Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/20.500.14076/10865
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorRodríguez Gutiérrez, Alfredo Efraín-
dc.contributor.authorTello Godoy, Edwin-
dc.creatorTello Godoy, Edwin-
dc.date.accessioned2018-04-30T16:56:28Z-
dc.date.available2018-04-30T16:56:28Z-
dc.date.issued2005-
dc.identifier.urihttp://hdl.handle.net/20.500.14076/10865-
dc.description.abstractEn las aplicaciones la ventaja de las redes neuronales artificiales frente a otras técnicas está en el procesado paralelo, adaptivo y no lineal. Las técnicas desarrolladas mediante asociadores de patrones y algoritmos de retro propagación para muchos fines con RNA. La estructura del cerebro es radicalmente diferente a la de la computadora convencionalmente no está compuesto por un único microprocesador complejo sino por miles de millones de ellos. En el reconocimiento de patrones que ni las super computadoras son capaces de resolver de un modo eficiente, mientras que el cerebro humano lo viene haciendo con facilidad y eficiencia. Las redes neuronales para aplicaciones concretas no están ligadas a las redes neuronales biológicas. Utilizan algoritmos de aprendizaje adaptivo y autoorganizativos como el procesado es no lineal aumenta la capacidad de la red de aproximar y su inmunidad frente al ruido y un alto nivel de interconectividad. Estas características juegan un papel importante en las redes RNA aplicadas en el procesado de señal e imagen y caracteres. El conjunto de técnicas de carácter heurístico más o menos estándar producen resultados satisfactorios en muchos campos con éxito. Se apoyan en paradigmas validos en todos los problemas de diseño. En tos sistemas neuronales de procesado de Información las entradas deben ser tratadas de manera que produzcan a la salida resultados útiles de acuerdo con el problema, un ejemplo del sistema de procesado de información donde la entrada que es imagen binaria que contiene texto manuscrito debe ser procesado de manera que en la salida del sistema produzca caracteres en el código ASCII. Las redes neuronales están solucionando problemas en muchos campos con éxito y con error aceptable en el que los métodos tradicionales (Técnicas heurístico) tienen dificultades.es
dc.description.uriTrabajo de suficiencia profesionales
dc.formatapplication/pdfes
dc.language.isospaes
dc.publisherUniversidad Nacional de Ingenieríaes
dc.rightsinfo:eu-repo/semantics/restrictedAccesses
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/es
dc.sourceUniversidad Nacional de Ingenieríaes
dc.sourceRepositorio Institucional - UNIes
dc.subjectRedes neuronales artificialeses
dc.subjectInteligencia artificiales
dc.subjectIngeniería electrónicaes
dc.titleDetección de caracteres mediante redes neuronales con entrada de datos con Exceles
dc.typeinfo:eu-repo/semantics/reportes
thesis.degree.nameIngeniero Electrónicoes
thesis.degree.grantorUniversidad Nacional de Ingeniería. Facultad de Ingeniería Eléctrica y Electrónicaes
thesis.degree.levelTítulo Profesionales
thesis.degree.disciplineIngeniería Electrónicaes
thesis.degree.programIngenieríaes
Aparece en las colecciones: Ingeniería Electrónica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
tello_ge.pdf5,33 MBAdobe PDFVisualizar/Abrir


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

Indexado por:
Indexado por Scholar Google LaReferencia Concytec BASE renati ROAR ALICIA RepoLatin UNI