Spelling suggestions: "subject:"redes neuronale (computación)"" "subject:"redes neuronale (computaciónn)""
41 |
Validation of the NVDLA architecture using its aws virtual prototype-FPGA co-simulation platformFreidenson Bejar, David Steven 23 May 2023 (has links)
La inferencia de Redes Neuronales Profundas (o DNNs, por sus siglas en inglés, Deep
Neural Networks) se ha vuelto cada vez más demandante en términos de almacenamiento de
memoria, complejidad computacional y consumo de energía. Desarrollar hardware especializado
en DNNs puede ser un proceso tedioso, que se alarga aún más si se considera el tiempo requerido
en escribir software para ello. Así, esta tesis consiste en la validación del acelerador de hardware
de redes neuronales NVDLA (por sus siglas en inglés, Nvidia Deep Learning Accelerator)
utilizando un ambiente de co-simulación basado en su plataforma híbrida: un CPU implementado
como Prototipo Virtual (PV), basado en el Quick Emulator (QEMU), y el modelo de hardware en
RTL del NVDLA dentro de un FPGA. Para ello, la arquitectura más portátil del NVDLA nv_small
es configurada en el FPGA de una instancia F1 del servicio E2C AWS. Para complementar el
sistema, el PV del NVDLA es usado, consistiendo de un CPU Arm emulado con QEMU,
ejecutando el sistema operativo Linux y el software runtime del NVDLA, dentro de una capa de
SystemC/TLM conectada al FPGA de la instancia F1 a través de un puerto PCIe. Una vez que la
plataforma híbrida de co-simulación está configurada, se ejecutan regresiones de pruebas de
hardware en la implementación en el FPGA para revisar la propia funcionalidad e integridad de
los bloques que componen al NVDLA. Luego, se ejecutan pruebas de sanidad de software en el
PV para confirmar la configuración correcta de todo el sistema integrado. Finalmente, la DNN
AlexNet es ejecutada. Los resultados muestran la propia funcionalidad del hardware y del PV, y
que la red AlexNet se ejecutó exitosamente en el ambiente de co-simulación, tomando
aproximadamente 112 minutos. / Deep neural network (DNN) inference has become increasingly demanding over the years
in terms of memory storage, computational complexity, and energy consumption. Developing
hardware targeting DNNs can be a lengthy process, which only grows if considered the time of
writing software for it. Therefore, this thesis consists of the validation of the NVDLA deep learning
hardware accelerator (NVDLA) using a co-simulation environment based on its hybrid platform:
a CPU implemented as a Virtual Prototype (VP) based on Quick Emulator (QEMU) and the
NVDLA RTL hardware model on a FPGA. For this, the more portable nv_small architecture of
the NVDLA is configured into the FPGA of a F1 instance from the EC2 AWS service. To
complement the system, the VP of the NVDLA is used, consisting of an Arm CPU emulated with
QEMU running a Linux OS and the NVDLA runtime software, inside a SystemC/TLM wrapper
connected to the F1 instance FPGA through a PCI express port. Once the hybrid co-simulation
platform is set up, hardware regression tests are run on the FPGA implementation in order to check
proper functionality and integrity of the NVDLA component blocks, sanity software tests are run
on the VP to check the correct setup of the whole stack, and finally the AlexNet DNN is executed.
The results showed proper hardware and VP functionality, and the AlexNet execution in the cosimulation
environment was successful, taking approximately 112 minutes.
|
42 |
Desarrollo de una librería neuronal en control builder 5.1 para controlar el nivel de mineral al interior de un molino de bolasSotelo Cabrera, Giancarlo Stefano 27 June 2016 (has links)
Los equipos utilizados en la molienda de minerales son los molinos de bolas,
encargados de realizar la conminución del mineral. Estos equipos desarrollan
elevado consumo de energía a una baja eficiencia de operación. Una de las razones
de la baja eficiencia se debe a la dificultad existente para identificar el nivel de carga
en el molino. Por ejemplo, al incrementar el nivel de carga al nivel óptimo, los
espacios existentes entre las bolas de acero se rellenan con mineral, generando un
incremento en el ratio de conminución. Por otro lado, podría pensarse que superar el
nivel de carga óptimo incrementa el ratio de conminución. Sin embargo, solo satura
el molino y disminuye aún más la eficiencia del proceso. Estos son algunos ejemplos
que indican la importancia de conocer el nivel de carga durante la operación. El nivel
de carga marca la pauta de una operación óptima y permite incrementar la eficiencia
del proceso de molienda.
