Reúso de un modelo de aprendizaje profundo para reconocimiento de dígitos manuscritos

Autores
Pacchiotti, Mauro José; Ballejos, Luciana; Ale, Mariel
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Las técnicas de Aprendizaje Automático (AA) han avanzado significativamente en la solución de diversos problemas, lo que ha llevado a una amplia difusión en su uso y desarrollo. Actualmente existen distintos modelos que han alcanzado un alto nivel de desempeño, lo que plantea la duda de qué hacer cuando nos enfrentamos a un problema para el cual ya existe un modelo muy eficiente. Desde hace tiempo esta situación ha impulsado la investigación y el desarrollo de diferentes técnicas para reutilizar estos modelos, en lugar de emprender el diseño, implementación y entrenamiento de uno nuevo, con todo el esfuerzo que ello conlleva. En este trabajo se presenta un problema de clasificación y se propone la reutilización de una red neuronal convolucional con el objetivo de reconocer números manuscritos. Asimismo, se ha evaluado el desempeño del modelo reutilizado.
Machine Learning (ML) techniques have made significant advances in solving various problems, which has led to wide dissemination in their use and development. Currently there are different models that have achieved a high level of performance, which raises the question of what to do when we face a problem for which a very efficient model already exists. This scenario has, for some time, promoted the research and development of different techniques to reuse these models, instead of undertaking the design, implementation, and training of a new one, with all the effort that this entails. In this work, a classification problem is presented, and the reuse of a convolutional neural network is proposed with the objective of recognizing handwritten numbers. Likewise, the performance of the reused model has been evaluated.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Transferencia de Aprendizaje
Reúso de modelos
Aprendizaje Automático
Reconocimiento de dígitos numéricos
Transfer Learning
model reuse
Machine Learning
handwritten digit recognition
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/167052

id SEDICI_b53553df7600a24593d989cb926b1c68
oai_identifier_str oai:sedici.unlp.edu.ar:10915/167052
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Reúso de un modelo de aprendizaje profundo para reconocimiento de dígitos manuscritosReuse of a Deep Learning model for handwritten digit recognitionPacchiotti, Mauro JoséBallejos, LucianaAle, MarielCiencias InformáticasTransferencia de AprendizajeReúso de modelosAprendizaje AutomáticoReconocimiento de dígitos numéricosTransfer Learningmodel reuseMachine Learninghandwritten digit recognitionLas técnicas de Aprendizaje Automático (AA) han avanzado significativamente en la solución de diversos problemas, lo que ha llevado a una amplia difusión en su uso y desarrollo. Actualmente existen distintos modelos que han alcanzado un alto nivel de desempeño, lo que plantea la duda de qué hacer cuando nos enfrentamos a un problema para el cual ya existe un modelo muy eficiente. Desde hace tiempo esta situación ha impulsado la investigación y el desarrollo de diferentes técnicas para reutilizar estos modelos, en lugar de emprender el diseño, implementación y entrenamiento de uno nuevo, con todo el esfuerzo que ello conlleva. En este trabajo se presenta un problema de clasificación y se propone la reutilización de una red neuronal convolucional con el objetivo de reconocer números manuscritos. Asimismo, se ha evaluado el desempeño del modelo reutilizado.Machine Learning (ML) techniques have made significant advances in solving various problems, which has led to wide dissemination in their use and development. Currently there are different models that have achieved a high level of performance, which raises the question of what to do when we face a problem for which a very efficient model already exists. This scenario has, for some time, promoted the research and development of different techniques to reuse these models, instead of undertaking the design, implementation, and training of a new one, with all the effort that this entails. In this work, a classification problem is presented, and the reuse of a convolutional neural network is proposed with the objective of recognizing handwritten numbers. Likewise, the performance of the reused model has been evaluated.Sociedad Argentina de Informática e Investigación Operativa2024-04-19info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf43-57http://sedici.unlp.edu.ar/handle/10915/167052spainfo:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/EJS/article/view/841info:eu-repo/semantics/altIdentifier/issn/1514-6774info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T11:16:24Zoai:sedici.unlp.edu.ar:10915/167052Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:16:24.325SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Reúso de un modelo de aprendizaje profundo para reconocimiento de dígitos manuscritos
