Saltar navegación e ir al contenido principal

Estás filtrando por

Se encontraron 110737 resultados en recursos

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

Con el diseño y el desarrollo de las ciudades inteligentes surgen actualmente tanto oportunidades como retos. Para ello, es necesario obtener muchos datos. Sin embargo, las circunstancias varían en las distintas ciudades debido a las diferentes infraestructuras y poblaciones, lo que conduce a la escasez de datos. En este trabajo, proponemos un método de aprendizaje de transferencia para el análisis de los desastres causados por los anegamientos urbanos, que proporciona la base para que los organismos de gestión del tráfico generen estrategias proactivas de operación del tráfico con el fin de aliviar la congestión. Los trabajos existentes sobre los anegamientos urbanos se basan principalmente en las condiciones pasadas y actuales, así como en los sensores y las cámaras, mientras que puede que no haya un número suficiente de sensores para cubrir las zonas relevantes de una ciudad. Para ello, sería útil poder trasladar los anegamientos. Examinamos si es posible utilizar la abundante información de las redes sociales y los datos por satélite para mejorar el análisis de los anegamientos urbanos. Además, analizamos la correlación entre la gravedad, las redes de carreteras, el terreno y las precipitaciones. Además, utilizamos un método de aprendizaje discriminante multivista para transferir el conocimiento a las ciudades pequeñas. Los resultados experimentales con ciudades de China e India muestran que nuestro marco propuesto es eficaz.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

La última generación de redes neuronales convolucionales (CNN) ha logrado resultados impresionantes en el campo de la clasificación de imágenes. Este artículo trata de un nuevo enfoque para el desarrollo de un modelo de reconocimiento de enfermedades de plantas, basado en la clasificación de imágenes de hojas, mediante el uso de redes convolucionales profundas. La novedosa forma de entrenamiento y la metodología utilizada facilitan una rápida y fácil implementación del sistema en la práctica. El modelo desarrollado es capaz de reconocer 13 tipos diferentes de enfermedades de las plantas a partir de hojas sanas, con la capacidad de distinguir las hojas de las plantas de su entorno. Según nuestros conocimientos, este método de reconocimiento de enfermedades de las plantas se ha propuesto por primera vez. Todos los pasos esenciales requeridos para implementar este modelo de reconocimiento de enfermedades se describen completamente a lo largo del artículo, comenzando por la recopilación de imágenes para crear una base de datos, evaluada por expertos agrícolas. Se utilizó Caffe, un marco de aprendizaje profundo desarrollado por el Centro de Visión y Aprendizaje de Berkley, para realizar el entrenamiento de la CNN profunda. Los resultados experimentales sobre el modelo desarrollado alcanzaron una precisión entre el 91y el 98%, para las pruebas de clases separadas, una media del 96,3%.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

El problema de max-cut es un problema de optimización combinatoria de dificultad NP con muchas aplicaciones en el mundo real. En este trabajo, proponemos un método integrado basado en la optimización de enjambre de partículas y el algoritmo de estimación de la distribución (PSO-EDA) para resolver el problema de corte máximo. El algoritmo integrado supera las deficiencias de la optimización del enjambre de partículas y del algoritmo de estimación de la distribución. Para mejorar el rendimiento del PSO-EDA, se aplica un procedimiento de búsqueda local rápida. Además, se desarrolla un procedimiento de reconexión de trayectorias para intensificar la búsqueda. Para evaluar el rendimiento de PSO-EDA, se llevaron a cabo extensos experimentos con dos conjuntos de instancias de referencia con 800 a 20000 vértices de la literatura. Los resultados computacionales y las comparaciones muestran que PSO-EDA supera significativamente a los algoritmos existentes basados en PSO y EDA para el problema de corte máximo. En comparación con otros algoritmos de mayor rendimiento, PSO-EDA es capaz de encontrar resultados muy competitivos en términos de calidad de la solución.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