El objetivo de la tesis fue desarrollar un sistema de control neuronal capaz de
determinar el nivel de carga instantáneo del molino en base a la experiencia del
operador de sala de control y mediciones de variables ampliamente conocidas en la
operación de molinos: Presión, Velocidad, Impactos y Tonelaje. La principal ventaja
del sistema de control desarrollado es la medición en tiempo real de una variable que
no es posible determinar directamente con algún sistema de instrumentación en
campo. Adicionalmente, si el molino está operando fuera del nivel óptimo de carga,
el sistema de control proporciona las acciones típicas correctivas.
El sistema de control neuronal fue desarrollado en las plataformas Control Builder 5.1
y System800xA (Sistema de Control Distribuido) del fabricante ABB. Las señales de
campo se integraron al sistema a través de “Cableado Duro” (4…20mA) y “Modbus
TCP”. Asimismo, se utilizó el algoritmo neuronal supervisado “Retropropagación” a
fin de entrenar la red neuronal. Finalmente, se realizaron pruebas al sistema de
control y se obtuvo el nivel de carga del molino con un error máximo de 4.22%.
|
43 |
Modelo de pronóstico de demanda de efectivo para las oficinas de una entidad bancaria en una ciudad del interior del paisZavala Jacinto, Anggela del Rosario 10 October 2013 (has links)
El presente trabajo trata sobre el análisis de la demanda de efectivo en las oficinas de
provincia de una entidad bancaria tomando como base la metodología que se sigue
actualmente a fin de identificar oportunidades de mejora que permitan tener resultados
óptimos en los indicadores establecidos.
Este análisis está centrado en la evaluación de la exactitud y precisión que son
necesarias en el cálculo de los pronósticos de demanda para cada tipo de oficina
existente, de manera que se puedan aplicar los modelos y la metodología que permitan
obtener información más cercana a la realidad.
En los primeros capítulos se definen los conceptos y etapas del proceso de extracción del
conocimiento, para luego, por medio de estos, describir y explicar las redes neuronales,
método elegido para la solución de la problemática expuesta. Asimismo, se detalla la
situación actual del proceso que es objeto de análisis, identificando los factores que
serían relevantes para la ejecución del modelo.
En los capítulos posteriores, se procedió con el análisis de los datos obtenidos, de modo
que se puedan identificar las variables relevantes que se incluirían dentro del modelo. De
igual forma, se describe la lógica y los parámetros a tomar en cuenta para el mismo, y que
dan origen a las diferentes etapas de prueba y error para llegar a los resultados
esperados. Para ello, se recopilaron los datos necesarios de los movimientos en las
oficinas los cuales sirvieron como datos de entrada para las redes neuronales generadas.
El software empleado fue NeuralTools 5.7, debido a los beneficios que éste proporciona,
desde el manejo de datos en hojas de cálculo, las cuales utilizan la interfaz de MS Excel,
hasta el uso de herramientas y aplicaciones dinámicas que permiten manipular los datos
de forma más sencilla optimizando tiempos.
Finalmente, se procedió con la evaluación de los resultados obtenidos, haciendo la
comparación de los valores predichos con los resultados reales, logrando alcanzar un
porcentaje de exactitud de 93.18% para los pronósticos de una oficina mixta y de 91.98%
para los de una oficina captadora, generando una expectativa de ahorro de S/. 25,000.00
anuales.
