Redes neuronales paralelas aplicadas a la visión computacional

Autores
Galdámez Bilardi, Mariela; Chirino, Pamela; Díaz, Karvin; Ponce de León, Alejo; Caymes Scutari, Paola; Bianchini, Germán
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
La capacidad de permitir que una computadora reconozca en una imagen los objetos, ambiente y posición en el espacio fue el inicio de la visión computacional, un área dentro de la inteligencia artificial. Al utilizar el modelo de redes neuronales en este campo, se consiguen resultados en diversas ramas de la ciencia. Por ejemplo, diagnóstico de ciertas patologías en imágenes provenientes de ecografías o resonancia magnética; realizar vigilancia, reconocimiento dactilar y ocular como mecanismos de seguridad; entre otras tantas aplicaciones. Pero estructurar una red neuronal no es tarea sencilla, pues para conseguir que funcione y aprenda adecuadamente se requiere de un conjunto de datos de entrada que deberá analizar cierta cantidad de veces hasta producir una salida coherente con los datos ingresados. Esto implica la necesidad de una velocidad de cómputo enorme para que sea capaz de aprender en un período de tiempo razonable. Además, si el tamaño de la red es mucho mayor,los datos de entrada aumentan en cantidad y se complejiza el aprendizaje de la misma, lo que infiere en un aumento considerable de tiempo. Los procesadores actuales no brindan la velocidad suficiente y es aquí donde la programación paralela se presenta como una solución alternativa.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Materia
Redes Neuronales, Programación Paralela, Visión Computacional
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-06-27T16:01:18Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/8152
Acceder
id RIAUTN_e5628b7f0ebabd7c68ed664bb3d545b1
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/8152
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Redes neuronales paralelas aplicadas a la visión computacionalGaldámez Bilardi, MarielaChirino, PamelaDíaz, KarvinPonce de León, AlejoCaymes Scutari, PaolaBianchini, GermánRedes Neuronales, Programación Paralela, Visión ComputacionalLa capacidad de permitir que una computadora reconozca en una imagen los objetos, ambiente y posición en el espacio fue el inicio de la visión computacional, un área dentro de la inteligencia artificial. Al utilizar el modelo de redes neuronales en este campo, se consiguen resultados en diversas ramas de la ciencia. Por ejemplo, diagnóstico de ciertas patologías en imágenes provenientes de ecografías o resonancia magnética; realizar vigilancia, reconocimiento dactilar y ocular como mecanismos de seguridad; entre otras tantas aplicaciones. Pero estructurar una red neuronal no es tarea sencilla, pues para conseguir que funcione y aprenda adecuadamente se requiere de un conjunto de datos de entrada que deberá analizar cierta cantidad de veces hasta producir una salida coherente con los datos ingresados. Esto implica la necesidad de una velocidad de cómputo enorme para que sea capaz de aprender en un período de tiempo razonable. Además, si el tamaño de la red es mucho mayor,los datos de entrada aumentan en cantidad y se complejiza el aprendizaje de la misma, lo que infiere en un aumento considerable de tiempo. Los procesadores actuales no brindan la velocidad suficiente y es aquí donde la programación paralela se presenta como una solución alternativa.Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina2023-06-27T16:01:18Z2023-06-27T16:01:18Z2021-04-15info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfXXIII Workshop de Investigadores en Ciencias de la Computación (WICC 2021). Año 2021.http://hdl.handle.net/20.500.12272/8152spaPID 7658info:eu-repo/semantics/openAccess2023-06-27T16:01:18Zhttp://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 UniversalUniversidad Tecnológica Nacional. Facultad Regional MendozaAtribuciónreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:48:17Zoai:ria.utn.edu.ar:20.500.12272/8152instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:48:18.847Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Redes neuronales paralelas aplicadas a la visión computacional
title Redes neuronales paralelas aplicadas a la visión computacional
spellingShingle Redes neuronales paralelas aplicadas a la visión computacional
Galdámez Bilardi, Mariela
Redes Neuronales, Programación Paralela, Visión Computacional
title_short Redes neuronales paralelas aplicadas a la visión computacional
title_full Redes neuronales paralelas aplicadas a la visión computacional
title_fullStr Redes neuronales paralelas aplicadas a la visión computacional
title_full_unstemmed Redes neuronales paralelas aplicadas a la visión computacional
title_sort Redes neuronales paralelas aplicadas a la visión computacional
dc.creator.none.fl_str_mv Galdámez Bilardi, Mariela
Chirino, Pamela
Díaz, Karvin
Ponce de León, Alejo
Caymes Scutari, Paola
Bianchini, Germán
author Galdámez Bilardi, Mariela
author_facet Galdámez Bilardi, Mariela
Chirino, Pamela
Díaz, Karvin
Ponce de León, Alejo
Caymes Scutari, Paola
Bianchini, Germán
author_role author
author2 Chirino, Pamela
Díaz, Karvin
Ponce de León, Alejo
Caymes Scutari, Paola
Bianchini, Germán
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Redes Neuronales, Programación Paralela, Visión Computacional
topic Redes Neuronales, Programación Paralela, Visión Computacional
dc.description.none.fl_txt_mv La capacidad de permitir que una computadora reconozca en una imagen los objetos, ambiente y posición en el espacio fue el inicio de la visión computacional, un área dentro de la inteligencia artificial. Al utilizar el modelo de redes neuronales en este campo, se consiguen resultados en diversas ramas de la ciencia. Por ejemplo, diagnóstico de ciertas patologías en imágenes provenientes de ecografías o resonancia magnética; realizar vigilancia, reconocimiento dactilar y ocular como mecanismos de seguridad; entre otras tantas aplicaciones. Pero estructurar una red neuronal no es tarea sencilla, pues para conseguir que funcione y aprenda adecuadamente se requiere de un conjunto de datos de entrada que deberá analizar cierta cantidad de veces hasta producir una salida coherente con los datos ingresados. Esto implica la necesidad de una velocidad de cómputo enorme para que sea capaz de aprender en un período de tiempo razonable. Además, si el tamaño de la red es mucho mayor,los datos de entrada aumentan en cantidad y se complejiza el aprendizaje de la misma, lo que infiere en un aumento considerable de tiempo. Los procesadores actuales no brindan la velocidad suficiente y es aquí donde la programación paralela se presenta como una solución alternativa.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
description La capacidad de permitir que una computadora reconozca en una imagen los objetos, ambiente y posición en el espacio fue el inicio de la visión computacional, un área dentro de la inteligencia artificial. Al utilizar el modelo de redes neuronales en este campo, se consiguen resultados en diversas ramas de la ciencia. Por ejemplo, diagnóstico de ciertas patologías en imágenes provenientes de ecografías o resonancia magnética; realizar vigilancia, reconocimiento dactilar y ocular como mecanismos de seguridad; entre otras tantas aplicaciones. Pero estructurar una red neuronal no es tarea sencilla, pues para conseguir que funcione y aprenda adecuadamente se requiere de un conjunto de datos de entrada que deberá analizar cierta cantidad de veces hasta producir una salida coherente con los datos ingresados. Esto implica la necesidad de una velocidad de cómputo enorme para que sea capaz de aprender en un período de tiempo razonable. Además, si el tamaño de la red es mucho mayor,los datos de entrada aumentan en cantidad y se complejiza el aprendizaje de la misma, lo que infiere en un aumento considerable de tiempo. Los procesadores actuales no brindan la velocidad suficiente y es aquí donde la programación paralela se presenta como una solución alternativa.
publishDate 2021
dc.date.none.fl_str_mv 2021-04-15
2023-06-27T16:01:18Z
2023-06-27T16:01:18Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str acceptedVersion
dc.identifier.none.fl_str_mv XXIII Workshop de Investigadores en Ciencias de la Computación (WICC 2021). Año 2021.
http://hdl.handle.net/20.500.12272/8152
identifier_str_mv XXIII Workshop de Investigadores en Ciencias de la Computación (WICC 2021). Año 2021.
url http://hdl.handle.net/20.500.12272/8152
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv PID 7658
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2023-06-27T16:01:18Z
http://creativecommons.org/publicdomain/zero/1.0/
CC0 1.0 Universal
Universidad Tecnológica Nacional. Facultad Regional Mendoza
Atribución
eu_rights_str_mv openAccess
rights_invalid_str_mv 2023-06-27T16:01:18Z
http://creativecommons.org/publicdomain/zero/1.0/
CC0 1.0 Universal
Universidad Tecnológica Nacional. Facultad Regional Mendoza
Atribución
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230958936064000
score 13.265058

Publicaciones similares