Transferencia de aprendizaje con VGG16 para la evaluación del algoritmo de explicación de IA LIME

Simple item page
dc.audiencegeneralPublic
dc.contributorGarcía Sánchez, Enrique Rafael
dc.contributorGómez Gil, María del Pilar
dc.contributor.advisorGARCIA SANCHEZ, ENRIQUE RAFAEL; 587716
dc.contributor.advisorGómez Gil, María del Pilar; 70724
dc.contributor.authorSolar Hernández, Rafael
dc.date.accessioned2024-01-26T21:18:32Z
dc.date.available2024-01-26T21:18:32Z
dc.date.issued2023-08
dc.description.abstract"Las aplicaciones de visión artificial son uno de los ejemplos del éxito de las técnicas de aprendizaje profundo, las cuales pertenecen al campo de la Inteligencia Artificial (IA). En particular, las Redes Neuronales Convolucionales Profundas (DCNN por sus siglas en inglés) han demostrado un notable desempeño en la clasificación de imágenes y visión artificial. Sin embargo, en la actualidad el claro entendimiento de estos modelos por parte de usuarios y diseñadores sigue siendo una de las barreras para la implementación de la IA. Una herramienta para obtener cierta explicabilidad de un modelo DCNN es LIME (Explicaciones Independientes de Modelo Interpretables de Forma Local, por sus siglas del inglés), el cual consiste en perturbar la entrada de un sistema de clasificación para observar cómo cambia su predicción. En este proyecto de investigación se realiza un análisis del comportamiento del algoritmo LIME en una tarea simple de clasificación basado en imágenes naturales. Además, se desarrolló una interfaz web que, dada una imagen, muestre el resultado del clasificador y de LIME, lo cual permite a los usuarios analizar diferentes tipos de imágenes y observar la congruencia de la explicación de LIME con respecto a la manera en que los humanos explicaríamos dicha clasificación."
dc.folio20230904151741-9874-TL
dc.formatpdf
dc.identificator7
dc.identifier.urihttps://hdl.handle.net/20.500.12371/19849
dc.language.isospa
dc.matricula.creator201631839
dc.publisherBenemérita Universidad Autónoma de Puebla
dc.rights.accesopenAccess
dc.rights.urihttp://creativecommons.org/licenses/by/4.0
dc.subject.classificationINGENIERÍA Y TECNOLOGÍA
dc.subject.lccVisión por computadora--Métodos gráficos
dc.subject.lccInteligencia artificial
dc.subject.lccProcesamiento de imágenes--Técnicas digitales
dc.subject.lccRedes neuronales (Computación)
dc.subject.lccAprendizaje automático (Inteligencia artificial)
dc.subject.lccSegmentación de imagen
dc.subject.lccAlgoritmos computacionales
dc.subject.lccAplicaciones web--Desarrollo
dc.thesis.careerLicenciatura en Ingeniería en Mecatrónica
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactas
dc.thesis.degreegrantorFacultad de Ciencias de la Electrónica
dc.thesis.degreetoobtainIngeniero (a) en Mecatrónica
dc.titleTransferencia de aprendizaje con VGG16 para la evaluación del algoritmo de explicación de IA LIME
dc.typeTesis de licenciatura
dc.type.conacytbachelorThesis
dc.type.degreeLicenciatura
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
20230904151741-9874-TL.pdf
Size:
4.57 MB
Format:
Adobe Portable Document Format
Download
Name:
20230904151741-9874-CARTA.pdf
Size:
878.82 KB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis de Licenciatura