Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/63210
Título
Métodos generativos basados en transporte óptimo
Director o Tutor
Año del Documento
2023
Titulación
Grado en Matemáticas
Resumen
En los últimos 10 años hemos visto grandes avances en el campo de la inteligencia
artificial. Estas aplicaciones emergentes no serían posibles sin el desarrollo previo de los
autocodificadores, redes capaces de generar objetos nuevos extrapolando distribuciones
de probabilidad de conjuntos de datos, utilizando técnicas que reducen la dimensión de
los datos. Esto nos lleva a preguntarnos cómo funcionan estas redes y cómo es la realidad
actual de las aplicaciones más punteras.
Para entender mejor el estado en el que se encuentra la tecnología, este trabajo presenta
las redes que conforman la base de los métodos actuales, utilizados en la actualidad para
la generación de elementos escritos y visuales. En el trabajo se explica el funcionamiento
de los autocodificadores y los resultados que produjeron implementaciones de las mismas
basadas en el transporte óptimo. Esto demostrará lo mucho que se ha avanzado en poco
tiempo, además de ser una buena introducción para todo aquel que quiera entender el
funcionamiento de las redes de aprendizaje profundo más punteras. The last 10 years have seen great advances in the field of artificial intelligence. These
emerging applications would not be possible without the prior development of autoencoders,
networks capable of generating new objects by extracting probability distributions
from datasets, using dimensional reduction techniques over the sets. This leads us to
ask ourselves how these networks work and what is the current reality of state-of-the-art
applications.
To better understand the state-of-the-art, this paper presents this networks, which
form the basis of the current methods used today for the generation of written and visual
elements. The paper explains how autoencoders work and implementations of them based
on optimal transport. This will demonstrate how much progress has been made in a
short time, as well as being a good introduction for anyone who wants to understand the
behavior of state-of-the-art deep learning networks.
Palabras Clave
Aprendizaje automático
Redes neuronales
Aprendizaje profundo
Departamento
Departamento de Estadística e Investigación Operativa
Idioma
spa
Derechos
openAccess
Aparece en las colecciones
- Trabajos Fin de Grado UVa [28700]
Ficheros en el ítem
![Attribution-NonCommercial-NoDerivatives 4.0 Internacional](/themes/Mirage2//images/creativecommons/cc-by-nc-nd.png)