Reuse of a Deep Learning model for handwritten digit recognition
title Reúso de un modelo de aprendizaje profundo para reconocimiento de dígitos manuscritos
spellingShingle Reúso de un modelo de aprendizaje profundo para reconocimiento de dígitos manuscritos
Pacchiotti, Mauro José
Ciencias Informáticas
Transferencia de Aprendizaje
Reúso de modelos
Aprendizaje Automático
Reconocimiento de dígitos numéricos
Transfer Learning
model reuse
Machine Learning
handwritten digit recognition
title_short Reúso de un modelo de aprendizaje profundo para reconocimiento de dígitos manuscritos
title_full Reúso de un modelo de aprendizaje profundo para reconocimiento de dígitos manuscritos
title_fullStr Reúso de un modelo de aprendizaje profundo para reconocimiento de dígitos manuscritos
title_full_unstemmed Reúso de un modelo de aprendizaje profundo para reconocimiento de dígitos manuscritos
title_sort Reúso de un modelo de aprendizaje profundo para reconocimiento de dígitos manuscritos
dc.creator.none.fl_str_mv Pacchiotti, Mauro José
Ballejos, Luciana
Ale, Mariel
author Pacchiotti, Mauro José
author_facet Pacchiotti, Mauro José
Ballejos, Luciana
Ale, Mariel
author_role author
author2 Ballejos, Luciana
Ale, Mariel
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Transferencia de Aprendizaje
Reúso de modelos
Aprendizaje Automático
Reconocimiento de dígitos numéricos
Transfer Learning
model reuse
Machine Learning
handwritten digit recognition
topic Ciencias Informáticas
Transferencia de Aprendizaje
Reúso de modelos
Aprendizaje Automático
Reconocimiento de dígitos numéricos
Transfer Learning
model reuse
Machine Learning
handwritten digit recognition
dc.description.none.fl_txt_mv Las técnicas de Aprendizaje Automático (AA) han avanzado significativamente en la solución de diversos problemas, lo que ha llevado a una amplia difusión en su uso y desarrollo. Actualmente existen distintos modelos que han alcanzado un alto nivel de desempeño, lo que plantea la duda de qué hacer cuando nos enfrentamos a un problema para el cual ya existe un modelo muy eficiente. Desde hace tiempo esta situación ha impulsado la investigación y el desarrollo de diferentes técnicas para reutilizar estos modelos, en lugar de emprender el diseño, implementación y entrenamiento de uno nuevo, con todo el esfuerzo que ello conlleva. En este trabajo se presenta un problema de clasificación y se propone la reutilización de una red neuronal convolucional con el objetivo de reconocer números manuscritos. Asimismo, se ha evaluado el desempeño del modelo reutilizado.
Machine Learning (ML) techniques have made significant advances in solving various problems, which has led to wide dissemination in their use and development. Currently there are different models that have achieved a high level of performance, which raises the question of what to do when we face a problem for which a very efficient model already exists. This scenario has, for some time, promoted the research and development of different techniques to reuse these models, instead of undertaking the design, implementation, and training of a new one, with all the effort that this entails. In this work, a classification problem is presented, and the reuse of a convolutional neural network is proposed with the objective of recognizing handwritten numbers. Likewise, the performance of the reused model has been evaluated.
Sociedad Argentina de Informática e Investigación Operativa
description Las técnicas de Aprendizaje Automático (AA) han avanzado significativamente en la solución de diversos problemas, lo que ha llevado a una amplia difusión en su uso y desarrollo. Actualmente existen distintos modelos que han alcanzado un alto nivel de desempeño, lo que plantea la duda de qué hacer cuando nos enfrentamos a un problema para el cual ya existe un modelo muy eficiente. Desde hace tiempo esta situación ha impulsado la investigación y el desarrollo de diferentes técnicas para reutilizar estos modelos, en lugar de emprender el diseño, implementación y entrenamiento de uno nuevo, con todo el esfuerzo que ello conlleva. En este trabajo se presenta un problema de clasificación y se propone la reutilización de una red neuronal convolucional con el objetivo de reconocer números manuscritos. Asimismo, se ha evaluado el desempeño del modelo reutilizado.
publishDate 2024
dc.date.none.fl_str_mv 2024-04-19
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Articulo
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/167052
url http://sedici.unlp.edu.ar/handle/10915/167052
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/EJS/article/view/841
info:eu-repo/semantics/altIdentifier/issn/1514-6774
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
43-57
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_ 1842260668040871936
score 13.13397