Saltar navegación e ir al contenido principal

Estás filtrando por

Haz seleccionado nuevos filtros para tu búsqueda. Para aplicarlos, haz clic en “Aplicar filtros”.

Se encontraron 54688 resultados en recursos de contenido

Exclusivo BibloRed

Imagen de apoyo de Combining Cryptography with EEG Biometrics

Por: Hindawi | Fecha: 01/01/2018

Los marcos criptográficos dependen del intercambio de claves para garantizar la seguridad de los datos. Mientras que las claves en los marcos criptográficos deben ser correctamente reproducibles y no estar inequívocamente conectadas a la identidad de un usuario, en los marcos biométricos esto es diferente. La unión de las técnicas criptográficas con la biometría puede resolver estos problemas. Presentamos un método de autenticación biométrica basado en el problema del logaritmo discreto y los códigos Bose-Chaudhuri-Hocquenghem (BCH), realizamos su análisis de seguridad y demostramos sus características de seguridad. Evaluamos un criptosistema biométrico utilizando nuestro propio conjunto de datos de electroencefalografía (EEG) recogidos de 42 sujetos. Los resultados experimentales muestran que el sistema de autenticación biométrica de usuarios descrito es eficaz, alcanzando una tasa de error igual (ERR) de 0,024.

Fuente: Revista Virtual Pro Tipo de contenido: Otros

Exclusivo BibloRed

Imagen de apoyo de Exploring the Impact of Early Decisions in Variable Ordering for Constraint Satisfaction Problems

Por: Hindawi | Fecha: 01/01/2018

Cuando se resuelven problemas de satisfacción de restricciones (CSP), es una práctica común confiar en la heurística para decidir qué variable debe ser instanciada en cada etapa de la búsqueda. Pero este ordenamiento influye en el coste de la búsqueda. Aun así, y hasta donde sabemos, ningún trabajo anterior se ha ocupado de cómo los primeros ordenamientos de las variables afectan al coste global. En este trabajo, exploramos el coste de encontrar ordenaciones de alta calidad de las variables dentro de los problemas de satisfacción de restricciones. También estudiamos las diferencias entre los ordenamientos producidos por algunas heurísticas comúnmente utilizadas y la forma en que las primeras decisiones erróneas afectan al coste de la búsqueda. Uno de los resultados más importantes de este trabajo confirma la importancia primordial de las primeras decisiones. Otra es la evidencia de que muchas de las heurísticas de ordenación de variables existentes fallan a la hora de seleccionar adecuadamente la primera variable a instanciar. Otra es la evidencia de que muchas de las heurísticas de ordenación de variables existentes no seleccionan adecuadamente la primera variable a instanciar. Proponemos un método sencillo para mejorar las primeras decisiones de las heurísticas. Al utilizarlo, el rendimiento de la heurística aumenta.

Fuente: Revista Virtual Pro Tipo de contenido: Otros

Exclusivo BibloRed

Imagen de apoyo de An Extreme Learning Machine Based on Artificial Immune System

Por: Hindawi | Fecha: 01/01/2018

El algoritmo de la máquina de aprendizaje extremo propuesto en los últimos años ha sido ampliamente utilizado en muchos campos debido a su rápida velocidad de entrenamiento y su buen rendimiento de generalización. A diferencia de las redes neuronales tradicionales, el algoritmo ELM mejora en gran medida la velocidad de entrenamiento al generar aleatoriamente los parámetros relevantes de la capa de entrada y la capa oculta. Sin embargo, debido a los parámetros generados aleatoriamente, algunos parámetros "malos" generados pueden introducirse y traer un efecto negativo en la capacidad de generalización final. Para superar este inconveniente, este trabajo combina el sistema inmune artificial (AIS) con el ELM, es decir, AIS-ELM. Con la ayuda de la búsqueda global del AIS y su buena convergencia, los parámetros generados aleatoriamente del ELM se optimizan de forma efectiva y eficiente para conseguir un mejor rendimiento de generalización. Para evaluar el rendimiento de AIS-ELM, este trabajo lo compara con algoritmos relevantes en varios conjuntos de datos de referencia. Los resultados experimentales revelan que nuestro algoritmo propuesto siempre puede lograr un rendimiento superior.

Fuente: Revista Virtual Pro Tipo de contenido: Otros

Exclusivo BibloRed

Imagen de apoyo de Extracting Parallel Sentences from Nonparallel Corpora Using Parallel Hierarchical Attention Network

Por: Hindawi | Fecha: 01/01/2020

La recopilación de oraciones paralelas a partir de datos no paralelos es un problema de investigación del procesamiento del lenguaje natural que viene de lejos. En particular, las oraciones paralelas de entrenamiento son muy importantes para la calidad de los sistemas de traducción automática. Aunque muchos de los métodos existentes han mostrado resultados alentadores, no pueden aprender varios pesos de alineación en las oraciones paralelas. Para abordar este problema, proponemos una novedosa red neuronal de atención jerárquica paralela que codifica las oraciones monolingües frente a las bilingües y construye un clasificador para extraer las oraciones paralelas. En particular, nuestra estructura del mecanismo de atención puede aprender diferentes pesos de alineación de las palabras en las oraciones paralelas. Los resultados experimentales muestran que nuestro modelo puede obtener un rendimiento de vanguardia en el conjunto de datos inglés-francés, inglés-alemán e inglés-chino de la tarea compartida BUCC 2017 sobre la extracción de oraciones paralelas.

Fuente: Revista Virtual Pro Tipo de contenido: Otros

Exclusivo BibloRed

Imagen de apoyo de Inherent Importance of Early Visual Features in Attraction of Human Attention

Por: Hindawi | Fecha: 01/01/2020

Los contrastes locales atraen la atención del ser humano hacia distintas zonas de una imagen. Los estudios han demostrado que la orientación, el color y la intensidad son algunas características visuales básicas cuyos contrastes atraen nuestra atención. Dado que estas características se encuentran en diferentes modalidades, su contribución en la atracción de la atención humana no es fácilmente comparable. En este estudio, investigamos la importancia de estas tres características en la atracción de la atención humana en imágenes sintéticas y naturales. Eligiendo un 100% de contraste detectable en cada modalidad, estudiamos la competencia entre las diferentes características. Los resultados psicofísicos mostraron que, aunque los rasgos individuales pueden detectarse fácilmente en todos los ensayos, cuando los rasgos se presentan simultáneamente en un estímulo, la orientación siempre atrae la atención del sujeto. Además, los resultados computacionales mostraron que el mapa de características de orientación es más informativo sobre el patrón de sacadas humanas en imágenes naturales. Por último, utilizando algoritmos de optimización, cuantificamos el impacto de cada mapa de características en la construcción del mapa de saliencia final.

Fuente: Revista Virtual Pro Tipo de contenido: Otros

Exclusivo BibloRed

Imagen de apoyo de TGV Upsampling, A Making-Up Operation for Semantic Segmentation

Por: Hindawi | Fecha: 01/01/2019

Con el uso generalizado de los métodos de aprendizaje profundo, la segmentación semántica ha logrado grandes mejoras en los últimos años. Sin embargo, muchos investigadores han señalado que con los múltiples usos de las operaciones de convolución y agrupación, se produciría una gran pérdida de información en los procesos de extracción. Para resolver este problema, se han sugerido diversas operaciones o arquitecturas de red para compensar la pérdida de información. Hemos observado una tendencia en muchos estudios a diseñar una red de tipo simétrico, en la que ambas partes representan las etapas de "codificación" y "decodificación". Mediante operaciones de "upsampling" en la etapa de "decodificación", se construyen mapas de características de una forma determinada que compensaría más o menos las pérdidas en las capas anteriores. En este artículo, nos centramos en las operaciones de "upsampling", hacemos un análisis detallado y comparamos los métodos actuales utilizados en varias redes neuronales famosas. También combinamos los conocimientos sobre restauración de imágenes y diseñamos una nueva capa (u operación) de upsampling denominada algoritmo de upsampling TGV. Hemos sustituido con éxito las capas de upsampling de las investigaciones anteriores por nuestro nuevo método. Descubrimos que nuestro modelo puede preservar mejor las texturas y los bordes detallados de los mapas de características y puede, en promedio, lograr una precisión mejorada del 1,4 al 2,3% en comparación con los modelos originales.

Fuente: Revista Virtual Pro Tipo de contenido: Otros

Exclusivo BibloRed

Imagen de apoyo de Spatial Concept Learning, A Spiking Neural Network Implementation in Virtual and Physical Robots

Por: Hindawi | Fecha: 01/01/2019

Este trabajo propone una red neuronal artificial (SNN) que sustenta el proceso cognitivo abstracto de aprendizaje de conceptos espaciales, incorporada a robots virtuales y reales. Basándose en un procedimiento de condicionamiento operante, los robots aprenden la relación de los estímulos visuales horizontal/vertical e izquierda/derecha, independientemente de la composición específica de los patrones o de su ubicación en las imágenes. Se realizaron con éxito pruebas con patrones y ubicaciones novedosas tras la fase de aprendizaje de adquisición. Los resultados muestran que el SNN puede adaptar su comportamiento en tiempo real cuando cambia la regla de recompensa.

