Show simple item record

dc.creatorRodríguez Villar, Izaskunes_ES
dc.date.accessioned2020-11-17T14:01:51Z
dc.date.available2020-11-17T14:01:51Z
dc.date.issued2020
dc.identifier.urihttps://hdl.handle.net/2454/38664
dc.description.abstractLas 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.format.mimetypeapplication/pdfen
dc.language.isospaen
dc.subjectDeep Learninges_ES
dc.subjectRedes neuronales convolucionaleses_ES
dc.subjectFiltros convolucionaleses_ES
dc.subjectCapa de poolinges_ES
dc.titleEstudio del impacto del tamaño de ventanas en Deep Learninges_ES
dc.typeTrabajo Fin de Grado/Gradu Amaierako Lanaes
dc.typeinfo:eu-repo/semantics/bachelorThesisen
dc.date.updated2020-11-16T09:00:02Z
dc.contributor.affiliationEscuela Técnica Superior de Ingeniería Industrial, Informática y de Telecomunicaciónes_ES
dc.contributor.affiliationIndustria, Informatika eta Telekomunikazio Ingeniaritzako Goi Mailako Eskola Teknikoaeu
dc.description.degreeGraduado o Graduada en Ingeniería Informática por la Universidad Pública de Navarraes_ES
dc.description.degreeInformatika Ingeniaritzako Graduatua Nafarroako Unibertsitate Publikoaneu
dc.rights.accessRightsAcceso abierto / Sarbide irekiaes
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessen
dc.contributor.advisorTFEFernández Fernández, Francisco Javieres_ES
dc.contributor.advisorTFEFumanal Idocin, Javieres_ES


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record


El Repositorio ha recibido la ayuda de la Fundación Española para la Ciencia y la Tecnología para la realización de actividades en el ámbito del fomento de la investigación científica de excelencia, en la Línea 2. Repositorios institucionales (convocatoria 2020-2021).
Logo MinisterioLogo Fecyt