2026-05-16T23:25:26Zhttps://repository.icesi.edu.co/server/oai/requestoai:repository.icesi.edu.co:10906/20792025-03-13T19:18:23Zcom_10906_165com_10906_123com_10906_122col_10906_2072
Méndez Ortiz, Edgar
Mariño, Juan Sebastián
Arguello Fuentes, Henry
Cali de Lat: 03 24 00 N degrees minutes Lat: 3.4000 decimal degrees Long: 076 30 00 W degrees minutes Long: -76.5000 decimal degrees
2009-08-18T21:03:41Z
2009-08-18T21:03:41Z
2009-08-18T21:03:41Z
16925238
http://www.icesi.edu.co/revistas/index.php/sistemas_telematica/article/view/1009
https://hdl.handle.net/10906/2079
http://biblioteca2.icesi.edu.co/cgi-olib/?infile=details.glu&loid=208072
https://doi.org/10.18046/syt.v7i13.1009
instname:Universidad Icesi
reponame:Biblioteca Digital
repourl:https://repository.icesi.edu.co/
Este trabajo de investigación estudia dos problemas en la optimización en las
redes neuronales utilizadas para la mayoría de aplicaciones reales: primero,
el diseño de la arquitectura que involucra determinar el número de capas y
neuronas por capa, y segundo, las funciones de activación que se deben usar
en cada una de estas capas. Para ello se desarrolla una herramienta software
basada en algoritmos genéticos que encuentra estos parámetros de las redes
neuronales. La herramienta desarrollada le permite al usuario elegir el algoritmo
de entrenamiento usado; además se aplican técnicas para lograr una mejor
generalización como son la detención temprana, la repetición del entrenamiento
y el ajuste de los datos de entrenamiento a las funciones de activación usadas.
Por último, la herramienta desarrollada es probada en un grupo de usuarios
especializados que utilizan la herramienta para encontrar una arquitectura de
red neuronal óptima para resolver un problema de verificación de identidad
a través de la imagen facial mediante redes neuronales artificiales.
This research examines two problems
in the optimization in the neural
networks used for most real applications:
first, architectural design that
involves determining the number
of layers and neurons by layer, and
second, the activation functions that
will be should use in each of these
layers. For it is developed a software
tool based on genetic algorithms to
find these parameters of a neural
network. The developed tool allows
the user to choose the algorithm used
for training and also apply techniques
to achieve better generalization such
as the early stopping, the repetition
of training and adjusting the training
data to the activation functions used.
Finally, the developed tool is tested
into a specialized group of users who
use the tool to find an optimal neural
network architecture to solve a problem
of identity verification through
the facial image using artificial neural
networks.
113-128 páginas
Digital
application/pdf
spa
Universidad Icesi
Facultad de Ingeniería
Ingeniería Telemática
Departamento Académico de Tecnologías de Información y Comunicaciones (TICs)
Santiago de Cali
Sistemas y Telemática
Sistemas y Telemática;Vol.7 No.13
113
128
EL AUTOR, expresa que la obra objeto de la presente autorización es original y la elaboró sin quebrantar ni suplantar los derechos de autor de terceros, y de tal forma, la obra es de su exclusiva autoría y tiene la titularidad sobre éste. PARÁGRAFO: en caso de queja o acción por parte de un tercero referente a los derechos de autor sobre el artículo, folleto o libro en cuestión, EL AUTOR, asumirá la responsabilidad total, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos, la Universidad Icesi actúa como un tercero de buena fe. Esta autorización, permite a la Universidad Icesi, de forma indefinida, para que en los términos establecidos en la Ley 23 de 1982, la Ley 44 de 1993, leyes y jurisprudencia vigente al respecto, haga publicación de este con fines educativos
Toda persona que consulte ya sea la biblioteca o en medio electróico podrá copiar apartes del texto citando siempre la fuentes, es decir el título del trabajo y el autor.
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
Ambiente software de entrenamiento de redes neuronales con ajuste evolutivo de la topología y las funciones de activación
Neural Networks’ Training Software Environment with Evolutive Adjust of Topology and Activation Functions
Comunidad Universidad Icesi - Investigadores
7
13
Redes neuronales
Algoritmos genéticos
Computación
Optimización
Producción intelectual registrada - Universidad Icesi
Sistemas & Telemática
Neural networks
Genetic algorithms
http://purl.org/coar/resource_type/c_2df8fbb1
Artículo
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/version/c_970fb48d4fbd8a85
info:eu-repo/semantics/articleopen.access