|
44 |
Algoritmo para el balanceo dinámico del grado de dificultad mediante aprendizaje de máquina en la implementación de un juego orientado a apoyar el desarrollo de la inteligencia espacial en niños de etapa pre-escolarCaballero Torres, Franco André 27 March 2018 (has links)
Dentro del ámbito educativo nacional, la Inteligencia espacial, a pesar de haber
demostrado estar relacionada con una serie de habilidades que permiten y
estimulan la creación y el desarrollo matemático y científico, no es muy reconocida
y posee pocas herramientas que ayuden a su desarrollo en niños de edad
preescolar, etapa en la que este se recomienda ampliamente. Sumado a esto
encontramos la necesidad de herramientas que contribuyan en la enseñanza cuyos
requerimientos han crecido en cantidad y complejidad en las últimas décadas, y que
involucren modos innovadores de llevar el conocimiento aprovechando las
tecnologías disponibles. La necesidad de contribuir con la educación también surge
de los requerimientos del Aprendizaje Adaptativo, el cual es una metodología que, a
través de la adecuación del nivel del contenido que se desea enseñar, permite al
estudiante una experiencia de aprendizaje personalizada y más efectiva en
resultados. Esta metodología aprovecha las posibilidades de interacción que
proporcionan las tecnologías de información y la capacidad de procesamiento de
los equipos informáticos para lograr su objetivo. La presente tesis describe el
desarrollo de una aplicación educativa gamificada de apoyo en el desarrollo de la
Inteligencia espacial en niños de etapa preescolar, e involucra el uso de tecnologías
que permitan adaptar al estudiante la dificultad del juego presentado por el
aplicativo. Para esto se hizo uso de métodos de Ajuste Dinámico de la Dificultad, a
través de redes neuronales y aprendizaje supervisado. El entorno de juego está
basado en el uso de representaciones virtuales de bloques lógicos, mediante los
cuales se le presenta al alumno una figura la cual este debe imitar manipulando,
mediante la pantalla táctil, otro conjunto bloques similares. Se evaluaron siete
métricas en el desempeño del usuario relacionadas a cuan correcta es su respuesta
en los siguientes conceptos: Encaje, ubicación, forma, tamaño, color, rotación y
textura. Mediante estas métricas la aplicación elige el siguiente escenario a
presentar al usuario ajustando diez atributos en dicho escenario. El proceso de
adaptación busca introducir las métricas del usuario a un rango de acierto deseado
y se realiza en dos pasos. Primero, se realiza sin presencia del usuario un
entrenamiento de redes neuronales mediante propagación hacia atrás con
información de casos base. Este primer paso permite obtener una versión inicial de
la adaptabilidad. Y segundo, luego de cada ronda, se evalúa la respuesta del
usuario mediante un conjunto de eventos que determinan la efectividad de la red
neuronal para introducir a un usuario especifico al rango deseado, y se modifica la
red usada para ese usuario con los resultados obtenidos. En los resultados del proyecto se observó que la metodología empleada es efectiva para el caso
propuesto, logrando introducir las métricas en el rango luego de un número de
rondas jugadas. La evaluación de requerimientos computacionales (velocidad,
efectividad, robustez y eficiencia) y funcionales (claridad, variedad, consistencia y
escalabilidad) para una AI adaptativa también muestra resultados positivos. Sobre
la rapidez de la solución, la respuesta para ambos modelos (solo entrenamiento
inicial y modificación por eventos) es imperceptible para el usuario. En cuanto
eficacia se logró resultados positivos, logrando mejorar las métricas respecto a un
algoritmo manual en más del 70% de los casos y obteniendo un aumento promedio
comparándola a un algoritmo manual de +0.012 para las redes neuronales y +0.02
para el aprendizaje supervisado. Estos valores representan el 13% y el 22% de la
máxima mejora posible respectivamente. En cuanto a la robustez y eficacia, ambos
modelos lograron adaptar la respuesta al usuario en la mayoría de casos y en un
número similar de rondas, aunque el aprendizaje supervisado mostró ser más
efectivo en el primer criterio, mejorando los resultados del algoritmo manual.
Respecto a la variedad de los escenarios presentados se obtuvo, mediante la
modificación por eventos, una menor variación entre estos, lo que se relaciona con
la mejor adaptabilidad alcanzada. Y sobre la escalabilidad, ambos modelos
mostraron resultados positivos para los tres niveles de desempeño evaluado,
aunque el aprendizaje supervisado muestra ser más efectivo. Estos resultados
permiten identificar beneficios en el uso de esta metodología específicamente para
el ámbito evaluado, así como identificar en qué casos específicos es más efectiva.
