Métricas de invarianza transformacional para redes neuronales convolucionales

Mostrar todas las versiones(2)

Las Redes Neuronales son los modelos de aprendizaje automático con mejor desempeño en la actualidad en una gran variedad de problemas. En particular, las Redes Convolucionales, es decir, Redes Neuronales que utilizan capas convolucionales, son el estado del arte en la mayoría de los problemas de vis...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Quiroga, Facundo Manuel, Lanzarini, Laura Cristina
Formato: Articulo Comunicacion
Lenguaje:Español
Publicado: 2021
Materias:
Informática
Redes Neuronales
Invarianza
Equivarianza
Métrica
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/117793
https://revistas.unlp.edu.ar/InvJov/article/view/11780
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-117793
record_format dspace
spelling I19-R120-10915-1177932023-04-28T13:24:20Z http://sedici.unlp.edu.ar/handle/10915/117793 https://revistas.unlp.edu.ar/InvJov/article/view/11780 issn:2314-3991 Métricas de invarianza transformacional para redes neuronales convolucionales Transformational Invariance for Neural Networks Quiroga, Facundo Manuel Lanzarini, Laura Cristina 2021 2021-04-26T13:42:14Z es Informática Redes Neuronales Invarianza Equivarianza Métrica Las Redes Neuronales son los modelos de aprendizaje automático con mejor desempeño en la actualidad en una gran variedad de problemas. En particular, las Redes Convolucionales, es decir, Redes Neuronales que utilizan capas convolucionales, son el estado del arte en la mayoría de los problemas de visión por computadora. Muchos de los problemas para los cuales las Redes Convolucionales son el estado del arte requieren que los modelos se comporten de cierta manera ante transformaciones de su entrada. Existen dos propiedades fundamentales que capturan dicho requerimiento; la invarianza y la equivarianza. La invarianza nos dice que la salida del modelo no es afectado por las transformaciones. La equivarianza permite que la salida sea afectada, pero deuna manera controlada y útil. Si bien los modelos tradicionales de Redes Convolucionales son equivariantes a la traslación por diseño, no son ni invariantes a dicha transformación ni equivariantes a otras en los escenarios usuales de entrenamiento y uso. Existen dos opciones principales para otorgar invarianza o equivarianza a un modelo de red neuronal. La tradicional ha sido modificar el modelo para dotarlo de esas propiedades. La otra opción es entrenarlo con aumentación de datos utilizando como transformaciones el mismo conjunto al que se desea la equivarianza. Universidad Nacional de La Plata Articulo Comunicacion http://creativecommons.org/licenses/by/4.0/ Creative Commons Attribution 4.0 International (CC BY 4.0) application/pdf 558-559
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Informática
Redes Neuronales
Invarianza
Equivarianza
Métrica
spellingShingle Informática
Redes Neuronales
Invarianza
Equivarianza
Métrica
Quiroga, Facundo Manuel
Lanzarini, Laura Cristina
Métricas de invarianza transformacional para redes neuronales convolucionales
topic_facet Informática
Redes Neuronales
Invarianza
Equivarianza
Métrica
description Las Redes Neuronales son los modelos de aprendizaje automático con mejor desempeño en la actualidad en una gran variedad de problemas. En particular, las Redes Convolucionales, es decir, Redes Neuronales que utilizan capas convolucionales, son el estado del arte en la mayoría de los problemas de visión por computadora. Muchos de los problemas para los cuales las Redes Convolucionales son el estado del arte requieren que los modelos se comporten de cierta manera ante transformaciones de su entrada. Existen dos propiedades fundamentales que capturan dicho requerimiento; la invarianza y la equivarianza. La invarianza nos dice que la salida del modelo no es afectado por las transformaciones. La equivarianza permite que la salida sea afectada, pero deuna manera controlada y útil. Si bien los modelos tradicionales de Redes Convolucionales son equivariantes a la traslación por diseño, no son ni invariantes a dicha transformación ni equivariantes a otras en los escenarios usuales de entrenamiento y uso. Existen dos opciones principales para otorgar invarianza o equivarianza a un modelo de red neuronal. La tradicional ha sido modificar el modelo para dotarlo de esas propiedades. La otra opción es entrenarlo con aumentación de datos utilizando como transformaciones el mismo conjunto al que se desea la equivarianza.
format Articulo
Comunicacion
author Quiroga, Facundo Manuel
Lanzarini, Laura Cristina
author_facet Quiroga, Facundo Manuel
Lanzarini, Laura Cristina
author_sort Quiroga, Facundo Manuel
title Métricas de invarianza transformacional para redes neuronales convolucionales
title_short Métricas de invarianza transformacional para redes neuronales convolucionales
title_full Métricas de invarianza transformacional para redes neuronales convolucionales
title_fullStr Métricas de invarianza transformacional para redes neuronales convolucionales
title_full_unstemmed Métricas de invarianza transformacional para redes neuronales convolucionales
title_sort métricas de invarianza transformacional para redes neuronales convolucionales
publishDate 2021
url http://sedici.unlp.edu.ar/handle/10915/117793
https://revistas.unlp.edu.ar/InvJov/article/view/11780
work_keys_str_mv AT quirogafacundomanuel metricasdeinvarianzatransformacionalpararedesneuronalesconvolucionales
AT lanzarinilauracristina metricasdeinvarianzatransformacionalpararedesneuronalesconvolucionales
AT quirogafacundomanuel transformationalinvarianceforneuralnetworks
AT lanzarinilauracristina transformationalinvarianceforneuralnetworks
_version_ 1765659802669678592

Ejemplares similares