Desarrollo de una biblioteca para sistemas basados en aprendizaje profundo mediante GP-GPU aplicación al reconocimiento de emociones.
En la última década se han realizado grandes avances relacionados al aprendizaje automático; con el surgimiento de nuevos algoritmos y dispositivos de hardware ha sido posible experimentar con novedosas tecnologías de la inteligencia artificial. Las redes profundas siempre han sido difíciles de entr...
Guardado en:
| Autor Principal: | |
|---|---|
| Formato: | Tesis Libro |
| Lenguaje: | Español |
| Materias: |
| Sumario: | En la última década se han realizado grandes avances relacionados al aprendizaje automático; con el surgimiento de nuevos algoritmos y dispositivos de hardware ha sido posible experimentar con novedosas tecnologías de la inteligencia artificial. Las redes profundas siempre han sido difíciles de entrenar, opacadas por los costos en cómputo requerido y por la falta de algoritmos adecuados permanecieron ocultas por décadas. Gracias a tecnologías de cálculo paralelo y cómputo masivo, tales como las GP-GPU, este tipo de redes artificiales resurgieron desempeñando el papel de una poderosa herramienta para tareas de clasificación y modelos generativos. En este proyecto se implementó una biblioteca que tiene como objetivo crear, entrenar y ajustar redes de creencia profundas, aprovechando el poder brindado por las GP-GPUs para reducir los tiempos y costos de cómputo necesarios. En el proceso se cubrieron los pasos para el diseño, implementación y despliegue de dicha biblioteca. También se realizaron experimentos con el software generado en la base de datos estándar para el Aprendizaje Automático, reconocimiento de dígitos manuscritos MNIST y en un caso de aplicación real en la tarea de reconocimiento de emociones con la base de datos emoción RML. |
|---|---|
| Descripción Física: | 119 p. il. 30 cm. |