General

11 Nov 2020

SCOT: MÓDULO DE CLASIFICACIÓN DE CHATARRAS. APLICACIÓN INDUSTRIAL DEL DEEP LEARNING

2020-11-11T17:29:39+02:00Categorías: General|Etiquetas: , , , |Sin comentarios

La inteligencia artificial y su aplicación al ámbito industrial es una realidad que ya está presente en nuestro entorno. El aprendizaje automático (Machine Learning) se basa en el uso de algoritmos para analizar los datos y aprender de ellos en base a ejemplos, y las técnicas asociadas al Deep Learning nos permiten implementar ese aprendizaje automático. Una de las aplicaciones prácticas del Deep Learning se puede ver en la planta que ArcelorMittal tiene en Sestao formando parte del sistema SCOT. El sistema proporciona en tiempo real la información del parque relativa a la cantidad de chatarra disponible, tipo de chatarra y su localización sobre un mapa de detalle del parque. El desarrollo del sistema SCOT ha sido liderado por ArcelorMittal Basque Country Research Centre. Cuando la chatarra entra en las instalaciones de una acería, ésta se distribuye en el interior del parque de chatarra, después de [...]

23 Sep 2020

¿POR QUÉ LAS TÉCNICAS DE DEEP LEARNING SUPERAN A LAS TÉCNICAS DE MACHINE LEARNING TRADICIONAL?

2020-09-23T09:25:04+02:00Categorías: General|Etiquetas: |Sin comentarios

En los últimos años, las técnicas de aprendizaje profundo (deep learning) han superado a los métodos tradicionales basados en aprendizaje máquina (machine learning) tradicional a la hora de realizar tareas de reconocimiento de patrones complejas. En este post trataremos de explicar las razones. Aprendizaje máquina y aprendizaje profundo El paradigma tradicional de aprendizaje máquina se basa en extracción y selección de descriptores de características relevantes para la tarea encomendada. Estas características son normalmente diseñadas por expertos con un buen conocimiento del dominio de aplicación. Los sistemas de visión artificial basados en aprendizaje máquina tradicional utilizaban características que eran capaces de extraer información de la imagen describiendo la forma, textura y  color de los diferentes elementos presentes en la imagen. Por ejemplo, los bancos de filtros de Gabor  o Local Binary Patterns (LBP) eran de uso común para extraer características de textura de la imagen o características [...]