Aplicación de técnicas de aprendizaje profundo (Deep Learning) al análisis y mejora de la eficiencia en sistemas de ingeniería
Autor(es) y otros:
Director(es):
Centro/Departamento/Otros:
Palabra(s) clave:
Algoritmos de aprendizaje profundo
Sistemas de ingeniería
Fecha de publicación:
Descripción física:
Resumen:
A lo largo de la última década, los algoritmos de aprendizaje profundo o deep learning se han convertido en un motor de innovación y transformación, con impacto en una amplia variedad de sectores y aplicaciones. Las grandes empresas tecnológicas de nuestro tiempo recurren ya a estos algoritmos como herramientas indispensables en el desarrollo de sus productos e incluso cualquier tarea cotidiana —como el uso del traductor, el reconocimiento facial o de voz en nuestros smart phones— lleva implícito hoy en día el uso de tecnología deep learning. Dado su gran rendimiento, estas técnicas no dejan de crecer en popularidad y se enfrentan a retos cada vez más ambiciosos. El aprendizaje profundo constituye, por tanto, un campo de investigación en constante evolución, con resultados sorprendentes en una amplia variedad de aplicaciones y que ha revolucionado por completo el procesamiento de datos en ámbitos como el tratamiento de imagen y vídeo, o el análisis del lenguaje. Sin embargo, estas técnicas podrían tener un gran impacto en muchos otros sectores, aún poco explorados. Uno de estos ámbitos es el de los sistemas de ingeniería que —con la madurez de las comunicaciones, los sistemas de almacenamiento y la riqueza en sensores— comienza a gozar de una alta disponibilidad de datos para una amplia variedad de problemas complejos, que podrían verse beneficiados por los avances que las técnicas deep learning ya han protagonizado en otros contextos. En consecuencia, se presenta en esta tesis un estudio del estado del arte actual y de las potenciales contribuciones del aprendizaje profundo en el ámbito de los sistemas de ingeniería.
A lo largo de la última década, los algoritmos de aprendizaje profundo o deep learning se han convertido en un motor de innovación y transformación, con impacto en una amplia variedad de sectores y aplicaciones. Las grandes empresas tecnológicas de nuestro tiempo recurren ya a estos algoritmos como herramientas indispensables en el desarrollo de sus productos e incluso cualquier tarea cotidiana —como el uso del traductor, el reconocimiento facial o de voz en nuestros smart phones— lleva implícito hoy en día el uso de tecnología deep learning. Dado su gran rendimiento, estas técnicas no dejan de crecer en popularidad y se enfrentan a retos cada vez más ambiciosos. El aprendizaje profundo constituye, por tanto, un campo de investigación en constante evolución, con resultados sorprendentes en una amplia variedad de aplicaciones y que ha revolucionado por completo el procesamiento de datos en ámbitos como el tratamiento de imagen y vídeo, o el análisis del lenguaje. Sin embargo, estas técnicas podrían tener un gran impacto en muchos otros sectores, aún poco explorados. Uno de estos ámbitos es el de los sistemas de ingeniería que —con la madurez de las comunicaciones, los sistemas de almacenamiento y la riqueza en sensores— comienza a gozar de una alta disponibilidad de datos para una amplia variedad de problemas complejos, que podrían verse beneficiados por los avances que las técnicas deep learning ya han protagonizado en otros contextos. En consecuencia, se presenta en esta tesis un estudio del estado del arte actual y de las potenciales contribuciones del aprendizaje profundo en el ámbito de los sistemas de ingeniería.
Notas Locales:
DT(SE) 2023-035
Colecciones
- Tesis [7456]
- Tesis doctorales a texto completo [1980]
Ficheros en el ítem
![Thumbnail](/dspace/bitstream/handle/10651/70370/TD_AnaGonzalezMu%c3%b1iz.pdf.jpg?sequence=3&isAllowed=y)