RT info:eu-repo/semantics/bachelorThesis T1 Selección de canales en redes neuronales convolucionales mediante dropout A1 Padrón González, Miguel K1 Redes Neuronales K1 Deep Learning K1 Dropout AB En la actualidad, la tecnología juega un papel fundamental en la medicina, consiguiendograndes avances sobre todo en el diagnóstico de enfermedades gracias a la inteligenciaartificial.En este proyecto, he intentado añadir mi propia contribución a una investigación que selleva a cabo desde hace años en la ULL y de la cual forma parte mi tutor. Dichainvestigación tiene como objetivo el diagnóstico prematuro del glaucoma, unaenfermedad con una prevalencia significativa que puede llegar a acabar en una ceguerapermanente si no se interviene a tiempo. Para este fin, se está trabajando con redesneuronales convolucionales que constituyen el núcleo de este trabajo.A pesar de que se han obtenido buenos resultados con estas redes, se ha comprobado queel rendimiento de las mismas disminuye considerablemente si tienen que enfrentarse aimágenes capturadas con cámaras diferentes en circunstancias diferentes.A la vista de este problema, en este Trabajo Fin de Grado se plantea un nuevo métodoque permite adaptar las redes ya entrenadas a muestras diferentes de las usadas en elentrenamiento a través de un proceso de selección de canales de las capas de la red. Estemétodo está inspirado en los métodos clásicos de selección de características en MachineLearning, utilizando en nuestro caso la técnica de Dropout para desactivar o eliminar deforma efectiva los canales en la red. Los resultados encontrados son prometedores yparecen confirmar la validez del método. YR 2020 FD 2020 LK http://riull.ull.es/xmlui/handle/915/19799 UL http://riull.ull.es/xmlui/handle/915/19799 LA es DS Repositorio institucional de la Universidad de La Laguna RD 29-mar-2024