REDES NEURONALES ARTIFICIALES CONVOLUCIONALES
Son redes útiles para el procesamiento de imágenes, esto gracias a que son diseñadas especialmente para procesar datos estructurados en dos dimensiones y estas se pueden procesar datos en arreglos multidimensionales; sus operaciones están basadas en procesos de convolucion, es decir, procesar una imagen empleando una mascara.
Respecto a la red neuronal artificial, presenta una serie de ventajas, la principal radica en que requiere de menos parámetros para entrenar la red multicapa y no presenta conexión entre todas las capas que conforman la red, es decir, no todas las salidas son entradas de la siguiente capa.
Estas redes trabajan modelando o procesando de manera consecutiva una serie de pequeñas piezas de información y posteriormente combinando cada parte de estas en los procesos correspondientes a cada capa de la red. Por lo tanto, estas redes son capaces de procesar elementos bastantes complejos, ofreciendo soluciones de precisión en cada uno de los procesos requeridos.
Estas redes presentan diferentes tipos de capas en su estructura, estas son:
Por otro lado estas redes presentan tres métodos de entrenamiento, los cuales se exponen a continuación:
- Capas Convolucionales
- Capas de agrupacion
- Capas de normalizacion
- Capas totalmente conectadas
Por otro lado estas redes presentan tres métodos de entrenamiento, los cuales se exponen a continuación:
- Entrenamiento desde cero
- Entrenamiento de sintonia fija
- Entrenamiento por vector destacado
No hay comentarios:
Publicar un comentario