Los resultados positivos encontrados que en conjunto indican que se ha logrado
realizar una aplicación que cumple en presentar al usuario un entorno adaptativo,
hacen válido el seguir este camino para futuras investigaciones en la exploración de
las aplicaciones gamificadas educativas de apoyo a la inteligencia espacial.
|
45 |
Diseño de un sistema de control por auto organización para semáforos de una intersección vial utilizando redes neuronalesHuamán Apaza, Diego Eduardo, Testino Julca, Ricardo Antonio 09 March 2017 (has links)
La presente tesis tiene como objetivo mostrar una estrategia diferente ante la problemática del
tráfico vehicular, como sabemos el tráfico vehicular es un problema de escala mundial y contribuye
negativamente al desarrollo de un país. Esto se puede ver en la cantidad de contaminación, cantidad
de horas hombre perdidas, niveles de estrés y la pérdida millonaria en combustible, esta es nuestra
motivación para la realización de esta Tesis. Diversas investigaciones han demostrado que las
estrategias de control de secuencias rígidas, no dan solución a este problema, por tanto a nivel
mundial se han desarrollado diferentes estrategias, basadas en sistemas adaptivos, sistemas
adaptivos difusos, sistemas adaptivos difusos con algoritmos genéticos, redes neuronales, estas
últimas han sido usadas para predicción de tráfico, reconocimiento de vehículos, etc.
El presente trabajo tiene como objetivo lograr la auto organización de semáforos basándose en la
cantidad de vehículos esperando el cambio de fase o cambio de estado del semáforo de rojo a verde.
Llamaremos auto organización a la acción de los semáforos de cambiar de fase tomando en cuenta
un determinado umbral máximo de vehículos, una vez se supere este umbral el cambio de fase se
llevará a cabo, para nuestros resultados hemos considerado una intersección simple, la cual consta
de una vía principal de 4 carriles y otra de 2 carriles.
El presente trabajo consta de tres etapas fundamentales, el censado de los patrones de tráfico,
mediante sensores invasivos de tráfico, el controlador, el cual se auto organizará en función a la
cantidad de vehículos esperando el cambio de fase y el semáforo, tanto el controlador y el semáforo
han sido logrados mediante la red neuronal de retro propagación, esta fue elegida debido a su
capacidad para la identificación de sistemas, para poder lograr el modelo del semáforo y el mapeo
inverso, para el caso del controlador.
Para nuestras simulaciones y comparaciones, se disefló también un sistema de semáforo prefijado,
con un tiempo de 55 segundos por cada intervalo del semáforo. Producto de las simulaciones y
comparaciones se pudo concluir que el sistema logrado hace que la cantidad de autos esperando se
reduzca significativamente, sobretodo en la vía principal (cuatro carriles). Además de reducir el
tiempo de espera de los vehículos. Analizaremos el efecto que tiene sobre el sistema cambiar
ciertos parámetros como el valor umbral, tiempo mínimo de fase verde, etc.
|
46 |
Diseño de un guante electrónico para el mapeo y reconocimiento de gestos utilizando redes neuronalesDulanto Ramos, Luis Enrique 02 March 2017 (has links)
La presente tesis tiene como objetivo diseñar un sistema de reconocimiento de gestos manuales
que traduzca gestos a necesidades básicas de la persona, con el fin de ayudar a personas de la
tercera edad que padecen problemas del habla. Dicho sistema de reconocimiento de gestos es
aplicado en un guante electrónico que extrae señales de la mano.
Para el desarrollo de la tesis, se hace uso de dos ejes de modelamiento: modelamiento directo
y modelamiento inverso. Primero, se modela por análisis paramétrico (modelamiento directo)
a una mano antropomórfica que responde a los movimientos del guante electrónico; luego, se
aplica identificación de sistemas por red neuronal mediante algoritmos de retropropagación a
los modelos obtenidos por análisis paramétrico, con el fin de utilizar estos modelos basados
en redes neuronales en el sistema de reconocimiento de gestos. Este segundo paso es el
modelamiento inverso y la razón de su aplicación se fundamenta en el hecho de que se desea
obtener un sistema que posea tolerancia a fallas, la cual es una propiedad de las redes
neuronales. Finalmente, se diseña un núcleo de reconocimiento de gestos, el cual reconoce
patrones en la data resultante de las redes neuronales. Dicho núcleo de reconocimiento de
gestos es también una red neuronal y, a diferencia de otros tipos de sistemas de reconocimiento
de patrones, tiene la capacidad de aprender a partir de data experimental y generar soluciones
en base a lo aprendido.
