Defensa de seminario de Agustina Dinamarca

28 de junio de 2018, 15:47.

Defensa de seminario de Agustina Dinamarca

Ampliar imagen


El viernes 29 de junio a las 10:00 hs. se realizará la defensa del seminario de investigación de Agustina Dinamarca: Aprendizaje y análisis de redes neuronales artificiales profundas, en el Auditorio de la Facultad. 

Director: Dr. David Monge Co-director: Dr. Pablo Kaluza Mesa Examinadora: Dr. David Monge, Dr. Enrique Miranda. Dr. Carlos Catania Lugar: Auditorio de la FCEN Fecha y hora: Viernes 29 de junio 10 hs.  

Aprendizaje y análisis de redes neuronales artificiales profundas

Las redes neuronales profundas (RNPs) son modelos computacionales de aprendizaje autónomo inspirados en el funcionamiento del sistema nervioso de los seres vivos. Actualmente, las RNPs han logrado un desempeño muy notable en tareas de Inteligencia Artificial. Ejemplo de ello son las diversas aplicaciones en visión computacional, reconocimiento del habla, reconocimiento de señales auditivas/música, entre otras. Sin embargo, es bien sabido que el entrenamiento de estos modelos viene acompañado de un alto costo y complejidad computacional. Por otro lado, se diseñan redes con gran variedad de formas y tamaños dependiendo de su aplicación. Por lo tanto, muchos modelos de RNPs han sido desarrollados, e incluso mejorados, para lograr cada vez mayor eficacia y eficiencia en las tareas para las cuales fueron diseñados. En particular, este estudio se centra en dos tipos de redes muy populares en el área de Visión Computacional: las redes densas (RDs) y las redes convolucionales (RCs).

Nos interesa estudiar el desempeño de las RCs en comparación con las RDs en cuanto a su efectividad, es decir, cómo es su desempeño en la resolución tareas de reconocimiento de patrones. Por otro lado, nos interesa estudiar su eficiencia, es decir, que demanda computacional conlleva cada tipo de modelo en cuanto al proceso de aprendizaje. Finalmente queremos analizar las características de los patrones aprendidos por medio de las convoluciones.