan: clasificación de imágenes, detección de objetos, segmentación de instancias, reconocimiento facial, entre otros varios. Sin embargo, en el ámbito del Deep Learning, no solamente se han tenido importantes avances con relación a los puntos aquí mencionados, sino también en cuanto a la habilidad de los modelos en generar nuevas imágenes. De ese modo, hoy en día se tiene a disposición una variedad de modelos generativos para diversos propósitos, con aplicaciones tales como la creación de imágenes faciales de personas que no existen en la realidad. Es así que el propósito del presente artículo es realizar un análisis de diversos modelos generativos para imágenes digitales, así como de las bases teóricas que sustentan a los modelos generativos en el Deep Learning. El enfoque de análisis se centra en dos modelos esenciales: Las redes adversarias generativas (GAN) y los autoencoders variacionales (VAE).

APA, Harvard, Vancouver, ISO, and other styles

32

Soto Orozco, Oscar Alejandro, Alma Delia Corral Saenz, Claudia Elizabeth Rojo González, and Juan Alberto Ramirez Quintana. "Análisis del desempeño de redes neuronales profundas para segmentación semántica en hardware limitado." RECIBE, REVISTA ELECTRÓNICA DE COMPUTACIÓN, INFORMÁTICA, BIOMÉDICA Y ELECTRÓNICA 8, no. 2 (October 29, 2019): C6–1—C6–21. http://dx.doi.org/10.32870/recibe.v8i2.142.

Full text

Abstract:

Segmentación semántica consiste en encontrar objetos previamente definidos en una imagen digital y se aplica en tecnologías como vehículos autónomos, interacción humano-maquina, realidad aumentada, robótica, etc. Los modelos más comunes para llevar a cabo esta forma de segmentación son las redes totalmente convolucionales, ya que reportan los mejores desempeños en la detección de objetos. Sin embargo, la mayor parte de estas redes tienen alto costo computacional y requieren de computadoras costosas, por lo que han surgido recientemente modelos basados en estas redes, pero con baja complejidad en cálculos para que las aplicaciones de segmentación semántica se puedan implementar desde sistemas embebidos. Por lo tanto, para contribuir con este esfuerzo, se presenta en este artículo un análisis detallado las redes Enet, Mobilenet v2, ERFNet y ESPNet v2, las cuales son redes populares en la literatura que se pueden correr desde un sistema embebido. Con base en los resultados, se concluye que los métodos que reemplazan la convolución regular por factorizaciones como la convolución separada en profundidad y convoluciones dilatadas con diversas ramas y el uso de otras estrategias como convoluciones saltadas e interpolaciones articuladas reducen el costo computacional comparando las métricas generadas por cada red como la huella de memoria, la precisión y el tiempo que tarda en segmentar una sola imagen.

APA, Harvard, Vancouver, ISO, and other styles

33

Pauwels, Ruben, and Maria Eugenia Guerrero. "Preparándonos para el impacto de la inteligencia artificial." Odontología Sanmarquina 24, no. 3 (July 1, 2021): 201–3. http://dx.doi.org/10.15381/os.v24i3.20699.

Full text

Abstract:

La inteligencia artificial (IA) ha llegado a la Odontología y promete quedarse. La constante escalada de la IA se remonta a casi diez años atrás. Aunque la mayoría de los principios básicos del aprendizaje automático y el aprendizaje profundo se desarrollaron a partir de 1980, las investigaciones en redes neuronales convolucionales (CNN) implementadas con unidades de procesamiento gráfico ganaron varios concursos en reconocimiento de imágenes entre los años 2011-2012 1,2. No tomó mucho tiempo para que sus aplicaciones en radiología fueran exploradas 3. Unos años más tarde, se publicaron los primeros estudios de investigación con CNN para aplicaciones dentales 4,5.

APA, Harvard, Vancouver, ISO, and other styles

34

Vázquez-Lucero, Diego, Jorge Enrique Luna-Taylor, Israel Marcos Santillán-Méndez, and César Higuera-Verdugo. "Robot móvil autónomo con reconocimiento y navegación hacia botellas de plástico." Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI 10, Especial4 (October 5, 2022): 100–109. http://dx.doi.org/10.29057/icbi.v10iespecial4.9268.

