Show simple item record

dc.contributor.authorOliva Aparicio, Antonio 
dc.date.accessioned2019-12-11T18:21:21Z
dc.date.available2019-12-11T18:21:21Z
dc.date.issued2019-09
dc.description.abstract[ENG]Capsule networks are newborn deep neural networks that substitute traditional artificial neurons by vectors of them called ‘capsules’. This new entities are thought to allow systems to understand the instantiation parameters of objects and induce the construction of an abstracted geometry from them. Thus, capsules enable to achieve a deeper knowledge of the object whose extrapolation procures a further generalization. These new architectures have been compared to the traditional Convolutional Neural Networks (CNNs) on four different scenarios to study their performance. Three of this scenarios are the commonly used datasets: MNIST, CIFAR-10 and SmallNORB; while the other is a set of retinographies containing non-pathological cases and others presenting glaucoma. The goal is to determine whether any of these networks is viable for an early detection of glaucoma. In addition, there is a discussion about the capacity of the structures based on capsules considered to understand and reconstruct the input images. [SPA] Las redes de cápsulas son un tipo de redes neuronales profundas de reciente creacio´n cuya esencia reside en la sustitución de las tradicionales neuronas artificiales por una versión vectorizada conocida como “cápsula”. Esta nueva entidad esta pensada para permitir que los sistemas puedan comprender los parámetros de instanciación de los objetos para así permitir la creación de una geometría abstraída de los mismos. De este modo, las cápsulas habilitan la consecución de un conocimiento m´as profundo de los objetos, y extrapolar este conocimiento conduce a una mejor generalización. Estas nuevas arquitecturas han sido comparadas con las Redes Neuronales Convolucionales (CNNs, por sus siglas en inglés) en cuatro escenarios diferentes para poder evaluar su rendimiento. Tres de estos escenarios son bases de datos utilizadas comúnmente: MNIST, CIFAR-10 y SmallNORB; mientras que la última es un conjunto de retinografías que contiene casos con glaucoma y casos no patológicos. El objetivo es determinar si alguna de estas redes es viable para una detección temprana del glaucoma. Adem´as, se discute la capacidad de las estructuras basadas en ca´psulas para entender y reconstruir las imagénes de entrada.es_ES
dc.formatapplication/pdfes_ES
dc.language.isoenges_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.title.alternativeEvaluación de prestaciones de las redes de cápsulas sobre distintos escenarios de aplicaciónes_ES
dc.titlePerformance assessment of capsule network on different application scenarioses_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.subjectGeometríaes_ES
dc.subjectGeometryes_ES
dc.subjectTecnología médicaes_ES
dc.subjectMedical technologyes_ES
dc.subject.otherTeoría de la Señal y las Comunicacioneses_ES
dc.contributor.advisorLarrey Ruiz, Jorge 
dc.identifier.urihttp://hdl.handle.net/10317/8105
dc.description.centroEscuela Técnica Superior de Ingeniería de Telecomunicaciónes_ES
dc.contributor.departmentTecnologías de la Información y las Comunicacioneses_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.description.universityUniversidad Politécnica de Cartagenaes_ES
dc.subject.unesco3314 Tecnología Médicaes_ES
dc.subject.unesco3201.09 Oftalmologíaes_ES


Files in this item

untranslated

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 3.0 España
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España