Clasificación de granos de polen con Deep Learning y SVM

Mostrar todas las versiones(2)

A lo largo de la historia, muchos algoritmos fueron utilizados para los problemas de clasificación, entre ellos los SVM, actualmente los autoencoders son el estado del arte, por su facilidad para obtener características del problema mediante el entrenamiento no supervisado en base a ejemplos, tal co...

Descripción completa

Detalles Bibliográficos
Autores principales: Roodschild, Matías, Gotay Sardiñas, Jorge, Will, Adrián
Otros Autores: Congreso Nacional de Ingeniería en Informática / Sistemas de información (4° : 2016 nov. 17-18 : Salta)
Formato: submittedVersion Documento de conferencia
Lenguaje:Español
Publicado: Universidad Católica de Salta. Facultad de Ingeniería (Salta) 2016
Materias:
Informática
Sistema de información
Inteligencia artificial
Robótica
Ingeniería del software
Reconocimiento de formas
Acceso en línea:https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=61391
Aporte de:
Repositorio Digital - Universidad Católica de Salta (UCASal) de Universidad Católica de Salta
id I49-R155-61391
record_format dspace
spelling I49-R155-613912024-12-03T19:39:00Z https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=61391 61391 20170523u u u0frey0103 ba spa Clasificación de granos de polen con Deep Learning y SVM Universidad Católica de Salta. Facultad de Ingeniería (Salta) 2016-12-30 info:eu-repo/semantics/submittedVersion info:eu-repo/semantics/conferenceObject info:ar-repo/semantics/documento de conferencia application/pdf 1001514 Salta (province) A lo largo de la historia, muchos algoritmos fueron utilizados para los problemas de clasificación, entre ellos los SVM, actualmente los autoencoders son el estado del arte, por su facilidad para obtener características del problema mediante el entrenamiento no supervisado en base a ejemplos, tal como lo haría un ser humano. Entre sus aplicaciones más destacadas, podemos mencionar el reconocimiento de voz, sistemas de seguridad, aplicaciones medicinales, conducción autónoma de vehículos, agricultura de precisión, entre otros. Muchos campos de investigación, poseen una gran variedad de información y presentan determinadas características propias de su naturaleza que dificultan el aprendizaje, entre ellos, podemos mencionar el solapamiento y el desbalance de las clases. En la presente publicación, mostraremos las principales ventajas de incorporar deeplearning con autoencoders a los clasificadores SVM y como mejoran el rendimiento. Fil: Will, Adrián. Universidad Tecnológica Nacional. Facultad Regional Tucumán; Argentina. Fil: Gotay Sardiñas, Jorge. Universidad Tecnológica Nacional. Facultad Regional Tucumán; Argentina. Fil: Roodschild, Matías. Universidad Tecnológica Nacional. Facultad Regional Tucumán; Argentina. Roodschild, Matías Gotay Sardiñas, Jorge Will, Adrián Congreso Nacional de Ingeniería en Informática / Sistemas de información (4° : 2016 nov. 17-18 : Salta) Informática Sistema de información Inteligencia artificial Robótica Ingeniería del software Reconocimiento de formas Creative Commons Atribución/Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/ info:eu-repo/semantics/openAccess Researchers Students
institution Universidad Católica de Salta
institution_str I-49
repository_str R-155
collection Repositorio Digital - Universidad Católica de Salta (UCASal)
language Español
orig_language_str_mv spa
topic Informática
Sistema de información
Inteligencia artificial
Robótica
Ingeniería del software
Reconocimiento de formas
spellingShingle Informática
Sistema de información
Inteligencia artificial
Robótica
Ingeniería del software
Reconocimiento de formas
Roodschild, Matías
Gotay Sardiñas, Jorge
Will, Adrián
Clasificación de granos de polen con Deep Learning y SVM
topic_facet Informática
Sistema de información
Inteligencia artificial
Robótica
Ingeniería del software
Reconocimiento de formas
description A lo largo de la historia, muchos algoritmos fueron utilizados para los problemas de clasificación, entre ellos los SVM, actualmente los autoencoders son el estado del arte, por su facilidad para obtener características del problema mediante el entrenamiento no supervisado en base a ejemplos, tal como lo haría un ser humano. Entre sus aplicaciones más destacadas, podemos mencionar el reconocimiento de voz, sistemas de seguridad, aplicaciones medicinales, conducción autónoma de vehículos, agricultura de precisión, entre otros. Muchos campos de investigación, poseen una gran variedad de información y presentan determinadas características propias de su naturaleza que dificultan el aprendizaje, entre ellos, podemos mencionar el solapamiento y el desbalance de las clases. En la presente publicación, mostraremos las principales ventajas de incorporar deeplearning con autoencoders a los clasificadores SVM y como mejoran el rendimiento.
author2 Congreso Nacional de Ingeniería en Informática / Sistemas de información (4° : 2016 nov. 17-18 : Salta)
author_facet Congreso Nacional de Ingeniería en Informática / Sistemas de información (4° : 2016 nov. 17-18 : Salta)
Roodschild, Matías
Gotay Sardiñas, Jorge
Will, Adrián
format submittedVersion
Documento de conferencia
Documento de conferencia
author Roodschild, Matías
Gotay Sardiñas, Jorge
Will, Adrián
author_sort Roodschild, Matías
title Clasificación de granos de polen con Deep Learning y SVM
title_short Clasificación de granos de polen con Deep Learning y SVM
title_full Clasificación de granos de polen con Deep Learning y SVM
title_fullStr Clasificación de granos de polen con Deep Learning y SVM
title_full_unstemmed Clasificación de granos de polen con Deep Learning y SVM
title_sort clasificación de granos de polen con deep learning y svm
publisher Universidad Católica de Salta. Facultad de Ingeniería (Salta)
publishDate 2016
url https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=61391
work_keys_str_mv AT roodschildmatias clasificaciondegranosdepolencondeeplearningysvm
AT gotaysardinasjorge clasificaciondegranosdepolencondeeplearningysvm
AT willadrian clasificaciondegranosdepolencondeeplearningysvm
_version_ 1823985318785712128

Ejemplares similares