RT info:eu-repo/semantics/bachelorThesis
T1 Generación de elementos mediante técnicas de Deep Learning
A1 Martínez Martínez, Manuel
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Segovia
K1 Aprendizaje automático
K1 Inteligencia artificial - Programas y sistemas de programación
K1 Aprendizaje profundo
K1 Redes neuronales
K1 Redes generativas
K1 1203.17 Informática
AB En los últimos 10 años hemos visto grandes avances en el campo de la inteligenciaartificial. Más recientemente, aplicaciones comerciales utilizando redes generativas, comoson DALL-E 2 o Chat GPT han mostrado el potencial de las herramientas de análisis dellenguaje natural y la generación de imágenes. Sin embargo, estas aplicaciones emergentesno serían posibles sin el desarrollo previo de las redes generativas adversariales, las primerasredes capaces de generar objetos nuevos extrapolando distribuciones de probabilidadde conjuntos de datos.Para entender mejor el estado en el que se encuentra la tecnología en la actualidad,este trabajo presenta las redes precursoras de los métodos de atención y Transformers,utilizados en la actualidad para la generación de contenido, tanto escrito como visual. Eneste trabajo podremos observar el funcionamiento teórico de las redes generativas adversarialesy los resultados que produjeron las primeras implementaciones de las mismas, ycompararlos con la actualidad. Esto demostrará lo mucho que se ha avanzado en pocotiempo (alrededor de 9 años), además de ser una buena introducción para todo aquel quequiera entender el funcionamiento de la generación de elementos mediante técnicas deaprendizaje automático profundo.El código implementado se puede encontrar en:https://github.com/mapacheAgridulce/TFG-Generacion-elementos-DL.git
YR 2023
FD 2023
LK https://uvadoc.uva.es/handle/10324/59936
UL https://uvadoc.uva.es/handle/10324/59936
LA spa
DS UVaDOC
RD 23-nov-2024