Paralelización de redes neuronales en el ámbito de la visión computacional

Autores
Galdámez Bilardi, Mariela; Chirino, Pamela; Caymes Scutari, Paola; Bianchini, Germán
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
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 .
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Materia
Paralelismo, Redes neuronales, Visión computacional
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-06-27T15:10:56Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/8148
Acceder
id RIAUTN_f2b02050a045ff4247e9d3311129e7af
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/8148
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Paralelización de redes neuronales en el ámbito de la visión computacionalGaldámez Bilardi, MarielaChirino, PamelaCaymes Scutari, PaolaBianchini, GermánParalelismo, Redes neuronales, Visión computacionalEn 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 .Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina2023-06-27T15:10:56Z2023-06-27T15:10:56Z2021-01-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfCongreso de Investigaciones y Desarrollos en Tecnología y Ciencia (IDETEC 2020). Año 2021.http://hdl.handle.net/20.500.12272/8148spaPID 7658info:eu-repo/semantics/openAccess2023-06-27T15:10:56Zhttp://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 UniversalUniversidad Tecnológica Nacional. Facultad Regional MendozaAtribuciónreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:47:52Zoai:ria.utn.edu.ar:20.500.12272/8148instacron: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 12:47:53.335Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Paralelización de redes neuronales en el ámbito de la visión computacional
title Paralelización de redes neuronales en el ámbito de la visión computacional
spellingShingle Paralelización de redes neuronales en el ámbito de la visión computacional
Galdámez Bilardi, Mariela
Paralelismo, Redes neuronales, 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
dc.creator.none.fl_str_mv Galdámez Bilardi, Mariela
Chirino, Pamela
Caymes Scutari, Paola
Bianchini, Germán
author Galdámez Bilardi, Mariela
author_facet Galdámez Bilardi, Mariela
Chirino, Pamela
Caymes Scutari, Paola
Bianchini, Germán
author_role author
author2 Chirino, Pamela
Caymes Scutari, Paola
Bianchini, Germán
author2_role author
author
author
dc.subject.none.fl_str_mv Paralelismo, Redes neuronales, Visión computacional
topic Paralelismo, Redes neuronales, Visión computacional
dc.description.none.fl_txt_mv 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 .
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
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 .
publishDate 2021
dc.date.none.fl_str_mv 2021-01-01
2023-06-27T15:10:56Z
2023-06-27T15:10:56Z
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 Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia (IDETEC 2020). Año 2021.
http://hdl.handle.net/20.500.12272/8148
identifier_str_mv Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia (IDETEC 2020). Año 2021.
url http://hdl.handle.net/20.500.12272/8148
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
2023-06-27T15:10:56Z
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 2023-06-27T15:10:56Z
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_ 1877230949698109440
score 13.265058

Publicaciones similares