Las redes deconvolucionales son redes neuronales convolucionales (CNN) que funcionan en un proceso inverso. Las redes deconvolucionales, también conocidas como redes neuronales deconvolucionales, son de naturaleza muy similar a las CNN que se ejecutan a la inversa, pero son una aplicación distinta de la inteligencia artificial (IA).
Las redes deconvolucionales se esfuerzan por encontrar características o señales perdidas que antes no se habían considerado importantes para la tarea de una red neuronal convolucional. Una señal puede perderse debido a que se ha enredado con otras señales. La deconvolución de señales se puede utilizar tanto en la síntesis como en el análisis de imágenes.
Una red neuronal convolucional emula el funcionamiento de la función del lóbulo frontal del cerebro biológico en el procesamiento de imágenes. Una red neuronal deconvolucional se construye hacia arriba a partir de datos procesados. Esta función inversa puede verse como una ingeniería inversa de redes neuronales intrincadas, construyendo capas capturadas como parte de la imagen completa del campo de visión de visión artificial y separando lo que se ha enrevesado.
Las redes deconvolucionales están relacionadas con otros métodos de aprendizaje profundo utilizados para la extracción de características de datos jerárquicos, como los que se encuentran en las redes de creencias profundas y los codificadores automáticos con escasa jerarquía. Las redes deconvolucionales se utilizan principalmente en campos de estudio científicos y de ingeniería.
Esto se actualizó por última vez en Abril de 2018
Continuar leyendo Acerca de las redes deconvolucionales (redes neuronales deconvolucionales)