Please use this identifier to cite or link to this item: http://hdl.handle.net/10553/18830
Title: Utilización de redes neuronales recurrentes para el análisis de firmas
Authors: Garbisu Arocha, Héctor
Director: Hernández Tejera, Francisco Mario 
UNESCO Clasification: 120317 Informática
Keywords: Red neuronal
LSTM
Firmas
Análisis
Issue Date: 2016
Abstract: This grade project involves the study, design, implementation and test of an signature identification system using neural networks. Recurrent neural networks,also known as recursive neural networks, show a architectonic configuration that able output signals to be fed back to the same, or previous neurons. This feature can be used, as in this project, to build a system especialized on temporal pattern recognition, given that signatures can be seen as sequence of points in time.
Este Trabajo de Fin de Grado está orientado al estudio, diseño, implementación y evaluación de un sistema para identificación de firmas utilizando redes neuronales recurrentes. Las redes neuronales recurrentes, también conocidas como redes neuronales recursivas, tienen una configuración arquitectónica que permite que parte de la señal de salida de algunas o todas las neuronas se realimente hacia las entradas de la misma neurona u otras situadas en el mismo o anterior nivel de procesamiento en la red. Esta característica se puede utilizar, como se pretende en este proyecto, para especializar a un sistema en el reconocimiento de patrones temporales., considerando una firma en su ejecución como una secuencia temporal de puntos.
Department: Departamento de Informática Y Sistemas
Degree: Grado en Ingeniería Informática
URI: http://hdl.handle.net/10553/18830
Rights: by-nc-nd
Appears in Collections:Trabajo final de grado
Thumbnail
Memoria
Adobe PDF (1,08 MB)
Código
ZIP (293,65 kB)

En el caso de que no encuentre el documento puede ser debido a que el centro o las/os autoras/es no autorizan su publicación. Si tiene verdadero interés en el contenido del mismo, puede dirigirse al director/a o directores/as del trabajo cuyos datos encontrará más arriba.

Show full item record

Page view(s)

172
checked on Jan 13, 2024

Download(s)

2,922
checked on Jan 13, 2024

Google ScholarTM

Check


Share



Export metadata



Items in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.