Herramientas de Inteligencia Artificial: Aprendizaje profundo y redes neuronales convolucionales. Ejemplos con MATLAB

El diseño de los modelos de inteligencia artificial se realiza a través de tres pilares esenciales: Aprendizaje Automático, Aprendizaje Profundo y Ciencia de Datos. Utilizando MATLAB, ingenieros y otros expertos han desplegado gran variedad de aplicaciones de aprendizaje automático que generan automáticamente funcionalidades a partir de datos de entrenamiento y optimizan modelos de todo tipo. El aprendizaje profundo es un subconjunto del aprendizaje automático basado en redes neuronales artificiales. El proceso de este aprendizaje se denomina profundo porque la estructura de estas redes consiste en tener múltiples entradas, salidas y capas ocultas. Cada capa contiene unidades que transforman los datos de entrada en información y, de este modo, la capa siguiente puede utilizarla para una determinada tarea predictiva. De este modo, una máquina puede aprender a través de su propio procesamiento de datos. MATLAB reduce significativamente el tiempo necesario para preprocesar y etiquetar conjuntos de datos con aplicaciones específicas de dominio para datos de audio, vídeo, imagen y texto. Sincroniza series temporales dispares, sustituye los valores atípicos por valores interpolados, agudiza las imágenes y filtra las señales con ruido. Utiliza aplicaciones interactivas para etiquetar, recortar e identificar características importantes, y algoritmos integrados para automatizar el proceso de etiquetado. MATLAB cuenta con la herramienta Neural Network Toolbox (Deep Leraning Toolbox a partir de la versión 18) que proporciona algoritmos, funciones y aplicaciones para crear, entrenar, visualizar y simular redes neuronales. Puede realizar clasificación, regresión, agrupamiento, reducción de dimensionalidad, reconocimiento de patrones, pronóstico de series de tiempo y modelado y control de sistemas dinámicos. La caja de herramientas incluye redes neuronales convolucionales y algoritmos de aprendizaje profundo con codificador automático para clasificación de imágenes y tareas de aprendizaje de características. Para acelerar el entrenamiento de grandes conjuntos de datos (Big Data), puede distribuir cálculos y datos entre procesadores multinúcleo, GPU y clústeres de computadoras utilizando Parallel Computing Toolbox. Este libro profundiza en todas estas técnicas muy útiles en el desarrollo de la Inteligencia Artificial.

• ISBN: 9788419034649
• Editorial: GARCETA GRUPO EDITORIAL
• Encuadernacion: Rústica
• Páginas: 332
• Fecha Publicación: 01/06/2024
• Nº Volúmenes: 1
• Idioma: