Metaheurísticas para búsqueda de hiperparámetros de una red neuronal profunda aplicada a clasificación de covid-19

Abstract

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.