Reconocimiento de comandos gestuales utilizando GesRN

Autores
Yanivello, Diego; Lanzarini, Laura Cristina
Año de publicación
2004
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La redes neuronales artificiales han demostrado tener un muy buen desempeño en la resolución de problemas pertenecientes al área de reconocimiento de patrones debido a su alta tolerancia al ruido existente en la información de entrada. Este artículo presenta una nueva arquitectura neuronal, denominada GesRN, formada por varias redes neuronales, que permite realizar la interpretación de comandos gestuales utilizados en el acceso a las diferentes funcionalidades de una aplicación. Un comando gestual es una figura realizada con un dispositivo digital manual, como el mouse o el lápiz óptico, que permite ejecutar un conjunto de acciones asociadas. La correcta interpretación de este tipo de comandos resulta una tarea compleja debido a la gran variedad de patrones que pueden generarse para un mismo gesto. Las mediciones realizadas han demostrado que GesRN posee una alta efectividad en la resolución del problema planteado. Según la arquitectura propuesta, la incorporación de nuevos gestos no obliga a realizar un reentrenamiento masivo de toda la estructura reduciendo de esta forma el tiempo de aprendizaje. Finalmente se presentan las conclusiones y se plantean algunas líneas de trabajo futuras.
Eje: V - Workshop de agentes y sistemas inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
Redes Neuronales
Intelligent agents
Aprendizaje
Learning
Comandos gestuales
Neural nets
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/22522
Acceder
id SEDICI_ab3734540899d4e7085657ad3e15f858
oai_identifier_str oai:sedici.unlp.edu.ar:10915/22522
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Reconocimiento de comandos gestuales utilizando GesRNYanivello, DiegoLanzarini, Laura CristinaCiencias InformáticasARTIFICIAL INTELLIGENCERedes NeuronalesIntelligent agentsAprendizajeLearningComandos gestualesNeural netsLa redes neuronales artificiales han demostrado tener un muy buen desempeño en la resolución de problemas pertenecientes al área de reconocimiento de patrones debido a su alta tolerancia al ruido existente en la información de entrada. Este artículo presenta una nueva arquitectura neuronal, denominada GesRN, formada por varias redes neuronales, que permite realizar la interpretación de comandos gestuales utilizados en el acceso a las diferentes funcionalidades de una aplicación. Un comando gestual es una figura realizada con un dispositivo digital manual, como el mouse o el lápiz óptico, que permite ejecutar un conjunto de acciones asociadas. La correcta interpretación de este tipo de comandos resulta una tarea compleja debido a la gran variedad de patrones que pueden generarse para un mismo gesto. Las mediciones realizadas han demostrado que GesRN posee una alta efectividad en la resolución del problema planteado. Según la arquitectura propuesta, la incorporación de nuevos gestos no obliga a realizar un reentrenamiento masivo de toda la estructura reduciendo de esta forma el tiempo de aprendizaje. Finalmente se presentan las conclusiones y se plantean algunas líneas de trabajo futuras.Eje: V - Workshop de agentes y sistemas inteligentesRed de Universidades con Carreras en Informática (RedUNCI)2004info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/22522spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:55:02Zoai:sedici.unlp.edu.ar:10915/22522Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:55:03.354SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Reconocimiento de comandos gestuales utilizando GesRN
title Reconocimiento de comandos gestuales utilizando GesRN
spellingShingle Reconocimiento de comandos gestuales utilizando GesRN
Yanivello, Diego
Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
Redes Neuronales
Intelligent agents
Aprendizaje
Learning
Comandos gestuales
Neural nets
title_short Reconocimiento de comandos gestuales utilizando GesRN
title_full Reconocimiento de comandos gestuales utilizando GesRN
title_fullStr Reconocimiento de comandos gestuales utilizando GesRN
title_full_unstemmed Reconocimiento de comandos gestuales utilizando GesRN
title_sort Reconocimiento de comandos gestuales utilizando GesRN
dc.creator.none.fl_str_mv Yanivello, Diego
Lanzarini, Laura Cristina
author Yanivello, Diego
author_facet Yanivello, Diego
Lanzarini, Laura Cristina
author_role author
author2 Lanzarini, Laura Cristina
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
Redes Neuronales
Intelligent agents
Aprendizaje
Learning
Comandos gestuales
Neural nets
topic Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
Redes Neuronales
Intelligent agents
Aprendizaje
Learning
Comandos gestuales
Neural nets
dc.description.none.fl_txt_mv La redes neuronales artificiales han demostrado tener un muy buen desempeño en la resolución de problemas pertenecientes al área de reconocimiento de patrones debido a su alta tolerancia al ruido existente en la información de entrada. Este artículo presenta una nueva arquitectura neuronal, denominada GesRN, formada por varias redes neuronales, que permite realizar la interpretación de comandos gestuales utilizados en el acceso a las diferentes funcionalidades de una aplicación. Un comando gestual es una figura realizada con un dispositivo digital manual, como el mouse o el lápiz óptico, que permite ejecutar un conjunto de acciones asociadas. La correcta interpretación de este tipo de comandos resulta una tarea compleja debido a la gran variedad de patrones que pueden generarse para un mismo gesto. Las mediciones realizadas han demostrado que GesRN posee una alta efectividad en la resolución del problema planteado. Según la arquitectura propuesta, la incorporación de nuevos gestos no obliga a realizar un reentrenamiento masivo de toda la estructura reduciendo de esta forma el tiempo de aprendizaje. Finalmente se presentan las conclusiones y se plantean algunas líneas de trabajo futuras.
Eje: V - Workshop de agentes y sistemas inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
description La redes neuronales artificiales han demostrado tener un muy buen desempeño en la resolución de problemas pertenecientes al área de reconocimiento de patrones debido a su alta tolerancia al ruido existente en la información de entrada. Este artículo presenta una nueva arquitectura neuronal, denominada GesRN, formada por varias redes neuronales, que permite realizar la interpretación de comandos gestuales utilizados en el acceso a las diferentes funcionalidades de una aplicación. Un comando gestual es una figura realizada con un dispositivo digital manual, como el mouse o el lápiz óptico, que permite ejecutar un conjunto de acciones asociadas. La correcta interpretación de este tipo de comandos resulta una tarea compleja debido a la gran variedad de patrones que pueden generarse para un mismo gesto. Las mediciones realizadas han demostrado que GesRN posee una alta efectividad en la resolución del problema planteado. Según la arquitectura propuesta, la incorporación de nuevos gestos no obliga a realizar un reentrenamiento masivo de toda la estructura reduciendo de esta forma el tiempo de aprendizaje. Finalmente se presentan las conclusiones y se plantean algunas líneas de trabajo futuras.
publishDate 2004
dc.date.none.fl_str_mv 2004
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/22522
url http://sedici.unlp.edu.ar/handle/10915/22522
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615809540816896
score 13.070432

Publicaciones similares