Fuente: Revista Virtual Pro Tipo de contenido: Otros

Exclusivo BibloRed

Imagen de apoyo de Green Supplier Selection Using Fuzzy Multiple-Criteria Decision-Making Methods and Artificial Neural Networks

Por: Hindawi | Fecha: 01/01/2020

En los últimos años, la conciencia medioambiental ha aumentado considerablemente, y para disminuir los peligros como la contaminación del aire y del agua, y también el calentamiento global, se debe recurrir a la contratación ecológica. Por lo tanto, en la evaluación de los proveedores, debe tenerse en cuenta su comportamiento medioambiental junto con otros criterios de selección de proveedores. La concienciación sobre la sostenibilidad en la producción y la conservación y protección del medio ambiente es muy importante tanto para el conjunto del entorno como para la propia empresa al aumentar su ventaja competitiva. Y, uno de los pasos para conseguirlo es que las empresas intenten seleccionar proveedores verdes. Así pues, el objetivo de este estudio es concienciar y abordar la necesidad de seleccionar proveedores ecológicos y, utilizando modelos de toma de decisiones con criterios múltiples, elaborar un estudio de caso al respecto. Se realizó una encuesta en una empresa manufacturera. Se analizaron los datos y se aplicaron métodos difusos de MCDM (toma de decisiones multicriterio) y redes neuronales artificiales. Los métodos difusos son el proceso de jerarquía analítica difusa (AHP difuso), el TOPSIS difuso y el ELECTRE difuso. La RNA apoya el resultado de los modelos MCDM difusos desde el punto de vista de los beneficios. La RNA puede realizar la mejor estimación del año en curso basándose en los datos históricos. Los métodos MCDM difusos también encontrarán buenas soluciones utilizando los datos disponibles, pero producirán soluciones diferentes, ya que hay diferentes métodos de toma de decisiones. El objetivo es producir una sinergia de las soluciones obtenidas aquí y producir una solución mejor. En lugar de un único método, sería más preciso producir una solución mejor que la proporcionada por todos ellos. El resultado dominante se ha obtenido utilizando el comité fuzzy MCDM y la RNA para seleccionar el mejor proveedor ecológico.

Fuente: Revista Virtual Pro Tipo de contenido: Otros

Exclusivo BibloRed

Por: Hindawi | Fecha: 01/01/2018

Los datos históricos de las operaciones, que están inevitablemente asociados al marco de causalidad tanto financiera como teóricamente, se utilizaron ampliamente para predecir los valores bursátiles. Con la popularidad de las redes sociales y las herramientas de búsqueda en Internet, se han diversificado las formas de recogida de información. En lugar de limitarse a la causalidad teórica en la previsión, ha aumentado la importancia de las relaciones entre los datos. Así pues, el objetivo de este estudio es investigar los resultados de la previsión de los mercados bursátiles a partir de datos de Google Trends, datos históricos de negociación (HTD) y datos híbridos. Las palabras clave empleadas para Google Trends se recogen de tres maneras diferentes, incluyendo las definiciones de los usuarios (GTU), las búsquedas de tendencias de Google Trends (GTTS) y los tweets (GTT), respectivamente. Los datos híbridos incluyen las tendencias de búsqueda en Internet de Google Trends y los datos históricos de negociación. Además, se utiliza la técnica de selección de características basada en la correlación (CFS) para seleccionar las variables independientes, y se adopta la política de un paso adelante mediante la regresión de vectores de soporte de mínimos cuadrados (LSSVR) para predecir los mercados de valores. Los experimentos numéricos indican que el uso de datos híbridos puede proporcionar resultados de predicción más precisos que el uso de datos históricos únicos de negociación o de datos de Google Trends. Por tanto, el uso de datos híbridos de tendencias de búsqueda en Internet y datos históricos de negociación por parte de los modelos LSSVR es una alternativa prometedora para predecir los mercados de valores.

Fuente: Revista Virtual Pro Tipo de contenido: Otros

Exclusivo BibloRed

Imagen de apoyo de Review of Stereo Matching Algorithms Based on Deep Learning

Por: Hindawi | Fecha: 01/01/2020

La visión estereoscópica es un campo floreciente que atrae la atención de muchos investigadores. Recientemente, aprovechando el desarrollo del aprendizaje profundo, los algoritmos de concordancia estereoscópica han logrado un rendimiento notable que supera con creces los enfoques tradicionales. Esta revisión presenta una visión general de los diferentes algoritmos de concordancia estéreo basados en el aprendizaje profundo. Por conveniencia, clasificamos los algoritmos en tres categorías: (1) algoritmos de aprendizaje no extremo, (2) algoritmos de aprendizaje extremo y (3) algoritmos de aprendizaje no supervisado. Hemos proporcionado una cobertura completa de los enfoques notables en cada categoría y hemos resumido los puntos fuertes, los puntos débiles y los principales desafíos, respectivamente. La velocidad, la precisión y el consumo de tiempo se adoptaron para comparar los diferentes algoritmos.

Fuente: Revista Virtual Pro Tipo de contenido: Otros