Implementación de las principales capas que constituyen una red neuronal convolucional secuencial en lógica reconfigurable
dc.audience | generalPublic | es_MX |
dc.contributor | Quiroz Hernández, Nicolás | |
dc.contributor | Maya Rueda, Selene Edith | |
dc.contributor.advisor | QUIROZ HERNANDEZ, NICOLAS; 83264 | |
dc.contributor.author | Hernández Badillo, Oscar Kaleb | |
dc.date.accessioned | 2022-09-08T15:05:13Z | |
dc.date.available | 2022-09-08T15:05:13Z | |
dc.date.issued | 2022-02-01 | |
dc.description.abstract | "Este trabajo presenta la implementación de las principales capas de una red neuronal convolucional, como es la operación de convolución, la función de activación ReLU, el operador Pooling y el perceptrón, además, se implementó una unidad de punto flotante con un formato de 24 bits para realizar las operaciones de suma, resta y multiplicación. Los módulos fueron implementados en el IDE de desarrollo ISE DESIGN SUITE en su versión 14.6, una vez implementados y conforme se fueron haciendo más robustos, se migraron al IDE de desarrollo VIVADO en su versión 2020.2. Se hizo uso de una PC con un procesador AMD Ryzen 7 de 64 bits con 8 núcleos y con una frecuencia de 2.3 GHz para programar los scripts que arrojan los valores correctos que son comparados con los resultados de los módulos implementados para determinar la calidad de su funcionamiento. Se implementó un módulo que realiza la suma y resta en formato de 24 bits de punto flotante y un módulo que realiza la multiplicación, es posible realizar divisiones si se representan números con exponente negativo". | es_MX |
dc.folio | 20220202094145-6533-T | es_MX |
dc.format | es_MX | |
dc.identificator | 7 | es_MX |
dc.identifier.uri | https://hdl.handle.net/20.500.12371/16266 | |
dc.language.iso | spa | es_MX |
dc.matricula.creator | 219470605 | es_MX |
dc.publisher | Benemérita Universidad Autónoma de Puebla | es_MX |
dc.rights.acces | openAccess | es_MX |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
dc.subject.classification | INGENIERÍA Y TECNOLOGÍA | es_MX |
dc.subject.lcc | Inteligencia artificial--Investigación | es_MX |
dc.subject.lcc | Redes neuronales (Computación) | es_MX |
dc.subject.lcc | Aprendizaje profundo | es_MX |
dc.subject.lcc | Aprendizaje automático | es_MX |
dc.subject.lcc | Sistemas de reconocimiento de configuraciones | es_MX |
dc.thesis.career | Maestría en Ingeniería Electrónica | es_MX |
dc.thesis.degreediscipline | Área de Ingeniería y Ciencias Exactas | es_MX |
dc.thesis.degreegrantor | Facultad de Ciencias de la Electrónica | es_MX |
dc.thesis.degreetoobtain | Maestro (a) en Ingeniería Electrónica, opción instrumentación Electrónica | es_MX |
dc.title | Implementación de las principales capas que constituyen una red neuronal convolucional secuencial en lógica reconfigurable | es_MX |
dc.type | Tesis de maestría | es_MX |
dc.type.conacyt | masterThesis | es_MX |
dc.type.degree | Maestría | es_MX |
Files
Original bundle
1 - 2 of 2
Loading...
- Name:
- 20220202094145-6533-TL.pdf
- Size:
- 2.37 MB
- Format:
- Adobe Portable Document Format
- Description:

- Name:
- 20220202094145-6533-CARTA.pdf
- Size:
- 648.56 KB
- Format:
- Adobe Portable Document Format
- Description:
License bundle
1 - 1 of 1

- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: