Por favor, use este identificador para citar o enlazar este ítem: http://dspace.udla.edu.ec/handle/33000/11780
Tipo de material : bachelorThesis
Título : Reconocimiento de retinas usando redes atractoras conjuntas
Autor : Sánchez Erazo, Paulo Alejandro
Palabras clave : REDES DE COMPUTADORAS;REDES DE COMPUTADORAS-PRUEBA Y MEDICIÓN;REDES NEURALES;INTELIGENCIA ARTIFICIAL
Fecha de publicación : 2019
Editorial : Quito: Universidad de las Américas, 2019
Citación : Sanchez Erazo, P. A. (2019). Reconocimiento de retinas usando redes atractoras conjuntas (Tesis de pregrado). Universidad de las Américas, Quito.
Resumen : El objetivo de este documento es explicar el funcionamiento en base a resultados de un algoritmo capaz de aprender patrones binarios creados a partir de imágenes de retinas que han sido procesadas para mostrar sus vasos sanguíneos en forma de arreglo binario, el algoritmo posee las fases de aprendizaje y prueba, para lo cual se ha dividido a los 40 patrones de la base de datos en dos carpetas que sirvan para cada una de las dos fases. El documento analiza los resultados sobre pruebas que demuestran que utilizar un número mayor de subredes es más eficiente que utilizar una única subred, se mostrarán además estos resultados enfocando el porcentaje de recuperación para varias pruebas con diferente cantidad de subredes; al aumentar la cantidad de subredes, el parámetro de dilución baja, por lo tanto se analizarán también los resultados con un mayor parámetro de dilución, es decir con una mayor cantidad de conexiones entre neuronas para la red. Las subredes especializadas tienen el objetivo de aprender patrones con un nivel de actividad similar, además de tener las características de una red como tal; la asignación de retinas en subredes especializadas según el nivel de actividad del patrón mostrará que existen cambios en el porcentaje de recuperación de la subred según sea el promedio de actividad, por lo tanto, se mostrarán los resultados para la misma retina (que ha pasado por un proceso de esqueletización o de dilatación), pero agrupadas en subredes especializadas. El documento mostrará resultados que buscan reconocer un mayor número de retinas, los cuales serán obtenidos a través de la rotación de los patrones iniciales, proceso que se lleva a cabo tanto para retinas de la carpeta de aprendizaje, como para retinas de la carpeta de prueba.
Descripción : The objective of this document is to explain the results of an algorithm capable of learning binary patterns created from images of retinas that have been processed to show their blood vessels in the form of a binary array, the algorithm has the learning and testing phases, and the 40 patterns of the database have been divided into two folders that serve for each of the two phases. The document analyzes the results of tests that show that using a greater number of subnets is more efficient than using a single subnet, these results will also be shown focusing the recovery percentage for several tests with different subnet amounts; as the number of subnetworks increases, the dilution parameter goes down, therefore the document analyze the results with a higher dilution parameter, that is, with a greater number of connections between neurons for the network. The assignment of retinas in specialized subnets according to the level of activity of the pattern will show that there are changes in the percentage of recovery of the subnet according to the activity average, therefore, the results for the same retina will be shown (which has gone through a process of skeletonization or dilation), but grouped into specialized sub-networks. The document will show results that using a greater number of patterns, which will be obtained through the rotation of the initial patterns, a process that is carried out both for retinas of the learning folder, and for retinas of the test folder.
URI : http://dspace.udla.edu.ec/handle/33000/11780
Aparece en las colecciones: Ingeniería en Sistemas de Computación e Informática

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
UDLA-EC-TIS-2019-27.pdf3,06 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons