Sistema de Bibliotecas

Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la Amazonía Peruana / Danitza Yvette Bermejo Escobar / Puno : Universidad Nacional del Altiplano. Escuela de Post Grado. Maestría en Ingeniería de Sistemas (2021)  

Público ISBD Vista personalizada Título : Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la Amazonía Peruana Tipo de documento: documento electrónico Autores: Danitza Yvette Bermejo Escobar, Autor Editorial: Puno : Universidad Nacional del Altiplano. Escuela de Post Grado. Maestría en Ingeniería de Sistemas Fecha de publicación: 2021 Número de páginas: 133 páginas Il.: ilustraciones, diagramas, tablas Nota general: Para Optar Grado Académico de Maestro en Ingeniería de Sistemas Idioma : Español (spa) Resumen: Actualmente, el uso de técnicas de aprendizaje profundo en la clasificación de especies se ha convertido en un área atractivo de investigación. Asimismo, la clasificación de especies forestales maderables en el Perú fue determinada como un problema crítico-prioritario por las autoridades forestales, debido al impacto negativo que lleva una incorrecta clasificación sobre los intereses nacionales. La presente investigación se centró en la comparación de los modelos de aprendizaje por transferencia: AlexNet, VGG-19, Inception V3 y ResNet-101, redes neuronales convolucionales pre-entrenadas para la clasificación de especies. Para ello, se presentó el conjunto de datos denominado Peruvian Amazon Forestry Dataset, conformado por 59,441 imágenes pertenecientes a 10 especies forestales maderables de la Amazonia peruana en peligro de extinción y con importancia económica. Para los experimentos se usaron dos tipos de datos de entrada (imágenes segmentadas e imágenes no segmentadas). Los modelos fueron evaluados cuantitativa (exactitud, precisión, exhaustividad y valor-F1) y cualitativamente (interpretabilidad visual). Los resultados presentan valores significativos para la red VGG-19 al utilizar entradas no segmentadas, alcanzando un 97.61% de exactitud en el entrenamiento, 98.87% en la validación, y una exactitud del 97.02% en el test. Además, gracias a la interpretabilidad, se observó que VGG-19 clasifica a partir de la forma y la vena de la hoja. Por último, es posible concluir que el modelo VGG-19 es una herramienta útil para que especialistas y materos para clasificar especies forestales maderables en tiempo real. En línea: http://repositorio.unap.edu.pe/handle/UNAP/18344 Link: https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=112370 Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la Amazonía Peruana [documento electrónico] / Danitza Yvette Bermejo Escobar, Autor . - Puno : Universidad Nacional del Altiplano. Escuela de Post Grado. Maestría en Ingeniería de Sistemas, 2021 . - 133 páginas : ilustraciones, diagramas, tablas. Para Optar Grado Académico de Maestro en Ingeniería de Sistemas Idioma : Español (spa) Resumen: Actualmente, el uso de técnicas de aprendizaje profundo en la clasificación de especies se ha convertido en un área atractivo de investigación. Asimismo, la clasificación de especies forestales maderables en el Perú fue determinada como un problema crítico-prioritario por las autoridades forestales, debido al impacto negativo que lleva una incorrecta clasificación sobre los