Redes neuronales artificiales en el contexto de la visión artificial
| dc.contributor.advisor | López Montes, Antonio | |
| dc.contributor.advisor | Benavent Merchán, María Teresa | |
| dc.contributor.advisor | Martínez Raya, Antonio | |
| dc.contributor.advisor | González Prieto, José Ángel | |
| dc.contributor.author | Iglesia López, Jaime de la | |
| dc.date.accessioned | 2023-07-24T11:37:48Z | |
| dc.date.available | 2023-07-24T11:37:48Z | |
| dc.date.issued | 2023-07-01 | |
| dc.degree.title | Ingeniería Matemática | |
| dc.description | This work addresses the relationship between computer vision and artificial neural networks. Firstly, the importance of computer vision in various fields is highlighted, and key concepts such as digital image representation and the application of filters to remove noise or enhance relevant features are analyzed. Secondly, the mathematical foundation of neural networks is introduced, describing their basic elements and the training process using backpropagation. Lastly, a deeper dive into convolutional neural networks (CNN) is conducted, emphasizing their ability to extract image features and their effectiveness in classification. Finally, a practical example is implemented in Matlab using three convolutional networks for image classification. | |
| dc.description.abstract | En este trabajo se aborda la relación entre la visión artificial y las redes neuronales artificiales. En primer lugar se destaca la importancia de la visión artificial en diversos campos y se analizan conceptos clave como la representación digital de imágenes y la aplicación de filtros mediante convolución para eliminar el ruido o realzar características relevantes. En segundo lugar se introduce el fundamento matemático de las redes neuronales, describiendo sus elementos básicos y el proceso de entrenamiento mediante backpropgation. Por último se profundiza en las redes neuronales convolucionales (CNN), destacando su capacidad para extraer características de imágenes y su eficacia en la clasificación. Finalmente, se implementa un ejemplo práctico en Matlab de tres redes convolucionales para la clasificación de imágenes. | |
| dc.description.department | Depto. de Análisis Matemático y Matemática Aplicada | |
| dc.description.faculty | Fac. de Ciencias Matemáticas | |
| dc.description.refereed | TRUE | |
| dc.description.status | pub | |
| dc.identifier.uri | https://hdl.handle.net/20.500.14352/87322 | |
| dc.language.iso | spa | |
| dc.page.total | 54 | |
| dc.rights.accessRights | open access | |
| dc.subject.cdu | 004.032.26 | |
| dc.subject.keyword | Imagen | |
| dc.subject.keyword | Píxel | |
| dc.subject.keyword | Filtro | |
| dc.subject.keyword | Correlación cruzada | |
| dc.subject.keyword | Backpropagation | |
| dc.subject.keyword | Aprendizaje supervisado | |
| dc.subject.keyword | Gradiente | |
| dc.subject.keyword | Pooling | |
| dc.subject.ucm | Inteligencia artificial (Informática) | |
| dc.subject.unesco | 1203.04 Inteligencia Artificial | |
| dc.title | Redes neuronales artificiales en el contexto de la visión artificial | |
| dc.type | bachelor thesis | |
| dc.type.hasVersion | AM | |
| dspace.entity.type | Publication | |
| relation.isAdvisorOfPublication | 5f0a9443-dc88-48cb-a6ef-938f007ddd6a | |
| relation.isAdvisorOfPublication | 383a64b4-de39-4d0b-a2c8-d3e52aac99ee | |
| relation.isAdvisorOfPublication | c3011bfd-5025-4e49-8f0e-e16ea76da35c | |
| relation.isAdvisorOfPublication.latestForDiscovery | 5f0a9443-dc88-48cb-a6ef-938f007ddd6a |
