Identificador persistente para citar o vincular este elemento:
http://hdl.handle.net/10553/18830
Título: | Utilización de redes neuronales recurrentes para el análisis de firmas | Autores/as: | Garbisu Arocha, Héctor | Director/a : | Hernández Tejera, Francisco Mario | Clasificación UNESCO: | 120317 Informática | Palabras clave: | Red neuronal LSTM Firmas Análisis |
Fecha de publicación: | 2016 | Resumen: | 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. |
Departamento: | Departamento de Informática Y Sistemas | Titulación: | Grado en Ingeniería Informática | URI: | http://hdl.handle.net/10553/18830 | Derechos: | by-nc-nd |
Colección: | Trabajo final de grado |
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.
Vista completaVisitas
172
actualizado el 13-ene-2024
Descargas
2.922
actualizado el 13-ene-2024
Google ScholarTM
Verifica
Comparte
Exporta metadatos
Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.