Disertación de doctorado: Máximo Eduardo Sánchez Gutiérrez

El Posgrado en Ciencias y Tecnologías de la Información tiene el agrado de invitar a la comunidad universitaria a la disertación que presenta el alumno Máximo Eduardo Sánchez Gutiérrez para la defensa de su tesis y obtención del grado de Doctorado en Ciencias (Ciencias y Tecnologías de la Información).

Fecha: 11 de octubre de 2018, a las 10:00 hrs.

Lugar: Edificio de Posgrado salón 001 (EP-001).

Título: Evaluación de la capacidad discriminativa de las máquinas restringidas de Boltzmann.

Resumen:

Gracias a su versatilidad y a los resultados mostrados, las máquinas restringidas de Boltzmann han sido empleadas como principal bloque de construcción en el aprendizaje profundo, provocando que el interés de diversos grupos de investigación se viera dirigido hacia su perfeccionamiento. Con esto en mente, en este trabajo se abordan las redes neuronales, en particular, de las máquinas restringidas de Boltzmann en un esquema multi–capa con el objetivo de mejorar su arquitectura mediante la evaluación y poda de aquellas neuronas menos útiles para el proceso de clasificación. Este tema ha cobrado mucha importancia en épocas recientes debido al surgimiento de un gran número de algoritmos de aprendizaje profundo para diversas aplicaciones, con especial atención en aquellas que funcionan en dispositivos móviles pues existe la necesidad de mejorar estas arquitecturas profundas mediante la reducción de variables, lo que permitiría aminorar los costos de implementación y de procesamiento.

En el presente trabajo se presenta una metodología que permite mejorar los resultados obtenidos mediante el aprendizaje profundo y las máquinas restringidas de Boltzmann en un esquema de clasificación. En una primera etapa, se evaluaron múltiples arquitecturas en tareas de clasificación y luego se desarrolló un método para evaluar la importancia relativa de cada neurona de estas redes. Los resultados muestran que utilizar las máquinas restringidas de Boltzmann en una arquitectura profunda mejora las tasas de error, y además, se ha descubierto que podar aquellas neuronas que contribuyen menos a la solución de la tarea de clasificación, produce redes con arquitecturas menos densas sin sacrificar la capacidad de generalización y, en la mayoría de los casos, mejora las tasas de error obtenidas con las técnicas tradicionales. Cada una de estas propuestas de evaluación y poda precisaron la codificación de simulaciones que permitieran determinar su eficacia. Esta experimentación fue dividida en cuatro partes, la primera de ellas investigó la pertinencia de utilizar el aprendizaje profundo para el reconocimiento de emociones en la voz, esta tarea se acotó a dos emociones. La segunda también abordó el reconocimiento de emociones en la voz, aunque en esta ocasión investigando siete emociones. En la tercera parte se investigó la poda de las neuronas evaluadas como menos discriminantes empleando dos idiomas y dos emociones, la evaluación se llevó a cabo utilizando cinco medidas de disimilitud. En última instancia se investigó el uso de las técnicas propuestas de poda para las máquinas restringidas de Boltzmann, en otras bases de datos no relacionadas con la señal del habla, para ésto se utilizaron cinco bases de datos y hasta siete clases. En todos los casos se obtuvieron resultados favorables con propuestas innovadoras.

Felicidades a Máximo Eduardo Sánchez Gutiérrez y a sus asesores Dr. John Goddard Close y al Dr. Enrique Marcelo Albornoz.

First CBI Students Meeting: Memorias
Programa de Becas para Cursos de Idiomas

Regresar a Avisos

P C y T I