Publication: Estudio del impacto del tamaño de ventanas en Deep Learning
dc.contributor.advisorTFE | Fernández Fernández, Francisco Javier | es_ES |
dc.contributor.advisorTFE | Fumanal Idocin, Javier | es_ES |
dc.contributor.affiliation | Escuela Técnica Superior de Ingeniería Industrial, Informática y de Telecomunicación | es_ES |
dc.contributor.affiliation | Industria, Informatika eta Telekomunikazio Ingeniaritzako Goi Mailako Eskola Teknikoa | eu |
dc.contributor.author | Rodríguez Villar, Izaskun | |
dc.date.accessioned | 2020-11-17T14:01:51Z | |
dc.date.available | 2020-11-17T14:01:51Z | |
dc.date.issued | 2020 | |
dc.date.updated | 2020-11-16T09:00:02Z | |
dc.description.abstract | Las redes neuronales convolucionales (Convolutional Neuronal Networks or CNN) son hoy en día la técnica más popular para realizar el tratamiento de imagen. Estas redes están formadas principalmente por dos capas: filtros convolucionales y reducción de imagen (pooling). En este trabajo vamos a evaluar el impacto en el rendimiento de una red de distintos parámetros inherentes a la construcción de la misma: el tamaño de la ventana de convolución, el tamaño de la ventana de pooling, el uso de distintas funciones para la reducción de imagen (la más habituales son el máximo y la media), etc. Con el objetivo de calcular que configuraciones son mejores y si existe una diferencia significativa entre ellas. Una vez se tengan las diferentes configuraciones, se calcularán los resultados de acierto para cada una de ellas y se comprobará si hay diferencia estadística entre ellas. | es_ES |
dc.description.degree | Graduado o Graduada en Ingeniería Informática por la Universidad Pública de Navarra | es_ES |
dc.description.degree | Informatika Ingeniaritzako Graduatua Nafarroako Unibertsitate Publikoan | eu |
dc.format.mimetype | application/pdf | en |
dc.identifier.uri | https://academica-e.unavarra.es/handle/2454/38664 | |
dc.language.iso | spa | en |
dc.rights.accessRights | Acceso abierto / Sarbide irekia | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | en |
dc.subject | Deep Learning | es_ES |
dc.subject | Redes neuronales convolucionales | es_ES |
dc.subject | Filtros convolucionales | es_ES |
dc.subject | Capa de pooling | es_ES |
dc.title | Estudio del impacto del tamaño de ventanas en Deep Learning | es_ES |
dc.type | Trabajo Fin de Grado/Gradu Amaierako Lana | es |
dc.type | info:eu-repo/semantics/bachelorThesis | en |
dspace.entity.type | Publication | |
relation.isAuthorOfPublication | 76337b27-c9da-44e8-9be9-afa80512b624 | |
relation.isAuthorOfPublication.latestForDiscovery | 76337b27-c9da-44e8-9be9-afa80512b624 |