Documente Academic
Documente Profesional
Documente Cultură
Agenda
Resumen Introduccin Planteamiento del problema Red neuronal y Funcin Objetivo Problemas Descripcin de la implementacin Resultados Conclusiones Referencias
Resumen
Este video tiene como objetivo dar ha conocer una forma de implementar una aplicacin bsica capaz de comprimir imgenes usando la teora de Redes Neuronales Artificiales (RNA) junto con el lenguaje de programacin java y adems contrastar el rendimiento de esta, con otras aplicaciones del mismo tipo.
Introduccin
En el mundo de la informtica cada da surgen ms aplicaciones en las que las imgenes digitales son de gran importancia, nos encontramos en la llamada sociedad de la informacin invadidos por innumerables medios, estos manejan mltiples recursos como imgenes que entre toda informacin son los que ms capacidad exigen por lo que la gran tarea es mejorar la eficiencia en su transmisin y posterior almacenamiento.
Introduccin
No obstante la capacidad de los dispositivos actuales para el almacenamiento de la informacin ha crecido de forma exponencial, sin embargo el tamao, cantidad y calidad de las imgenes tambin lo que ha, dado lugar al desarrollo de distintas tcnicas de compresin de la informacin.
Consideraciones
Hay que notar que el dominio de nuestra funcin se encuentra en [1, k] y adems que no nos interesara la salida de la RNA para entradas entre dos nmero enteros consecutivos que pertenecen al dominio de nuestra funcin.
Problemas
Al momento nuestro sistemas parece ideal sin embargo se presentan algunos problemas y de la solucin de ellos depender el xito o fracaso de esta tcnica de compresin de imgenes.
Resultado
Imagen Original
Imagen recuperada
Conclusiones
Definitivamente el uso de redes neuronales artificiales (RNA) en diferentes mbitos va en aumento debido a sus buenos acercamientos y relativa complejidad, adems de las mltiples herramientas que nos permiten la manipulacin de estas estructuras. En el rea de compresin de imgenes se presentan muchas dificultades a la hora de implementar estas aplicaciones principalmente en la definicin de los parmetros de la Red neuronal para ello se necesita de un sistema experto en ocasiones el ser humano.
Conclusiones
Sin embargo en cuanto al tiempo necesario para comprimir y descomprimir la imagen digital a partir de los parmetros de la red neuronal esta muy por detrs de las aplicaciones como las mencionadas anteriormente principalmente esto se debe que para cada imagen la RNA se debe reentrenar haciendo de esta caracterstica un gran inconveniente.
Referencias
[1] Kaschel C., Hctor, Watkins, Francisco, San Juan U., Enrique. COMPRESIN DE VOZ MEDIANTE TCNICAS DIGITALES PARA EL PROCESAMIENTO DE SEALES YAPLICACIN DE FORMATOS DE COMPRESIN DE IMGENES. Revista Facultad de Ingeniera, Vol. 13, nm. 3, 2005. UNIVERSIDAD DE TARAPACA CHILE.
[2]Roldn Hernndez, lvaro Fernando, Lugo Currea, Nstor Andrs, Gaona Barrera, Andrs Eduardo. ESTUDIO DE DOS ESTRUCTURAS NEURONALES FEED-FORWARD PARA LA COMPRESION DE IMGENES DIGITALES. Revista Facultad de Ingeniera, nm. 65, diciembre, 2012. UNIVERSIDAD DE ANTIOQUIA MEDELLIN, COLOMBIA
[3]Serna Encinas, Mara Trinidad; Gmez Almeida, Guillermo; Rose Gmez, Csar Enrique ALGORITMO DE COMPRESION DE DATOS PARA LA ARQUITECTURA MOLAP Conciencia Tecnolgica, nm. 43, enero-junio, 2012. Instituto Tecnolgico de Aguascalientes Aguascalientes, Mxico