Los resultados obtenidos en la culminación del proyecto son que ante la presencia de ruido
aditivo blanco gaussiano, el sistema alcanza un índice de reconocimiento de 99.98% cuando
las condiciones son ideales (a una relación señal a ruido de 30 dB); manteniéndose por sobre
99% cuando la relación señal a ruido es mayor a 18.88 dB; por otro lado, si la relación señal a
ruido en las entradas del sistema es igual a 13.67 dB, el sistema es capaz de reconocer gestos
con una efectividad de 90%. Así mismo, se demuestra que el sistema es tolerante a fallas y a
circunstancias no previstas en el diseño, manteniendo su porcentaje de reconocimiento por
sobre 90% en condiciones ideales ante estas adversidades.
|
47 |
Generación de datos sintéticos usando Redes Generativas Adversariales para la minería de datos respetuosa de la privacidadMontalvo García, Peter Jonathan 28 May 2021 (has links)
La minería de datos permite conocer patrones en grandes volúmenes de datos; pero dentro
de estos datos puede haber información sensible que compromete la privacidad. En tal
sentido, se han desarrollado técnicas para la minería de datos respetuosa de la privacidad,
siendo la más utilizada la privacidad diferencial debido a las propiedades que otorga a los
datos resultantes, de la mano de técnicas de aprendizaje profundo. Estas técnicas se han
utilizado en conjuntos de datos de números escritos e imágenes, pero no en datos de
georreferenciación. El presente trabajo tiene como objetivo medir la eficacia de los datos
sintéticos generados a través redes generativas adversariales y privacidad diferencial en
datos de georreferenciación. La generación de estos datos se hace a través de selección de
datos, sanitización para la obtención de la base de datos sintéticos y evaluación a través de
modelos de movilidad a partir de las trazas que sirven para medir la pérdida de información
y el riesgo de divulgación. En líneas generales, los resultados demuestran que la aplicación
de estas técnicas sobre datos de georreferencia da como producto un conjunto de datos
sintéticos con una pérdida de información y riesgo de divulgación bajos, y se concluye que
estos conjuntos de datos obtenido se puede realizar una minería de datos similar a la que se
haría con los datos originales y sin comprometer información sensible.
|
48 |
A lowpower recording system for intracortical signal acquisition based on design specification relaxation and lower bandwidth filteringVitón Zorrilla, Luighi Anthony 19 January 2024 (has links)
In this thesis, we designed and evaluated a circuit model at the transistor level of a
low-resolution and low bandwidth ADC (analog-to-digital converter) with level-crossing
architecture (LCADC), used as part of the acquisition chain of a BCI (brain-to-computer
interface) device. The aim is to obtain minimal specifications that could return adequate
levels of accuracy at spike detection and reduce power dissipation. In addition, we included
a NEO preprocessor in the test to help in the detection accuracy. To achieve the
objectives proposed, we started developing a software model for the preprocessor and the
ADCs to evaluate the different variations of resolution, bandwidth, noise level, and NEO
window. After finding the desired minimum values, we continued with the hardware development
of the ADC. We designed the level crossing architecture and a conventional
SAR to have a reference against which we compare the LCADC performance. After that,
we developed a NEO circuit and applied synthesized neural recordings to evaluate power
consumption with the ADC. Additionally, we designed a conventional analog frontend to
estimate the power for the band of interest. Also, we estimated the dissipation for wireless
transmission by calculating the approximated data stream expected in the level-crossing
sampling scheme. Summing them, we obtained the power consumption of the complete
acquisition chain. In conclusion, although reducing the intrinsic power of the LCADC is
challenging, the scheme helps reduce the total power consumption of the acquisition chain
with adequate accuracy, making it competitive against currently reported BCI devices. / En esta tesis se ha diseñado y evaluado un circuito a nivel de transistores de un ADC