Full text

Abstract:

En este trabajo, se propone el diseño y construcción de un prototipo de robot autónomo para el reconocimiento de botellas de plástico, aplicando una estrategia de segmentación semántica, a través de redes neuronales convolucionales. Así mismo, se propone el diseño de un sistema de navegación basado en lógica difusa, para lograr que el robot se aproxime a las botellas identificadas. Los experimentos se realizaron en un ambiente controlado, alcanzando un 96.6% de precisión en las pruebas de reconocimiento, mientras que en las pruebas de navegación, el robot alcanzó en todos los casos la posición de las botellas identificadas.

APA, Harvard, Vancouver, ISO, and other styles

35

Aviles-Yataco, Walter, and Brian Meneses-Claudio. "Redes neuronales aplicadas a la detección y diagnóstico del Cáncer de Mama, una revisión sistemática de la literatura científica de los últimos 5 años." Salud, Ciencia y Tecnología - Serie de Conferencias 1 (September 24, 2022): 35. http://dx.doi.org/10.56294/sctconf202235.

Full text

Abstract:

Una de las enfermedades mortales que se presenta en la mujer es el cáncer de mama y está asociada a un diagnóstico tardío y a un escaso acceso a una atención médica acorde a las necesidades de la paciente, por ello las redes neuronales juegan un papel relevante en la detección del cáncer de mama y pretende ser un apoyo para garantizar su precisión y fiabilidad en los resultados oncológicos. Por lo tanto, el objetivo de la presente revisión sistemática es conocer cómo las redes neuronales ayudan a mejorar la precisión en el diagnóstico del cáncer de mama a través del reconocimiento de imágenes. Para ello, se utilizó la fórmula generada con la metodología PICO; así mismo, el primer resultado fueron 203 investigaciones relacionadas con el tema y con base en los criterios de inclusión y exclusión establecidos, se seleccionaron 20 artículos científicos finales de libre acceso de la base de datos Scopus. En relación a los resultados, se encontró que el uso de redes neuronales en el diagnóstico del cáncer de mama, especialmente las redes neuronales convolucionales (CNN), ha demostrado ser una herramienta prometedora para mejorar la precisión y detección temprana de la enfermedad, llegando a alcanzar una precisión del 98 % en el reconocimiento de imágenes clínicas, lo que significa una gran diferencia en comparación con los métodos tradicionales. Por otro lado, aunque existen retos como la limitada disponibilidad de conjuntos de datos de alta calidad y el sesgo en los datos de entrenamiento, se sugiere investigar el desarrollo de métodos que integren múltiples fuentes de información y el uso de técnicas de aprendizaje profundo.

APA, Harvard, Vancouver, ISO, and other styles

36

Hernández-Calvario, Omar, Frida Florián, María Guadalupe Sánchez, and Himer Ávila-George. "Conteo de plantas de agave usando redes neuronales convolucionales e imágenes adquiridas desde un vehículo aéreo no tripulado." RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, no. 45 (March 31, 2022): 64–76. http://dx.doi.org/10.17013/risti.45.64-76.

Full text

Abstract:

Esta investigación aporta nueva información aplicando técnicas de aprendizaje profundo en cultivos de agave. Se pretende el desarrollo de un algoritmo de aprendizaje profundo basado en redes neuronales convolucionales que automatice el conteo de las plantas de agave de un cultivo a partir de imágenes tomadas desde vehículo aéreo no tripulado, el conteo de las plantas de agave será obtenido de manera más eficiente, económico y en un lapso más breve que la forma tradicional. El Proyecto contribuye a la solución del tiempo de preprocesamiento de las imágenes, mejora la detección de plantas de agave con adversidades, mejorar los tiempos de entrenamiento del algoritmo, reduce costos computacionales.

APA, Harvard, Vancouver, ISO, and other styles

37

Andrade Carrera, Hugo, Soraya Sinche Maita, and Pablo Hidalgo Lascano. "Modelo para detectar el uso correcto de mascarillas en tiempo real utilizando redes neuronales convolucionales." Revista de Investigación en Tecnologías de la Información 9, no. 17 (January 2021): 111–20. http://dx.doi.org/10.36825/riti.09.17.011.