Se propone un aprendizaje de instancias múltiples en línea mejorado (IMIL) para un algoritmo de seguimiento visual. En el algoritmo IMIL, la importancia de cada instancia que contribuye a una probabilidad de bolsa es con respecto a sus probabilidades. Se presenta una estrategia de selección basada en un producto interno para elegir un clasificador débil de un conjunto de clasificadores, lo que evita calcular las probabilidades de instancia y la probabilidad de bolsa M veces. Además, se presenta una estrategia de retroalimentación para actualizar los clasificadores débiles. En la estrategia de actualización por retroalimentación, se asignan diferentes pesos al resultado del rastreo y a la plantilla de acuerdo con la máxima puntuación del clasificador. Finalmente, el algoritmo presentado se compara con otros algoritmos del estado del arte. Los resultados experimentales demuestran que el algoritmo de seguimiento propuesto se ejecuta en tiempo real y es robusto ante la oclusión y los cambios de apariencia.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

Una tarea esencial en la extracción de información del corpus médico es el reconocimiento de nombres de medicamentos. En comparación con las fuentes de texto procedentes de otros ámbitos, la minería de textos médicos plantea más desafíos, por ejemplo, un texto más desestructurado, el rápido crecimiento de la adición de nuevos términos, una amplia gama de variación de nombres para el mismo fármaco, la falta de fuentes de conjuntos de datos etiquetados y de conocimiento externo, y las múltiples representaciones de tokens para un solo nombre de fármaco. Aunque se han propuesto muchos enfoques para superar la tarea, siguen existiendo algunos problemas con un bajo rendimiento de la puntuación F (inferior a 0,75). Este artículo presenta un nuevo tratamiento en las técnicas de representación de datos para superar algunos de esos retos. Proponemos tres técnicas de representación de datos basadas en las características de la distribución de las palabras y las similitudes de las palabras como resultado del entrenamiento de incrustación de palabras. La primera técnica se evalúa con el modelo de NN estándar, es decir, MLP. La segunda técnica incluye dos clasificadores de red profunda, es decir, DBN y SAE. La tercera técnica representa la frase como una secuencia que se evalúa con un modelo NN recurrente, es decir, LSTM. En la extracción de las entidades de nombres de fármacos, la tercera técnica ofrece el mejor rendimiento de puntuación F en comparación con el estado del arte, siendo su puntuación F media de 0,8645.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

La incrustación de palabras, una representación vectorial léxica generada a través del modelo lingüístico neural (NLM), ha demostrado empíricamente ser adecuada para mejorar el rendimiento del modelo lingüístico tradicional. Sin embargo, la suprema dimensionalidad que es inherente al NLM contribuye a los problemas de hiperparámetros y al largo tiempo de entrenamiento en el modelado. Aquí, proponemos un método dirigido por la fuerza para mejorar tales problemas para simplificar la generación de la incrustación de palabras. En este marco, cada palabra se asume como un punto en el mundo real, por lo que puede simular aproximadamente el movimiento físico siguiendo cierta mecánica. Para simular la variación del significado en las frases, utilizamos la mecánica de la fractura para hacer la formación y la ruptura del significado combinado por un grupo de palabras de 2 gramos. Con los experimentos sobre las tareas lingüísticas naturales de etiquetado de parte del habla, reconocimiento de entidades con nombre y etiquetado de roles semánticos, el resultado demostró que la incrustación de palabras de 2 gramos puede rivalizar con las incrustaciones de palabras generadas por los NLM clásicos, en términos de precisión, recuperación y visualización del texto.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

Los modelos faciales tridimensionales (3D) pueden manejar intrínsecamente el problema del reconocimiento de rostros con grandes poses. En este artículo, proponemos un nuevo método de reconocimiento de rostros invariante en cuanto a la pose a través de imágenes RGB-D. Al emplear la profundidad, nuestro método es capaz de manejar la auto-oclusión y la deformación, ambos problemas desafiantes en el reconocimiento facial bidimensional (2D). Las imágenes de textura de la galería se pueden representar en la misma vista que la sonda a través de la profundidad. Mientras tanto, la profundidad también se utiliza para medir la similitud mediante la frontalización y el relleno simétrico. Por último, tanto la textura como la profundidad contribuyen a la estimación final de la identidad. Los experimentos realizados en las bases de datos Bosphorus, CurtinFaces, Eurecom y Kiwi demuestran que la información de profundidad adicional ha mejorado el rendimiento del reconocimiento de rostros con grandes variaciones de pose y en condiciones aún más difíciles.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

Investigamos una clase de redes neuronales celulares inhibidoras de derivación basadas en memristores con retrasos de fuga. Aplicando un nuevo método de función de Lyapunov, demostramos que la red neuronal que tiene una única solución casi periódica es globalmente estable de forma exponencial. Además, los resultados teóricos de este trabajo sobre la solución casi periódica se aplican para demostrar la existencia y la estabilidad de la solución periódica para las redes neuronales celulares inhibidoras basadas en memristores con retrasos de fuga y coeficientes periódicos. Se presenta un ejemplo para ilustrar la eficacia de los resultados teóricos. Los resultados obtenidos en este trabajo son completamente nuevos y complementan los estudios previamente conocidos de Wu (2011) y Chen y Cao (2002).

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

En varios problemas de visión artificial, una cuestión relevante es la estimación de las homografías entre dos perspectivas diferentes que poseen un amplio conjunto de datos anómalos. Un método para encontrar dicha estimación es el consenso de muestreo aleatorio (RANSAC); en él, el objetivo es maximizar el número de puntos de coincidencia dado un error permisible (Pe), según un modelo candidato. Sin embargo, estos objetivos entran en conflicto: un valor bajo de Pe aumenta la precisión del modelo pero degrada su capacidad de generalización, que se refiere al número de puntos de coincidencia que toleran los datos ruidosos, mientras que un valor alto de Pe mejora la tolerancia al ruido del modelo pero conduce negativamente el proceso a las falsas detecciones. Este trabajo considera el proceso de estimación como un problema de optimización multiobjetivo que busca maximizar el número de puntos de coincidencia mientras que Pe se minimiza simultáneamente. Para resolver la formulación multiobjetivo se han explorado dos algoritmos evolutivos diferentes: el Algoritmo Genético de Ordenación No Dominante II (NSGA-II) y la Evolución Diferencial de Ordenación No Dominante (NSDE). Los resultados, considerando medidas de calidad reconocidas entre las imágenes originales y las transformadas sobre una conocida imagen de referencia, muestran un rendimiento superior de la propuesta que el algoritmo Random Sample Consensus.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

El aumento de la complejidad de los modelos de redes neuronales intensificó los esfuerzos para hacer eficiente el entorno de simulación de NEURON. Los neurocientíficos computacionales dividieron las ecuaciones en subredes entre múltiples procesadores para lograr un mejor rendimiento del hardware. En las máquinas paralelas para redes neuronales, el intercambio de picos entre procesadores consume gran parte del tiempo total de simulación. En NEURON para la comunicación entre procesadores se utiliza la interfaz de paso de mensajes (MPI). El colectivo MPI_Allgather se ejercita para el intercambio de picos después de cada intervalo a través de los sistemas de memoria distribuida. El aumento del número de procesadores permite lograr la concurrencia y un mejor rendimiento, pero afecta inversamente a MPI_Allgather, que aumenta el tiempo de comunicación entre los procesadores. Esto hace necesario mejorar la metodología de comunicación para disminuir el tiempo de intercambio de picos en los sistemas de memoria distribuida. Este trabajo ha mejorado el método MPI_Allgather utilizando el Acceso Remoto a la Memoria (RMA) al cambiar la comunicación de dos lados por una comunicación de un solo lado, y el uso del mecanismo de duplicación recursiva facilita el logro de una comunicación eficiente entre los procesadores en pasos precisos. Este enfoque ha mejorado la concurrencia de la comunicación y ha mejorado el tiempo de ejecución general haciendo que NEURON sea más eficiente para la simulación de grandes modelos de redes neuronales.

Fuente: Revista Virtual Pro Formatos de contenido: Otros