(conversor analógico-digital) de baja resolución y ancho de banda reducido con arquitectura
de cruce de nivel (LCADC), utilizado como parte de la cadena de adquisición de un
dispositivo BCI (interfaz cerebro-computadora). El objetivo es obtener especificaciones
mínimas que puedan devolver niveles adecuados de precisión en la detección de picos y
reducir la disipación de energía. Además, se incluyó un preprocesador NEO en la evaluación
para ayudar en la precisión de la detección. Para lograr los objetivos propuestos, se
desarrolló un modelo de software del preprocesador y los ADCs a fin de evaluar las diferentes
variaciones de resolución, ancho de banda, nivel de ruido y ventana del NEO. Luego
de encontrar los valores mínimos deseados, se continuó con el desarrollo de hardware del
ADC. Se diseñó la arquitectura de cruce de nivel y un SAR convencional para tener una
referencia con la cual comparar el rendimiento del LCADC. Después de eso, se desarrolló
un circuito NEO y se aplicó las señales neuronales sintetizadas para evaluar el consumo de
energía con el ADC. También, se diseñó una interfaz analógica convencional para estimar
la potencia de la banda de interés. Así mismo, se estimó la disipación de la transmisión
inalámbrica calculando el flujo de datos aproximado esperado en el esquema de muestreo
de cruce de nivel. Finalmente, sumando los resultados se obtuvo el consumo de energía de
la cadena de adquisición completa. A partir de estos, se concluye que aunque reducir la
potencia intrínseca del LCADC es un desafío, el esquema ayuda a disminuir el consumo
total de energía de la cadena de adquisición con una precisión adecuada; lo cual lo hace
competitivo frente a otros dispositivos BCI reportados actualmente.
|
49 |
Talking with signs: a simple method to detect nouns and numbers in a non annotated signs language corpusHuiza Pereyra, Eric Raphael 31 August 2020 (has links)
People with deafness or hearing disabilities who aim to use computer based systems rely on state-of-art video classification and human action recognition techniques that combine traditional movement pat-tern recognition and deep learning techniques. In this work we present a pipeline for semi-automatic video annotation applied to a non-annotated Peru-vian Signs Language (PSL) corpus along with a novel method for a progressive detection of PSL elements (nSDm). We produced a set of video annotations in-dicating signs appearances for a small set of nouns and numbers along with a labeled PSL dataset (PSL dataset). A model obtained after ensemble a 2D CNN trained with movement patterns extracted from the PSL dataset using Lucas Kanade Opticalflow, and a RNN with LSTM cells trained with raw RGB frames extracted from the PSL dataset reporting state-of-art results over the PSL dataset on signs classification tasks in terms of AUC, Precision and Recall. / Trabajo de investigación
|
50 |
Modelos de detección de emociones en texto y rostros para agentes conversacionales multimodalesBalbuena Galván, José Guillermo 06 April 2022 (has links)
El presente trabajo de investigación aborda la implementación, análisis y selección de
distintos modelos de redes neuronales recurrentes (RNN) y convolucionales (CNN)
para la detección de emociones en texto y rostros; los cuales pueden ser utilizados
como módulos adicionales en agentes conversacionales de tiempo real como son
chatbots o robots sociales. Los módulos de detección permiten a los agentes
conversacionales poder entender cómo se sienten las personas durante la interacción
con ellas; conociendo estos estados los agentes conversacionales pueden responder
empáticamente.
En primer lugar, se revisará la literatura sobre como los agentes conversacionales
buscan ser más empáticos, así como los métodos de detección de emociones mediante
distintos canales como texto y rostros. Luego, se procede a recolectar y pre-procesar
bases de datos públicas para el entrenamiento de los algoritmos seleccionados en base
a la literatura.
Finalmente, métricas tanto para la evaluación del rendimiento de predicción multiclase
(Accuracy, Precision, Recall y F1), como la velocidad de procesamiento (ej. Framesper-
second) son seleccionadas y analizadas para determinar cuáles son los mejores
algoritmos para implementar una aplicación de tiempo real.
|
Page generated in 0.103 seconds