Resultado de búsqueda
Las redes neuronales convolucionales (CNNs, por sus siglas en inglés) han demostrado un gran potencial para resolver problemas de clasificación con imágenes médicas. En esta investigación, se evaluaron treinta y dos arquitecturas CNNs, y se compararon para realizar el diagnóstico COVID-19 mediante el uso de imágenes radiográficas.
Los métodos lograron una reducción de hasta dos órdenes de magnitud en peso de los datos y, además, demostraron conservar las características espaciales de las componentes independientes. En la segunda etapa, se usaron las reducciones para entrenar seis modelos de redes neuronales convolucionales.
- Leonel Mera-Jiménez, John F. Ochoa-Gómez
- 2021
Actualmente, la aplicación de redes neuronales convolucionales es una oportunidad orientada a la identificación de patrones en la agricultura de precisión, incluyendo el estudio del tizón tardío, en el cultivo de papa.
El objetivo del presente estudio fue proponer y evaluar un modelo de red neuronal convolucional de aprendizaje profundo para la clasificación de 22 clases distintas de cobertura y uso del suelo ubicadas en la cuenca río Atoyac-Salado.
El artículo explora el uso de redes neuronales convolucionales, específicamente ResNet-50, para detectar gorgojos en granos de maíz. Los gorgojos son una plaga importante en el maíz almacenado y pueden causar pérdidas significativas en rendimiento y calidad.
Redes Convolucionales Siamesas y Tripletas para la Recuperación de Imágenes Similares en Contenido. Información tecnológica. versión On-line ISSN 0718-0764. Inf. tecnol. vol.30 no.6 La Serena dic. 2019. http://dx.doi.org/10.4067/S0718-07642019000600243. ARTICULOS.
Las RNA de AP más usadas en la actualidad son el Perceptrón Multicapa, las Redes Neuronales Convolucionales (CovNet), las Redes Neuronales Recurrentes y Redes Generativas Antagónicas.
