Redes neuronales paralelas aplicadas a la visión computacional
- Autores
- Galdamez, Mariela; Chirino, Pamela; Díaz Acevedo, Karvin; Ponce de León, Alejo; Caymes Scutari, Paola Guadalupe; Bianchini, German
- Año de publicación
- 2021
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- 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: Galdamez, Mariela. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; Argentina
Fil: Chirino, Pamela. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; Argentina
Fil: Díaz Acevedo, Karvin. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; Argentina
Fil: Ponce de León, Alejo. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; Argentina
Fil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza; Argentina. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; Argentina
Fil: Bianchini, German. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; Argentina
XXIII Workshop de Investigadores en Ciencias de la Computación
Chilecito
Argentina
Universidad Nacional de Chilecito
Red de Universidades con Carreras de Informática - Materia
-
REDES NEURONALES
PROGRAMACIÓN PARALELA
VISIÓN COMPUTACIONAL - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/177694
Ver los metadatos del registro completo
id |
CONICETDig_b287e9c83e141eaf892b24811284a6c6 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/177694 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Redes neuronales paralelas aplicadas a la visión computacionalGaldamez, MarielaChirino, PamelaDíaz Acevedo, KarvinPonce de León, AlejoCaymes Scutari, Paola GuadalupeBianchini, GermanREDES NEURONALESPROGRAMACIÓN PARALELAVISIÓN COMPUTACIONALhttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1La 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: Galdamez, Mariela. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; ArgentinaFil: Chirino, Pamela. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; ArgentinaFil: Díaz Acevedo, Karvin. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; ArgentinaFil: Ponce de León, Alejo. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; ArgentinaFil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza; Argentina. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; ArgentinaFil: Bianchini, German. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; ArgentinaXXIII Workshop de Investigadores en Ciencias de la ComputaciónChilecitoArgentinaUniversidad Nacional de ChilecitoRed de Universidades con Carreras de InformáticaUniversidad Nacional de ChilecitoFrati, Fernando EmmanuelCarmona, Fernanda Beatriz2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectWorkshopBookhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/177694Redes neuronales paralelas aplicadas a la visión computacional; XXIII Workshop de Investigadores en Ciencias de la Computación; Chilecito; Argentina; 2021; 725-728978-987-24611-3-3CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://libros.unlp.edu.ar/index.php/unlp/catalog/book/1680Nacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T10:10:42Zoai:ri.conicet.gov.ar:11336/177694instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-03 10:10:42.507CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
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 Galdamez, 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 |
Galdamez, Mariela Chirino, Pamela Díaz Acevedo, Karvin Ponce de León, Alejo Caymes Scutari, Paola Guadalupe Bianchini, German |
author |
Galdamez, Mariela |
author_facet |
Galdamez, Mariela Chirino, Pamela Díaz Acevedo, Karvin Ponce de León, Alejo Caymes Scutari, Paola Guadalupe Bianchini, German |
author_role |
author |
author2 |
Chirino, Pamela Díaz Acevedo, Karvin Ponce de León, Alejo Caymes Scutari, Paola Guadalupe Bianchini, German |
author2_role |
author author author author author |
dc.contributor.none.fl_str_mv |
Frati, Fernando Emmanuel Carmona, Fernanda Beatriz |
dc.subject.none.fl_str_mv |
REDES NEURONALES PROGRAMACIÓN PARALELA VISIÓN COMPUTACIONAL |
topic |
REDES NEURONALES PROGRAMACIÓN PARALELA VISIÓN COMPUTACIONAL |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/1.2 https://purl.org/becyt/ford/1 |
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: Galdamez, Mariela. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; Argentina Fil: Chirino, Pamela. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; Argentina Fil: Díaz Acevedo, Karvin. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; Argentina Fil: Ponce de León, Alejo. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; Argentina Fil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza; Argentina. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; Argentina Fil: Bianchini, German. Universidad Tecnologica Nacional. Facultad Reg.mendoza. Departamento de Ingeniería Química.; Argentina XXIII Workshop de Investigadores en Ciencias de la Computación Chilecito Argentina Universidad Nacional de Chilecito Red de Universidades con Carreras de Informática |
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 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/conferenceObject Workshop Book http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
status_str |
publishedVersion |
format |
conferenceObject |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/177694 Redes neuronales paralelas aplicadas a la visión computacional; XXIII Workshop de Investigadores en Ciencias de la Computación; Chilecito; Argentina; 2021; 725-728 978-987-24611-3-3 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/177694 |
identifier_str_mv |
Redes neuronales paralelas aplicadas a la visión computacional; XXIII Workshop de Investigadores en Ciencias de la Computación; Chilecito; Argentina; 2021; 725-728 978-987-24611-3-3 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/https://libros.unlp.edu.ar/index.php/unlp/catalog/book/1680 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf application/pdf application/pdf |
dc.coverage.none.fl_str_mv |
Nacional |
dc.publisher.none.fl_str_mv |
Universidad Nacional de Chilecito |
publisher.none.fl_str_mv |
Universidad Nacional de Chilecito |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1842270130711560192 |
score |
13.13397 |