intereses nacionales. La presente investigación se centró en la comparación de los modelos de aprendizaje por transferencia: AlexNet, VGG-19, Inception V3 y ResNet-101, redes neuronales convolucionales pre-entrenadas para la clasificación de especies. Para ello, se presentó el conjunto de datos denominado Peruvian Amazon Forestry Dataset, conformado por 59,441 imágenes pertenecientes a 10 especies forestales maderables de la Amazonia peruana en peligro de extinción y con importancia económica. Para los experimentos se usaron dos tipos de datos de entrada (imágenes segmentadas e imágenes no segmentadas). Los modelos fueron evaluados cuantitativa (exactitud, precisión, exhaustividad y valor-F1) y cualitativamente (interpretabilidad visual). Los resultados presentan valores significativos para la red VGG-19 al utilizar entradas no segmentadas, alcanzando un 97.61% de exactitud en el entrenamiento, 98.87% en la validación, y una exactitud del 97.02% en el test. Además, gracias a la interpretabilidad, se observó que VGG-19 clasifica a partir de la forma y la vena de la hoja. Por último, es posible concluir que el modelo VGG-19 es una herramienta útil para que especialistas y materos para clasificar especies forestales maderables en tiempo real. En línea: http://repositorio.unap.edu.pe/handle/UNAP/18344 Link: https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=112370 Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la Amazonía Peruana Actualmente, el uso de técnicas de aprendizaje profundo en la clasificación de especies se ha convertido en un área atractivo de investigación. Asimismo, la clasificación de especies forestales maderables en el Perú fue determinada como un problema crítico-prioritario por las autoridades forestales, debido al impacto negativo que lleva una incorrecta clasificación sobre los intereses nacionales. La presente investigación se centró en la comparación de los modelos de aprendizaje por transferencia: AlexNet, VGG-19, Inception V3 y ResNet-101, redes neuronales convolucionales pre-entrenadas para la clasificación de especies. Para ello, se presentó el conjunto de datos denominado Peruvian Amazon Forestry Dataset, conformado por 59,441 imágenes pertenecientes a 10 especies forestales maderables de la Amazonia peruana en peligro de extinción y con importancia económica. Para los experimentos se usaron dos tipos de datos de entrada (imágenes segmentadas e imágenes no segmentadas). Los modelos fueron evaluados cuantitativa (exactitud, precisión, exhaustividad y valor-F1) y cualitativamente (interpretabilidad visual). Los resultados presentan valores significativos para la red VGG-19 al utilizar entradas no segmentadas, alcanzando un 97.61% de exactitud en el entrenamiento, 98.87% en la validación, y una exactitud del 97.02% en el test. Además, gracias a la interpretabilidad, se observó que VGG-19 clasifica a partir de la forma y la vena de la hoja. Por último, es posible concluir que el modelo VGG-19 es una herramienta útil para que especialistas y materos para clasificar especies forestales maderables en tiempo real. Bermejo Escobar, Danitza Yvette - Puno : Universidad Nacional del Altiplano. Escuela de Post Grado. Maestría en Ingeniería de Sistemas - 2021 Para Optar Grado Académico de Maestro en Ingeniería de Sistemas

