Clasificación de granos de polen con Deep Learning y SVM
- Autores
- Roodschild, Matías; Gotay Sardiñas, Jorge; Will, Adrián
- Año de publicación
- 2016
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión enviada
- Descripción
- 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. - Materia
-
Informática
Sistema de información
Inteligencia artificial
Robótica
Ingeniería del software
Reconocimiento de formas - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
.jpg)
- Institución
- Universidad Católica de Salta
- OAI Identificador
- oai:bibliotecas.ucasal.edu.ar:61391
Ver los metadatos del registro completo
| id |
RIUCASAL_074a806da8dfb6f23e06105d60cff69a |
|---|---|
| oai_identifier_str |
oai:bibliotecas.ucasal.edu.ar:61391 |
| network_acronym_str |
RIUCASAL |
| repository_id_str |
3930 |
| network_name_str |
Repositorio Institucional (UCaSal) |
| spelling |
Clasificación de granos de polen con Deep Learning y SVMRoodschild, MatíasGotay Sardiñas, JorgeWill, AdriánInformáticaSistema de informaciónInteligencia artificialRobóticaIngeniería del softwareReconocimiento de formasA 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.Universidad Católica de Salta. Facultad de Ingeniería (Salta)Congreso Nacional de Ingeniería en Informática / Sistemas de información (4° : 2016 nov. 17-18 : Salta)2016-12-30info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/submittedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttps://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=61391https://bibliotecas.ucasal.edu.ar/ark:/49597/nthj8rrqp3https://n2t.net/ark:/49597/nthj8rrqp36139120170523u u u0frey0103 baspa1001514Salta (province)info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Atribución/Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)reponame:Repositorio Institucional (UCaSal)instname:Universidad Católica de Saltainstacron:UCaSal2026-10-29T11:25:58Zoai:bibliotecas.ucasal.edu.ar:61391Institucionalhttp://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=16Universidad privadaNo correspondehttp://bibliotecas.ucasal.edu.ar/ws/oai2_7?verb=Identifycdiedrich@ucasal.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:39302026-10-29 11:25:59.187Repositorio Institucional (UCaSal) - Universidad Católica de Saltafalse |
| dc.title.none.fl_str_mv |
Clasificación de granos de polen con Deep Learning y SVM |
| title |
Clasificación de granos de polen con Deep Learning y SVM |
| spellingShingle |
Clasificación de granos de polen con Deep Learning y SVM Roodschild, Matías Informática Sistema de información Inteligencia artificial Robótica Ingeniería del software Reconocimiento de formas |
| 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 |
| dc.creator.none.fl_str_mv |
Roodschild, Matías Gotay Sardiñas, Jorge Will, Adrián |
| author |
Roodschild, Matías |
| author_facet |
Roodschild, Matías Gotay Sardiñas, Jorge Will, Adrián |
| author_role |
author |
| author2 |
Gotay Sardiñas, Jorge Will, Adrián |
| author2_role |
author author |
| dc.contributor.none.fl_str_mv |
Congreso Nacional de Ingeniería en Informática / Sistemas de información (4° : 2016 nov. 17-18 : Salta) |
| dc.subject.none.fl_str_mv |
Informática Sistema de información Inteligencia artificial Robótica Ingeniería del software Reconocimiento de formas |
| topic |
Informática Sistema de información Inteligencia artificial Robótica Ingeniería del software Reconocimiento de formas |
| dc.description.none.fl_txt_mv |
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. |
| 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. |
| publishDate |
2016 |
| dc.date.none.fl_str_mv |
2016-12-30 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/submittedVersion http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
| format |
conferenceObject |
| status_str |
submittedVersion |
| dc.identifier.none.fl_str_mv |
https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=61391 https://bibliotecas.ucasal.edu.ar/ark:/49597/nthj8rrqp3 https://n2t.net/ark:/49597/nthj8rrqp3 61391 20170523u u u0frey0103 ba |
| url |
https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=61391 https://bibliotecas.ucasal.edu.ar/ark:/49597/nthj8rrqp3 https://n2t.net/ark:/49597/nthj8rrqp3 |
| identifier_str_mv |
61391 20170523u u u0frey0103 ba |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Atribución/Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Atribución/Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.coverage.none.fl_str_mv |
1001514 Salta (province) |
| dc.publisher.none.fl_str_mv |
Universidad Católica de Salta. Facultad de Ingeniería (Salta) |
| publisher.none.fl_str_mv |
Universidad Católica de Salta. Facultad de Ingeniería (Salta) |
| dc.source.none.fl_str_mv |
reponame:Repositorio Institucional (UCaSal) instname:Universidad Católica de Salta instacron:UCaSal |
| reponame_str |
Repositorio Institucional (UCaSal) |
| collection |
Repositorio Institucional (UCaSal) |
| instname_str |
Universidad Católica de Salta |
| instacron_str |
UCaSal |
| institution |
UCaSal |
| repository.name.fl_str_mv |
Repositorio Institucional (UCaSal) - Universidad Católica de Salta |
| repository.mail.fl_str_mv |
cdiedrich@ucasal.edu.ar |
| _version_ |
1880396382095802368 |
| score |
13.334379 |