Tesis:
Arquitectura neuronal de aprendizaje continuo con crecimiento topológicamente coherente. Aplicación al reconocimiento de patrones visuales
- Autor: DOMINGUEZ CABRERIZO, Sergio
- Título: Arquitectura neuronal de aprendizaje continuo con crecimiento topológicamente coherente. Aplicación al reconocimiento de patrones visuales
- Fecha: 1996
- Materia: MATEMÁTICAS. Teseo;CIENCIAS DE LA COMPUTACIÓN. Teseo;INTELIGENCIA ARTIFICIAL. Teseo;SISTEMAS AUTOMATIZADOS DE CONTROL DE CALIDAD. Teseo
- Escuela: E.T.S. DE INGENIEROS INDUSTRIALES
- Departamentos: AUTOMATICA, INGENIERIA ELECTRONICA E INFORMATICA INDUSTRIAL
- Acceso electrónico:
- Director/a 1º: CAMPOY CERVERA, Pascual
- Director/a 2º: ARACIL SANTONJA, Rafael
- Resumen: La presente tesis se centra en el desarrollo de una novedosa arquitectura neuronal capaz de hacer frente a problemas complejos de clasificación, en los que no solo es necesaria la respuesta en cuanto a la clase a la que pertenece un determinado patrón de entrada, sino que ha de ser capaz asimismo de adaptarse a las circunstancias cambiantes del entorno, que hacen variar la propia naturaleza del problema de clasificación, y de dar una medida de la fiabilidad de la respuesta, todo ello en un tiempo que la haga susceptible de ser utilizada en aplicaciones industriales en tiempo real dentro de las aplicaciones industriales los problemas de clasificación de objetos se caracterizan tanto por su variabilidad como por lo crítico de su resolución. En el sentido de la primera característica, la variabilidad, se tiene que el proceso de producción puede ser modificado por necesidades de cambios de estrategia de producción, renovación tecnológica, modificaciones en el propio proceso o en el producto, etc.,todo ello como resultado de la necesidad de ofrecer el producto en las mejores condiciones al cliente. Asimismo, el clasificador debe cumplir con su cometido de forma robusta y fiable, hasta el extremo de que la posibilidad de fallo ha de ser detectada y avisada al usuario para que en su caso se efectúe la oportuna confirmación de la respuesta del clasificador. La arquitectura de red neuronal presentada en la presente tesis doctoral posee unas características de funcionamiento que responden a las necesidades de adaptación y seguridad descritas, uniendo a ello además un tiempo de respuesta comparativamente mucho menor que el de modelos conocidos que poseen alguna de las mencionadas características, aptos para otros problemas de clasificación de menor complejidad. Como consecuencia de esta idoneidad, se ha estimado oportuna su utilización en la implementación de un clasificador que desempeña su trabajo en una aplicación industrial con fuertes requerimientos de tiempo real, adaptabilidad y seguridad de la clasificación, consistente en un sistema de inspección superficial de banda de acero basado en visión artificial