Full text

Abstract:

Since Covid-19 appeared, the world has entered into a new stage, in which everybody is trying to mitigate the effects of the virus. The mandatory use of face masks in public places and when maintaining contact with people outside the family circle is one of mandatory measures that many countries have implemented, such as Ecuador, thus, the purpose of this article is to develop a convolutional neural network model using TensorFlow based on MobileNetV2, that allows to perform mask detection in real time video with the key feature of determining if the person is using the face mask properly or if it is not wearing a mask, in order to use the model with OpenCV and a pretrained neural network that detects faces. In addition, the performance metrics of the neural network are analyzed, including precision, accuracy, recall and the F1 score. All performance metrics consider the number of epochs for the training process, obtaining as a result a model that classifies between three groups: faces without face mask, faces wearing a face mask improperly and faces wearing a mask properly. with a great performance in all metrics; The results show values greater than 85% for precision, recall and F1 score, and accuracy values between 93% for 5 epochs and 95% for 25 epochs.

APA, Harvard, Vancouver, ISO, and other styles

38

Llorella, Fabio Ricardo, Eduardo Iáñez, José Maria Azorín, and Gustavo Patow. "Discriminador binario de imaginación visual a partir de señales EEG basado en redes neuronales convolucionales." Revista Iberoamericana de Automática e Informática industrial 19, no. 1 (December 17, 2021): 108–16. http://dx.doi.org/10.4995/riai.2021.14987.

Full text

Abstract:

Las interfaces cerebro-máquina (Brain-Computer Intarface, BCI, en inglés) son una tecnología que permite la comunicación directa entre el cerebro y el mundo exterior sin necesidad de utilizar el sistema nervioso periferico. La mayoría de sistemas BCI se centran en la utilización de la imaginación motora, los potenciales evocados o los ritmos corticales lentos. En este trabajo se ha estudiado la posibilidad de utilizar la imaginación visual para construir un discriminador binario (brain-switch, en inglés). Concretamente, a partir del registro de señales EEG de siete personas mientras imaginaban siete figuras geométricas, se ha desarrollado un BCI basado en redes neuronales convolucionales y en la densidad de potencia espectral en la banda α (8-12 Hz), que ha conseguido distinguir entre la imaginación de una figura geométrica cualquiera y el relax, con un acierto promedio del 91 %, con un valor Kappa de Cohen de 0.77 y un porcentaje de falsos positivos del 9 %.

APA, Harvard, Vancouver, ISO, and other styles

39

Suárez Londoño, Arnol Sneider, Andrés Fernando Jiménez López, Mauricio Castro Franco, and Angel Alfonso Cruz Roa. "Clasificación y mapeo automático de coberturas del suelo en imágenes satelitales utilizando Redes Neuronales Convolucionales." Orinoquia 21, no. 1 Sup (July 16, 2017): 64–75. http://dx.doi.org/10.22579/20112629.432.

Full text

Abstract:

La clasificación de cobertura del suelo es importante para estudios de cambio climático y monitoreo de servicios ecosistémicos. Los métodos convencionales de clasificación de coberturas se realizan mediante la interpretación visual de imágenes satelitales, lo cual es costoso, dispendioso e impreciso. Implementar métodos computacionales permite generar clasificación de coberturas en imágenes satelitales de manera automática, rápida, precisa y económica. Particularmente, los métodos de aprendizaje automático son técnicas computacionales promisorias para la estimación de cambios de cobertura del suelo. En este trabajo se presenta un método de aprendizaje automático basado en redes neuronales convolucionales de arquitectura tipo ConvNet para la clasificación automática de coberturas del suelo a partir de imágenes Landsat 5 TM. La ConvNet fue entrenada a partir de las anotaciones manuales por medio de interpretación visual sobre las imágenes satelitales con las que los expertos generaron el mapa de cobertura del parque nacional el Tuparro, de los Parques Nacionales Naturales de Colombia. El modelo de validación se realizó con datos de los mapas de coberturas del Amazonas colombiano realizado por el Sistema de Información Ambiental de Colombia. Los resultados obtenidos de la diagonal de la matriz de confusión de la exactitud promedio fue de 83.27% en entrenamiento y 91.02% en validación; para la clasificación en parches entre Bosques, áreas con vegetación herbácea y/o arbustiva, áreas abiertas sin o con poca vegetación y aguas continentales.

APA, Harvard, Vancouver, ISO, and other styles

40

López Saca, Fidel, Andrés Ferreyra Ramírez, Carlos Avilés Cruz, Juan Villegas Cortez, Arturo Zúñiga López, and Eduardo Rodrigez Martinez. "Preprocesamiento de bases de datos de imágenes para mejorar el rendimiento de redes neuronales convolucionales." Research in Computing Science 147, no. 7 (December 31, 2018): 35–45. http://dx.doi.org/10.13053/rcs-147-7-3.

Full text

APA, Harvard, Vancouver, ISO, and other styles

41

De la Cruz-Rocca, Marco A., Williams Muñoz-Robles, and Melquiades A. Trinidad-Malpartida. "Análisis de la aplicación de redes neuronales convolucionales en el área de la visión artificial." Investigación Valdizana 18, no. 1 (March 30, 2024): e2105. http://dx.doi.org/10.33554/riv.18.1.2105.

Full text

Abstract:

Este artículo analiza la aplicación de las Redes Neuronales Convolucionales (RNC) en el campo de la visión artificial, mediante el método bibliométrico. Se realiza un análisis de muestras literarias, utilizando estadísticas descriptivas básica, mediante un filtro de la base de datos Scopus de 2526 registros, comprendido en un periodo de 5 años (2018-2022). La revisión del marco teórico revela que las RNC se emplean en diversas aplicaciones de visión artificial como reconocimiento de imágenes, clasificación de objetos, detección de patrones y otras aplicaciones relacionadas con el procesamiento de imágenes incluyendo el diagnóstico de fallas. El análisis bibliométrico indica un significativo aumento en la producción de artículos sobre RNC en el área de la visión artificial, abarcando diversas áreas, como ciencias de la computación e ingeniería, áreas que tienen la concentración más alta de documentos investigativos, además las organizaciones chinas son las que tienen la mayor proporción de filiación y capacidad de financiamiento de investigaciones en este tema sin dejar de mencionar que China lidera la cantidad de publicaciones en RNC. El autor principal que más destaca es Schumann, A.W, no siendo el mismo en otros estudios similares. Las direcciones clave para investigaciones futuras abarcan la exploración experimental cuantitativa y la diversificación de los campos de acción.

APA, Harvard, Vancouver, ISO, and other styles

42

Analuisa Aroca, Iván Alberto, Arnaldo Vergara-Romero, and Iris Betzaida Pérez Almeida. "Convolutional neural networks ResNet-50 for weevil detection in corn kernels." Scientia Agropecuaria 13, no. 3 (September 18, 2023): 385–94. http://dx.doi.org/10.17268/sci.agropecu.2023.034.

Full text

Abstract:

The article explores the use of convolutional neural networks, specifically ResNet-50, to detect weevils in corn kernels. Weevils are a major pest of stored maize and can cause significant yield and quality losses. The study found that the ResNet-50 model was able to distinguish with high precision between weevil-infested corn kernels and healthy kernels, achieving values of 0.9464 for precision, 0.9310 for sensitivity, 0.9630 for specificity, 0.9469 for quality index, 0.9470 for the area under the curve (AUC) and 0.9474 for the F-score. The model was able to recognize nine out of ten weevil-free corn kernels using a minimal number of training samples. These results demonstrate the efficiency of the model in the accurate detection of weevil infestation in maize grains. The model's ability to accurately identify weevil-affected grains is critical to taking rapid action to control the spread of the pest, which can prevent significant economic losses and preserve the quality of stored corn. Research suggests that the use of ResNet-50 offers an efficient and low-cost solution for the early detection of weevil infestation in corn kernels. These models can quickly process large amounts of imaging data and perform accurate analysis, making it easy to identify affected grains.

APA, Harvard, Vancouver, ISO, and other styles

43

Gassó Loncan, Juan Cruz, and Gerardo Gabriel Gentiletti. "Aprendizaje profundo con imágenes RGB-D: clasificación de objetos y estimación de la pose." Revista Tecnología y Ciencia, no. 37 (October 22, 2020): 146–56. http://dx.doi.org/10.33414/rtyc.37.146-156.2020.

