Reconocimiento y Clasificación de Fibras Optimizando una Red Neuronal Basada en el Modelo Neocortical

Autores/as

  • Marcelo Arcidiácono, Doctorando/a Universidad Tecnológica Nacional – Facultad Regional Córdoba - Argentina
  • Eduardo Destefanis Director

DOI:

https://doi.org/10.33414/ajea.4.406.2019

Palabras clave:

fibra, redes neuronales

Resumen

En el contexto de la sustentabilidad productiva de fibras textiles, la oportunidad de contar con un método accesible y económico para reconocer y clasificar tipos específicos y obtener así una medida de calidad confiable por parte de productores rurales, es de vital importancia. En el presente trabajo se optimiza un método de reconocimiento y clasificación de objetos basado en una Memoria Temporal Jerárquica para lograr dicho objetivo. La Memoria Temporal Jerárquica, inspirada en la teoría de la memoria predicción del cerebro humano, consiste e n una estructura de árbol de nodos computacionalmente conectados los cuales utilizan un conjunto particular de reglas para memorizar objetos que aparecen en diferentes orientaciones [Hawkins & Ahmad]. En concordancia con este modelo, se aplican algoritmos basados en los mecanismos de visión humana para preprocesar las imágenes de entrada. Así, las imágenes de entrada son sometidas a un proceso basado en un modelo matemático para resaltar las características visuales más relevantes (tal como lo hace el cerebro humano). En comparación con el método original de la Memoria Temporal Jerárquica, los resultados experimentales obtenidos exhiben una mejora en el rendimiento y precisión, logrando además un entrenamiento más rápido que conserva la robustez original.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2019-11-01

Cómo citar

Arcidiácono, M., & Destefanis, E. (2019). Reconocimiento y Clasificación de Fibras Optimizando una Red Neuronal Basada en el Modelo Neocortical. AJEA, (4). https://doi.org/10.33414/ajea.4.406.2019