Diseño y evaluación de algoritmo para clasificación de actividades humanas utilizando redes neuronales recurrentes

Las redes neuronales son modelos matemáticos con una capacidad de generalización extraordinaria y misteriosa. Son capaces de resolver tareas complejas como reconocer actividades en un video, clasificar imágenes, o traducir de un lenguaje a otro. Sin embargo, el fundamento de los modelos suele ser empírico y no matemático. Este proyecto se desvía de la tendencia y propone una red neuronal recurrente para reconocer actividades en un video; pero justificada en intuiciones matemáticas. La arquitectura propuesta (denominada D-RNN) logra resultados de clasificación comparables a una LSTM (arquitectura recurrente más común para reconocer actividades), pero con 0.68% de los parámetros. Convirtiendose en una alternativa viable cuando el porcentaje de error puede sacrificarse por un modelo más liviano. Adicionalmente, se desmitifica a las redes neuronales y a TensorFlow. El capítulo dos y los anexos elaboran en los temas respectivamente, y cada uno construye una base teórica para sustentar las ideas que se plantean. En resumen, el capítulo uno da una visión general del problema a resolver, el capítulo dos explica las redes neuronales y las redes neuronales recurrentes, el capítulo tres explica la solución propuesta, y el capítulo cuatro analiza los resultados. En los anexos se explica TensorFlow.

• Autor principal: ESPOL. FIEC (author)
• Otros Autores: García Cedeño, Juan José (author)
• Formato: bachelorThesis
• Lenguaje: spa
• Publicado: 2018
• Materias: MODELOS MATEMATICOS; REDES NEURONALES; GRADIENTE; SISTEMAS DE RECONOCIMIENTO DE PATRONES
• Acceso en línea: http://www.dspace.espol.edu.ec/xmlui/handle/123456789/44832