Full text

Abstract:

En el marco de la tesis de doctorado, se plantea como objetivo el desarrollo de una Interfaz Hombre-Máquina para comandar un brazo robótico asistencial de más de 6 grados de libertad. Se presenta el uso de técnicas de aprendizaje profundo para el reconocimiento de objetos y estimación de la pose a fin de poder interactuar con los mismos. Se implementaron 3 modelos de redes neuronales convolucionales multimodales para imágenes RGB-D de la base de datos BigBIRD, con tres salidas de clasificación: 22 Objetos - 5 Cámaras - 8 etiquetas de Rotación. Para el mejor de los modelos se alcanzaron valores de precisión de 96% para objetos, 98% para cámara y 56% para la rotación.

APA, Harvard, Vancouver, ISO, and other styles

44

Luna Taylor, Jorge Enrique, Eloy Antonio Clemente Rosas, José Luis Gómez Torres, and Isaac Villa Medina. "Reconocimiento y estimación de posición relativa de objetos en entornos controlados." Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI 10, Especial4 (October 5, 2022): 116–27. http://dx.doi.org/10.29057/icbi.v10iespecial4.9262.

Full text

Abstract:

En este proyecto, se presenta un sistema de reconocimiento y clasificación de objetos que se encuentran en su entorno, para un robot de asistencia, así como la estimación de la posición relativa de estos con respecto al robot. Para el reconocimiento y clasificación de los objetos, se aplicaron técnicas de visión artificial basadas en herramientas de segmentación semántica, como son redes neuronales convolucionales. Para la estimación de la posición relativa de los objetos, una vez identificados, se implementó una técnica de visión estereoscópica. Los resultados de los experimentos muestran un 90.6% de precisión en el reconocimiento y clasificación, y un error medio de 5 cm al estimar la posición relativa de los objetos.

APA, Harvard, Vancouver, ISO, and other styles

45

Reyes Campos, Jean Elias Manuel, Christian Stephano Castañeda Rodríguez, Luis Daniel Alva Luján, and Alberto Carlos Mendoza de los Santos. "Sistema de reconocimiento facial para el control de accesos mediante Inteligencia Artificial." Innovación y Software 4, no. 1 (March 30, 2023): 24–36. http://dx.doi.org/10.48168/innosoft.s11.a78.

Full text

Abstract:

El presente artículo tiene como objetivo principal el desarrollo de un sistema que permita el reconocimiento facial de una persona para el control de accesos mediante Inteligencia Artificial. Para el desarrollo del sistema se tuvo como algoritmo Redes Neuronales Convolucionales, el cual es un modelo de reconocimiento. Así mismo se utilizó el lenguaje de programación Python y las librerías siguientes como Numpy, Os, OpenCV e Imutils para su implementación. Los resultados obtenidos según el acierto y utilizando un dataset de 450 imágenes por individuo son de un 88% aproximadamente en cuanto la predicción por persona, concluyendo que el sistema de reconocimiento es eficaz y tiene mayor eficiencia incrementando el tamaño de datasets generados por individuos.

APA, Harvard, Vancouver, ISO, and other styles

46

Muñoz-Galindez, Jader Alejandro, and Rubiel Vargas-Cañas. "Modelo de interpretación de lengua de señas colombiano usando inteligencia artificial." Revista de Investigación, Desarrollo e Innovación 13, no. 2 (August 15, 2023): 357–66. http://dx.doi.org/10.19053/20278306.v13.n2.2023.16840.

Full text

Abstract:

En este trabajo se presentan dos modelos de interpretación de Lengua de Señas Colombiana (LSC), usando métodos estáticos y dinámicos que emplean inteligencia artificial. Se utilizó como referente la metodología CRISP-DM, creando una base de datos con videos de setenta participantes no expertos, siendo preprocesados y posteriormente divididos en proporciones de 70% - 30% para entrenamiento y prueba, respectivamente. El repositorio se nombró como LSC-W70 y se empleó sobre un modelo preentrenado de redes neuronales convolucionales y otro en combinación con redes LSTM. Los resultados alcanzaron un 67% y 76% accuracy para los modelos estático y dinámico, respectivamente, donde el modelo dinámico presenta mejoras en señas similares identificando la dirección del movimiento para definir el tipo de seña. En este sentido, se desarrolló una herramienta de interpretación dinámica de lengua de señas colombiano que ayuda a cerrar brechas de comunicación generando igualdad entre las personas.

