Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.utm.mx:8080/jspui/handle/123456789/478
Título : | Metaheurísticas para búsqueda de hiperparámetros de una red neuronal profunda aplicada a clasificación de covid-19 |
Autor : | RAÚL CRUZ BARBOSA;342911 ARTURO TÉLLEZ VELÁZQUEZ;177179 NÉSTOR URIEL HERNÁNDEZ CORTEZ; 1151725 Cruz Barbosa, Raúl Hernández Cortez, Néstor U. |
Palabras clave : | Metaheurísticas; Red neuronal profunda; Búsqueda de hiperparámetros; Clasificación COVID-19 |
Fecha de publicación : | may-2014 |
Editorial : | Universidad Tecnológica de la Mixteca |
Citación : | Hernández Néstor U. (2024). Metaheurísticas para búsqueda de hiperparámetros de una red neuronal profunda aplicada a clasificación de covid-19. (Tesis para obtener el grado de Maestro en Tecnologías de Cómputo Aplicado). Universidad Tecnológica de la Mixteca, Huajuapan de León, Oaxaca, México. |
Resumen : | En el presente trabajo de tesis se realizan dos implementaciones de clasificación de COVID-19 basados en redes neuronales profundas utilizando imágenes de rayos X de tórax. En el primero de éstos, se utiliza de forma predeterminada la arquitectura Resnext50_32x4d para realizar únicamente la optimización de hiperparámetros de entrenamiento. La segunda implementación, realiza la optimización de hiperparámetros de estructura, generando diferentes estructuras CNN a partir de tres enfoques propuestos: modelo convolucional básico, modelo MFL y modelo residual. Para ambos casos, la optimización de los hiperparámetros se realiza mediante el uso de metaheurísticas, experimentando con la evolución diferencial, el algoritmo genético y lobos grises. Los resultados experimentales ob- tenidos muestran que, en ambas implementaciones se presenta una mejora en el rendimiento de clasificación en comparación con los modelos sin optimizar. |
URI : | http://repositorio.utm.mx:8080/jspui/handle/123456789/478 |
Aparece en las colecciones: | Maestría |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
2024-MTCA-NUHC.pdf | 2.64 MB | Adobe PDF | Visualizar |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons