Análisis de modelos predictivos basados en visión computacional aplicados al paralelismo.

Vista sencilla de ítem
dc.contributor.advisorZuñiga Incalla, Alex Peter
dc.contributor.authorValero Gómez, Juan Carlos
dc.date.accessioned2019-09-27T19:21:45Z
dc.date.available2019-09-27T19:21:45Z
dc.date.issued2019-06-18
dc.description.abstractEn el siguiente informe final de tesis tiene como finalidad presentar los resultados de la investigación del comportamiento de modelos predictivos basados en Visión Computacional cuando están bajo la influencia del paralelismo, es decir cuando los procesos del cálculo computación se segmentan y procesan en paralelo, en este caso se adiciona al CPU el GPU. Si bien las nuevas arquitecturas computacionales son potentes en procesamiento de datos a comparación de décadas anteriores, esto aún no es suficiente para cubrir las necesidades de resultados inmediatos para la toma de decisiones, de aquí la necesidad de poder obtener el mejor algoritmo que dé resultados óptimos cuando esta aplicado al paralelismo. Para se tiene como objetivo comprobar si el paralelismo afecta significativamente a las dimensiones de los algoritmos que son la precisión y el tiempo de procesamiento. Para la experimentación se trabajó con el dataset MNIST que cuenta con 60000 datos para el entrenamiento y 10000 datos para la validación, utilizándose los algoritmos de machine learning como Red Neuronal Artificial (RNA) y los Nearest Neighbor (KNN); y algoritmos de deep learning como Red Neuronal Convolucional (RNC) y Red Neuronal Recurrente Bidireccional (RNCB). Se tomó datos de la experimentación cuando se aplicó con CPU y cuando se aplicó con CPU+GPU, con el objeto de poder aceptar o rechazar las hipótesis planteadas. De los resultados se puede concluir que el paralelismo en el caso de la precisión no afecta al mismo, y en el caso del tiempo de procesamiento hay mejores significativas en los algoritmos KNN, RNC y RNCB, a excepción de la RNA por no contar con mucha complejidad que paralelizar. Palabras clave: Paralelismo, Visión computacional, Redes Neuronales, Convolucional.es_ES
dc.description.uriTesises_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttps://repositorio.unam.edu.pe/handle/UNAM/91
dc.language.isospaes_ES
dc.publisherUniversidad Nacional de Moqueguaes_ES
dc.relationinfo:pe-repo/semantics/datasetes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licences/by-nc-nd/2.5/pe/es_ES
dc.sourceUniversidad Nacional de Moqueguaes_ES
dc.sourceRepositorio institucional - UNAMes_ES
dc.subjectParalelismoes_ES
dc.subjectVisión computacionales_ES
dc.subjectRedes neuronaleses_ES
dc.subjectConvolucionales_ES
dc.titleAnálisis de modelos predictivos basados en visión computacional aplicados al paralelismo.es_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
thesis.degree.disciplineIngeniería de Sistemas e Informáticaes_ES
thesis.degree.grantorUniversidad Nacional de Moquegua . Escuela Profesional de Ingeniería de Sistemas e Informáticaes_ES
thesis.degree.levelBachilleres_ES
thesis.degree.nameIngeniero de Sistemas e Informáticaes_ES
thesis.degree.programBachilleres_ES
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
T095_41268484_T.pdf
Tamaño:
2.81 MB
Formato:
Unknown data format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Unknown data format
Descripción:
Descargar
Colecciones
Escuela Profesional de Ingeniería de Sistemas e Informática