2016_02_24_aplicaiones_de_redes_neuronales_recurrentes_profundas

Por: Juan Carlos Caicedo

Estos modelos han demostrado ser eficientes para modelar la extracción de patrones visuales discriminativos para hacer clasificación y detección de objetos con alta precisión. Su potencial para procesar video ha sido explorado en varios trabajos recientes, los cuales demuestran mejoras significativas en problemas de reconocimiento de acciones y seguimiento de objetos. Sin embargo, a pesar de que las redes convolucionales modelan eficientemente los patrones espaciales en imágenes, no son muy apropiadas para modelar dependencias temporales.

En este trabajo, se propone explorar el diseño de una arquitectura híbrida convolucional-recurrente que incorpore información espacial con el uso de redes convolucionales y también considere información temporal con una red neuronal recurrente.

Publicado por Fundación Universitaria Konrad Lorenz El día 02/24/2017 Enlace permanente Comentarios (0)