1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Baja California
4. Instituto Tecnológico de Tijuana
5. TESIS DE MAESTRÍA
6. MAESTRÍA EN CIENCIAS DE LA COMPUTACIÓN

Título:	MODELO DE APRENDIZAJE NEURONAL DIFUSO PROFUNDO APLICADO A PROBLEMAS DE DETECCIÓN Y CLASIFICACIÓN
Autor:	Torres Quiroz, Cesar Alan%1106407
metadata.dc.subject.other:	Aprendizaje Neuronal Difuso, problemas de detección y clasificación
Data:	2023-03-09
Editora:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Tijuana
Descrição:	Los modelos de redes neuronales convolucionales han demostrado capacidades increíbles al realizar tareas de clasificación, a pesar de esto, se han encontrado múltiples adversidades a la hora de aplicarlos en ambientes de dominio o áreas específicas, tales como lo son los sistemas de clasificación de señales de tránsito. La utilización de técnicas difusas para preprocesamiento de información muestra la capacidad de manejar incertidumbre encontrada en los datos que pasan por la red. En el presente trabajo de tesis se presenta la iniciativa, para realizar una incorporación de técnicas de lógica difusa dentro de un modelo de red neuronal convolucional para manejar la incertidumbre presente en las fuentes de información que pasan por el modelo a la hora de entrenarlo. En la implementación se plantea la utilización de información y filtros en el espectro difuso, así como la creación de una nueva capa para sustituir la capa clásica de convolución por un nuevo filtrado de ventana en el cual se aplican procesos de composición matricial. El trabajo fue probado en bases de datos orientadas a clasificación de señales de tránsito, debido a su complejidad, dadas en las distintas circunstancias y factores alternos en los que se puede encontrar un señalamiento
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Aparece nas colecções:	MAESTRÍA EN CIENCIAS DE LA COMPUTACIÓN

Este registo está protegido por copyright original. Ver licença

Este registo está protegido por Licença Creative Commons