Reserva

Reservar este documento

Ejemplares (1)

Código de barras	Signatura	Tipo de medio	Ubicación	Sección	Estado
Documento Electrónico EPG0034	EPG0034	Tesis de Maestría	Biblioteca Central	Tesis (Virtual)	Disponible

Modelo basado en aprendizaje profundo para el análisis de sentimiento de tuits en español / Danitza Yvette Bermejo Escobar / Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Mecánica Eléctrica, Electrónica y Sistemas. Escuela Profesional de Ingeniería de Sistemas (2019)  

Público ISBD Vista personalizada Título : Modelo basado en aprendizaje profundo para el análisis de sentimiento de tuits en español Tipo de documento: texto impreso Autores: Danitza Yvette Bermejo Escobar, Autor ; Gerson Waldyr Vizcarra Aguilar, Autor Editorial: Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Mecánica Eléctrica, Electrónica y Sistemas. Escuela Profesional de Ingeniería de Sistemas Fecha de publicación: 2019 Número de páginas: 96 páginas Il.: ilustraciones, tablas Dimensiones: 30 cm Material de acompañamiento: 1 CD-ROM Nota general: Para optar Título Profesional de Ingeniero de Sistemas Idioma : Español (spa) Resumen: El análisis de sentimiento es una tarea de investigación en el campo del Procesamiento del Lenguaje Natural cuyo objetivo principal es determinar la polaridad de sentimiento de un texto. El análisis de sentimiento ha obtenido buenos resultados en el idioma inglés. Sin embargo, las métricas en español aún son bajas. La presente tesis propone tres modelos basados en aprendizaje profundo para abordar la tarea de análisis de sentimiento de tuits en español. El objetivo es mejorar los resultados obtenidos por métodos anteriores. Para ello, se ha realizado el preprocesamiento de los datos y la generación de representaciones de palabras que serán las entradas de los modelos. Seguidamente, se implementaron las redes neuronales recurrente, convolucional y un híbrido de ambos. Para evaluar los modelos propuestos, se utilizó el corpus InterTASS con cuatro clases. La métrica principal que se consideró es la exactitud. Los resultados muestran que los modelos propuestos son competitivos frente a previos métodos de referencia. En línea: http://repositorio.unap.edu.pe/handle/UNAP/12719 Link: https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=110990 Modelo basado en aprendizaje profundo para el análisis de sentimiento de tuits en español [texto impreso] / Danitza Yvette Bermejo Escobar, Autor ; Gerson Waldyr Vizcarra Aguilar, Autor . - Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Mecánica Eléctrica, Electrónica y Sistemas. Escuela Profesional de Ingeniería de Sistemas, 2019 . - 96 páginas : ilustraciones, tablas ; 30 cm + 1 CD-ROM. Para optar Título Profesional de Ingeniero de Sistemas Idioma : Español (spa) Resumen: El análisis de sentimiento es una tarea de investigación en el campo del Procesamiento del Lenguaje Natural cuyo objetivo principal es determinar la polaridad de sentimiento de un texto. El análisis de sentimiento ha obtenido buenos resultados en el idioma inglés. Sin embargo, las métricas en español aún son bajas. La presente tesis propone tres modelos basados en aprendizaje profundo para abordar la tarea de análisis de sentimiento de tuits en español. El objetivo es mejorar los resultados obtenidos por métodos anteriores. Para ello, se ha realizado el preprocesamiento de los datos y la generación de representaciones de palabras que serán las entradas de los modelos. Seguidamente, se implementaron las redes neuronales recurrente, convolucional y un híbrido de ambos. Para evaluar los modelos propuestos, se utilizó el corpus InterTASS con cuatro clases. La métrica principal que se consideró es la exactitud. Los resultados muestran que los modelos propuestos son competitivos frente a previos métodos de referencia. En línea: http://repositorio.unap.edu.pe/handle/UNAP/12719 Link: https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=110990 Modelo basado en aprendizaje profundo para el análisis de sentimiento de tuits en español El análisis de sentimiento es una tarea de investigación en el campo del Procesamiento del Lenguaje Natural cuyo objetivo principal es determinar la polaridad de sentimiento de un texto. El análisis de sentimiento ha obtenido buenos resultados en el idioma inglés. Sin embargo, las métricas en español aún son bajas. La presente tesis propone tres modelos basados en aprendizaje profundo para abordar la tarea de análisis de sentimiento de tuits en español. El objetivo es mejorar los resultados obtenidos por métodos anteriores. Para ello, se ha realizado el preprocesamiento de los datos y la generación de representaciones de palabras que serán las entradas de los modelos. Seguidamente, se implementaron las redes neuronales recurrente, convolucional y un híbrido de ambos. Para evaluar los modelos propuestos, se utilizó el corpus InterTASS con cuatro clases. La métrica principal que se consideró es la exactitud. Los resultados muestran que los modelos propuestos son competitivos frente a previos métodos de referencia. Bermejo Escobar, Danitza YvetteVizcarra Aguilar, Gerson Waldyr - - Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Mecánica Eléctrica, Electrónica y Sistemas. Escuela Profesional de Ingeniería de Sistemas - 2019 Para optar Título Profesional de Ingeniero de Sistemas

Reserva

Reservar este documento

Ejemplares (1)

Código de barras	Signatura	Tipo de medio	Ubicación	Sección	Estado
T26035-32538-01	T26035	Tesis Profesional	Biblioteca Central	Area Tesis (sótano)	Consulta en sala Disponible

---

1 (1 - 2 / 2)