Optimización de tiempo de cómputo en entrenamiento de redes neuronales profundas para clasificación de reconocimiento de imágenes.
2019Profesores:
Resumen:
El aprendizaje profundo permite a los modelos computacionales que están compuestos por múltiples capas de procesamiento, aprender representaciones de datos con múltiples niveles de abstracción. Estos métodos han mejorado dramáticamente el estado del arte del reconocimiento de habla, el reconocimiento de objetos, la detección de objetos y muchos otros problemas relacionados con el reconocimiento y la clasificación de un objeto de interés, y gracia a ello se han abordado nuevos problemas de aplicación como lo son el reconocimiento de drogas y en la genómica.
Objetivo general
- Optimizar el tiempo de cómputo de entrenamiento de redes neuronales profundas orientadas para la clasificación y reconocimiento de imágenes.
Objetivos específicos
- Estudiar e identificar las topologías y estructuras generales de la redes profundas probadas en la literatura.
- Experimentar con la implementación de redes profundas en el ámbito de un problema de reconocimiento y clasificación de imágenes.
- Determinar los parámetros a optimizar y modificar de forma permisible en una red profunda para reducción de tiempo de cómputo.4. Aplicar al menos una red profunda optimizada en un problema específico de reconocimiento y clasificación de imágenes, con base a la optimización desarrollada.
Ultima actualización 13/08/2022 por pcyti