Skip navigation
  •  Inicio
  • UDC 
    • Cómo depositar
    • Políticas do RUC
    • FAQ
    • Dereitos de Autor
    • Máis información en INFOguías UDC
  • Percorrer 
    • Comunidades
    • Buscar por:
    • Data de publicación
    • Autor
    • Título
    • Materia
  • Axuda
    • español
    • Gallegan
    • English
  • Acceder
  •  Galego 
    • Español
    • Galego
    • English
  
Ver ítem 
  •   RUC
  • Facultade de Informática
  • Traballos académicos (FIC)
  • Ver ítem
  •   RUC
  • Facultade de Informática
  • Traballos académicos (FIC)
  • Ver ítem
JavaScript is disabled for your browser. Some features of this site may not work without it.

Inteligencia Artificial Frugal: Aprendizaje Automático con datos limitados

Thumbnail
Ver/abrir
FernandezPerez_Pablo_TFG_2024.pdf (8.899Mb)
Use este enlace para citar
http://hdl.handle.net/2183/41386
Atribución-NoComercial-SinDerivadas 3.0 España
A non ser que se indique outra cousa, a licenza do ítem descríbese como Atribución-NoComercial-SinDerivadas 3.0 España
Coleccións
  • Traballos académicos (FIC) [716]
Metadatos
Mostrar o rexistro completo do ítem
Título
Inteligencia Artificial Frugal: Aprendizaje Automático con datos limitados
Autor(es)
Fernández Pérez, Pablo
Director(es)
Guijarro-Berdiñas, Bertha
Fontenla-Romero, Óscar
Data
2024-11
Centro/Dpto/Entidade
Universidade da Coruña. Facultade de Informática
Descrición
Traballo fin de mestrado (UDC.FIC). Enxeñaría Informática. Curso 2024/2025
Resumo
[Resumen]: Muchas soluciones actuales basadas en aprendizaje automático (AA) enfrentan desafíos como la escasez de datos, los elevados costes computacionales o la necesidad de rapidez de entrenamiento, que es uno de los problemas que se pueden encontrar en campos como la robótica, independientemente de si se dispone de datos suficientes. Este hecho da lugar a una nueva línea de investigación conocida como inteligencia artificial frugal y motiva la realización de este trabajo de final de grado, en el que se explorará el concepto de few-shot learning (FSL). Se trata de una técnica que busca capacitar a los modelos para realizar tareas con un número limitado de ejemplos de entrenamiento y que proporciona soluciones a los problemas anteriormente mencionados. Así, en primer lugar se realizará un análisis del estado del arte y se analizarán varios métodos basados en el concepto de FSL. Posteriormente, se llevará a cabo una comparativa de los mismos, utilizando conjuntos de datos adecuados. Además, se pondrá en práctica uno de estos métodos aplicándolo al problema de aprendizaje de un robot, con el objetivo de evaluar su efectividad y rendimiento en una tarea real. De esta forma, el trabajo no solo se centrará en la comprensión y aplicación del few-shot learning, sino que también proporcionará conocimientos prácticos sobre su aplicación en el campo de la robótica.
 
[Abstract]: Many current machine learning (ML) solutions face challenges such as data scarcity, high computational costs, and the need for fast training, which is one of the issues encountered in fields like robotics, regardless of whether sufficient data is available. This situation has given rise to a new line of research known as frugal artificial intelligence and motivates the realization of this final degree project, which will explore the concept of few-shot learning (FSL). FSL is a technique aimed at enabling models to perform tasks with a limited number of training examples and offers solutions to the previously mentioned problems. First, an analysis of the state of the art will be conducted, reviewing several methods based on the FSL concept. Then, a comparison of these methods will be carried out using appropriate datasets. Additionally, one of these methods will be applied to the problem of robot learning to evaluate its effectiveness and performance in a real task. In this way, the project will not only focus on understanding and applying few-shot learning but will also provide practical insights into its application in the field of robotics.
 
Palabras chave
Aprendizaje automático
Aprendizaje con pocos ejemplos
Aprendizaje profundo
Inteligencia artificial frugal
Metaaprendizaje
Red neuronal
Robótica
Machine learning
Few-shot learning
Deep learning
Frugal artificial intelligence
Meta-learning
Neural networks
Robotics
 
Dereitos
Atribución-NoComercial-SinDerivadas 3.0 España

Listar

Todo RUCComunidades e colecciónsPor data de publicaciónAutoresTítulosMateriasGrupo de InvestigaciónTitulaciónEsta colecciónPor data de publicaciónAutoresTítulosMateriasGrupo de InvestigaciónTitulación

A miña conta

AccederRexistro

Estatísticas

Ver Estatísticas de uso
Sherpa
OpenArchives
OAIster
Scholar Google
UNIVERSIDADE DA CORUÑA. Servizo de Biblioteca.    DSpace Software Copyright © 2002-2013 Duraspace - Suxestións