Results overview: Found 3 records in 0.03 seconds.
Research literature, 3 records found
Research literature 3 records found  
1.
11 p, 1.5 MB Predicció del preu de criptomonedes utilitzant tècniques de Deep Learning / Cervantes Álvarez, Abel ; Sánchez Albaladejo, Gemma, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Universitat Autònoma de Barcelona. Escola d'Enginyeria
L'objectiu d'aquest projecte consisteix en aplicar de manera comparativa tres models diferents de Deep Learning que serveixin per a predir quin serà el preu d'una criptomoneda en el minut següent i el desenvolupament d'una aplicació que posi els models en producció per ajudar en la presa de decisions a l'hora de fer inversions a curt termini. [...]
El objetivo de este proyecto consiste en aplicar de manera comparativa tres modelos diferentes de Deep Learning que sirvan para predecir qual será el precio de una criptomoneda en el siguiente minuto y el desarrollo de una aplicación que ponga los modelos en producción para ayudar en la toma de decisiones a corto plazo. [...]
The aim of this project consists of a comparative application of three different Deep Learning models which are capable to predict the price of a cryptocurrency in the next minute and the development of an application which puts the models in production and helps with short term invest decision making. [...]

2018-07-01
Enginyeria Informàtica [958]  
2.
7 p, 1.0 MB Convolutional neural networks for image processing / Palacios Hidalgo, Daniel ; Baldrich i Caselles, Ramón, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Universitat Autònoma de Barcelona. Escola d'Enginyeria
In this paper related to the Final Degree Project of Daniel Palacios Hidalgo under the supervision of Ramón Baldrich and with the support of the Autonomous University of Barcelona, the original Style Transfer Algorithm, a Denoising Convolutional Network and a Deep Dreaming network will be exposed in depth. [...]
En aquest article, l'algorisme original de Style Transfer, una xarxa neuronal per eliminar soroll en imatges, i l'algorisme de Deep Dreaming són exposats en profunditat. El principal objectiu d'aquest projecte és entendre el funcionament, com implementar-los, i finalment, avaluar els resultats obtinguts comparant-los amb les implementacions originals dels seus respectius autors, utilitzant el framework PyTorch.
En este artículo el algoritmo original de Style Transfer, una red convolucional para la eliminación de ruido, y el algoritmo de Deep Dreaming son expuestos en profundidad. El principal objetivo de este proyecto es entender como funcionan, como implementarlos, y finalmente, evaluar los resultados obtenidos comparándolos con las implementaciones originales de sus respectivos autores utilizando el framework PyTorch.

2018-07-01
Enginyeria Informàtica [958]  
3.
12 p, 8.7 MB Anàlisi semàntic d'imatges en xarxes socials amb tècniques de deep learning / Reyes Martí, Marc ; Gonzàlez i Sabaté, Jordi, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Universitat Autònoma de Barcelona. Escola d'Enginyeria
Aquest projecte proposa un mètode per a classificar diferents imatges segons quins aliments es poden veure en elles. S'utilitzen dos conjunts d'imatges etiquetades segons quin aliment es veu en elles, un dividit en 101 classes i l'altre en 256 classes. [...]
This project proposes a method for classifying different images depending on what foods we can see in the pictures. Use two sets of images tagged as what food is in them, one divided into 101 classes and other divided into 256 classes. [...]
Este proyecto propone un método para clasificar diferente imágenes según que alimentos podemos visualizar en elles. Se usan dos conjuntos de imagenes etiquetadas según que alimentos se pueden ver en elles, uno dividido en 101 clases i el otro en 256 clases. [...]

2017-02-07
Enginyeria Informàtica [958]  

Interested in being notified about new results for this query?
Set up a personal email alert or subscribe to the RSS feed.