Paralelización de redes neuronales en el ámbito de la visión computacional
En este artículo, se presenta un estudio inicial sobre las redes neuronales aplicadas en la visión computacional y sobre el objetivo de estudiar su paralelización. La visión computacional puede utilizarse en diversos campos de la ciencia y la ingeniería, y las redes neuronales, como una herramienta...
Guardado en:
Autores principales: | , , , |
---|---|
Formato: | Artículo acceptedVersion |
Lenguaje: | Español |
Publicado: |
2023
|
Materias: | |
Acceso en línea: | http://hdl.handle.net/20.500.12272/8148 |
Aporte de: |
id |
I68-R174-20.500.12272-8148 |
---|---|
record_format |
dspace |
spelling |
I68-R174-20.500.12272-81482023-06-27T15:10:56Z Paralelización de redes neuronales en el ámbito de la visión computacional Galdámez Bilardi, Mariela Chirino, Pamela Caymes Scutari, Paola Bianchini, Germán Paralelismo, Redes neuronales, Visión computacional En este artículo, se presenta un estudio inicial sobre las redes neuronales aplicadas en la visión computacional y sobre el objetivo de estudiar su paralelización. La visión computacional puede utilizarse en diversos campos de la ciencia y la ingeniería, y las redes neuronales, como una herramienta de la inteligencia artificial, permiten resolver problemas complejos que surgen en éstas. Sin embargo, la complejidad de la resolución de un problema se traslada a su aprendizaje, puesto que se necesitará una red neuronal con una estructura de tamaño importante para resolverlo. La complejidad de las redes neuronales yace en la velocidad de cómputo necesaria para conseguir una red neuronal funcional en un tiempo razonable, y es aquí donde se introduce el cómputo paralelo como un modelo computacional que permite atender esta demanda al distribuir tareas o la carga de procesamiento en diversos procesadores. En este trabajo, se espera expresar estadísticamente los beneficios del paralelismo en el aprendizaje de redes neuronales, y comprobar que, al paralelizar, se consigue en un tiempo menor una convergencia de los pesos a algo cercano al óptimo global en cada neurona de la red neuronal . Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina 2023-06-27T15:10:56Z 2023-06-27T15:10:56Z 2021-01-01 info:eu-repo/semantics/article acceptedVersion Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia (IDETEC 2020). Año 2021. http://hdl.handle.net/20.500.12272/8148 spa PID 7658 openAccess http://creativecommons.org/publicdomain/zero/1.0/ CC0 1.0 Universal Universidad Tecnológica Nacional. Facultad Regional Mendoza Atribución pdf |
institution |
Universidad Tecnológica Nacional |
institution_str |
I-68 |
repository_str |
R-174 |
collection |
RIA - Repositorio Institucional Abierto (UTN) |
language |
Español |
topic |
Paralelismo, Redes neuronales, Visión computacional |
spellingShingle |
Paralelismo, Redes neuronales, Visión computacional Galdámez Bilardi, Mariela Chirino, Pamela Caymes Scutari, Paola Bianchini, Germán Paralelización de redes neuronales en el ámbito de la visión computacional |
topic_facet |
Paralelismo, Redes neuronales, Visión computacional |
description |
En este artículo, se presenta un estudio inicial sobre las redes neuronales aplicadas en la visión computacional y sobre el objetivo de estudiar su paralelización. La visión computacional puede utilizarse en diversos campos de la ciencia y la ingeniería, y las redes neuronales, como una herramienta de la inteligencia artificial, permiten resolver problemas complejos que surgen en éstas. Sin embargo, la complejidad de la resolución de un problema se traslada a su aprendizaje, puesto que se necesitará una red neuronal con una estructura de tamaño importante para resolverlo. La complejidad de las redes neuronales yace en la velocidad de cómputo necesaria para conseguir una red neuronal funcional en un tiempo razonable, y es aquí donde se introduce el cómputo paralelo como un modelo computacional que permite atender esta demanda al distribuir tareas o la carga de procesamiento en diversos procesadores. En este trabajo, se espera expresar estadísticamente los beneficios del paralelismo en el aprendizaje de redes neuronales, y comprobar que, al paralelizar, se consigue en un tiempo menor una convergencia de los pesos a algo cercano al óptimo global en cada neurona de la red neuronal . |
format |
Artículo acceptedVersion |
author |
Galdámez Bilardi, Mariela Chirino, Pamela Caymes Scutari, Paola Bianchini, Germán |
author_facet |
Galdámez Bilardi, Mariela Chirino, Pamela Caymes Scutari, Paola Bianchini, Germán |
author_sort |
Galdámez Bilardi, Mariela |
title |
Paralelización de redes neuronales en el ámbito de la visión computacional |
title_short |
Paralelización de redes neuronales en el ámbito de la visión computacional |
title_full |
Paralelización de redes neuronales en el ámbito de la visión computacional |
title_fullStr |
Paralelización de redes neuronales en el ámbito de la visión computacional |
title_full_unstemmed |
Paralelización de redes neuronales en el ámbito de la visión computacional |
title_sort |
paralelización de redes neuronales en el ámbito de la visión computacional |
publishDate |
2023 |
url |
http://hdl.handle.net/20.500.12272/8148 |
work_keys_str_mv |
AT galdamezbilardimariela paralelizacionderedesneuronalesenelambitodelavisioncomputacional AT chirinopamela paralelizacionderedesneuronalesenelambitodelavisioncomputacional AT caymesscutaripaola paralelizacionderedesneuronalesenelambitodelavisioncomputacional AT bianchinigerman paralelizacionderedesneuronalesenelambitodelavisioncomputacional |
_version_ |
1769989316506812416 |