APA, Harvard, Vancouver, ISO, and other styles

47

Padilla-Arballo, Jacquelina J., Saúl Martínez-Díaz, Marco A. Castro-Liera, and Jorge E. Luna-Taylor. "Detección de cambio en superficie costera mediante la segmentación de imágenes aéreas utilizando redes neuronales convolucionales." Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI 10, Especial4 (October 5, 2022): 136–44. http://dx.doi.org/10.29057/icbi.v10iespecial4.9290.

Full text

Abstract:

La conservación de ecosistemas en zonas costeras debe contemplarse dentro de un marco sustentable con las actividades antropogénicas. Es relevante cuantificar el impacto que generan agentes externos, por lo que el objetivo de este trabajo es implementar un método para el monitoreo de la degradación en superficie de playa y vegetación litoral adyacente. Fueron recabadas capturas de imágenes aéreas de zonas costeras protegidas, obtenidas periódicamente mediante un vehículo drone. Se integró un dataset que contempla todas las fases estacionales y distingue 5 clases para su monitoreo: Mangle, vegetación rastrera, arena, mar y cerro-planicie. Para la segmentación semántica se implementaron y compararon distintas arquitecturas de redes neuronales convolucionales (CNN) empleando aprendizaje transferido. Los resultados han sido robustos en la clasificación, alcanzando una precisión global del 93.9% y entre 89.9-95.8% en las clases individuales. En la métrica Intersección sobre Unión, IoU, el rango fue entre 86.6-92.7%. En la detección de cambio son utilizadas series temporales para el monitoreo de clases. Este método ha sido aplicado al caso de estudio de la playa Ensenada Grande en el Parque Nacional Archipiélago Espíritu Santo.

APA, Harvard, Vancouver, ISO, and other styles

48

Valdez Rodríguez, José E., Hiram Calvo, and Edgardo M. Felipe Riverón. "Reconstrucción de profundidad a partir de una sola imagen con perspectiva mediante redes neuronales completamente convolucionales." Research in Computing Science 137, no. 1 (December 31, 2017): 29–38. http://dx.doi.org/10.13053/rcs-137-1-3.

Full text

APA, Harvard, Vancouver, ISO, and other styles

49

Muñoz Villalobos, Ignacio Andrés, and Alfredo Bolt. "Diseño y desarrollo de aplicación móvil para la clasificación de flora nativa chilena utilizando redes neuronales convolucionales." AtoZ: novas práticas em informação e conhecimento 11 (January 22, 2022): 1. http://dx.doi.org/10.5380/atoz.v11i0.81419.

Full text

APA, Harvard, Vancouver, ISO, and other styles

50

Quintero, Carlos, Fernando Merchán, Aydeé Cornejo, and Javier Sánchez Galán. "Uso de Redes Neuronales Convolucionales para el Reconocimiento Automático de Imágenes de Macroinvertebrados para el Biomonitoreo Participativo." KnE Engineering 3, no. 1 (February 11, 2018): 585. http://dx.doi.org/10.18502/keg.v3i1.1462.

Full text

Abstract:

In Panama, there are community organizations that guarantee access to water for human consumption to more than 20% of the country's total population. For the sustainability of the water resource, it is essential to involve the communities in the process of monitoring the water quality. This can be achieved through the implementation of participatory biomonitoring using macroinvertebrates as indicators. In fact, it has been determined that the presence of different families of these organisms in ecosystems can be associated to different levels of their ecological quality. This work aims to develop a system capable of recognizing two families of macroinvertebrates through the use of images. The system is based on the use of algorithms of deep neural networks, with which we can achieve the learning of patterns. From a set of public images from the internet and biomonitoring carried out in the field, we train a convolutional neural network implemented in Tensorflow and Keras. These images belong to photographs of specimens of the families Calopterygidae and Heptageniidae. For this preliminary test, we report reliability percentages with values above 95%.Keywords: image recognition, neural networks, convolutional neural networks, macroinvertebrates

APA, Harvard, Vancouver, ISO, and other styles

Journal articles on the topic 'Redes neuronales convolucionales'

Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles