Reconocimiento de gestos dinámicos (Record no. 56122)

MARC details
000 -CABECERA
campo de control de longitud fija 05029nam a2200301 a 4500
003 - IDENTIFICADOR DEL NÚMERO DE CONTROL
campo de control AR-LpUFIB
005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN
campo de control 20250311170428.0
008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL
campo de control de longitud fija 230201s2014 ag a rm 000 0 spa d
024 8# - Otro identificador estandar
Número estándar o código DIF-M6941
-- 7106
-- DIF006341
040 ## - FUENTE DE LA CATALOGACIÓN
Centro catalogador/agencia de origen AR-LpUFIB
Lengua de catalogación spa
Centro/agencia transcriptor AR-LpUFIB
100 1# - ENTRADA PRINCIPAL--NOMBRE DE PERSONA
Nombre de persona Quiroga, Facundo Manuel
245 10 - MENCIÓN DE TÍTULO
Título Reconocimiento de gestos dinámicos
260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC.
Fecha de publicación, distribución, etc. 2014
300 ## - DESCRIPCIÓN FÍSICA
Extensión xii, 218 p. :
Otras características físicas il. +
Material acompañante/anejo 2 CD-ROM
502 ## - NOTA DE TESIS
Nota de tesis Tesina (Licenciatura en Informática) - Universidad Nacional de La Plata, Facultad de Informática, 2014.
505 0# - NOTA DE CONTENIDO CON FORMATO
Nota de contenido con formato Resumen -- Prefacio -- Métodos -- 1. Aprendizaje Automático -- 1.1. Introducción -- 1.2. Un ejemplo: Reconocimiento de Gestos -- 1.3. Aplicaciones -- 1.4. Entrenamiento Supervisado y No Supervisado -- 1.5. Clasificación -- 1.5.1. El Perceptrón -- 1.5.2. Experimentos de clasificación -- 1.5.3. Generalización . -- 1.5.4. Sobre-especialización y regularización -- 1.5.5. Modelo de clasificación con estructura probabilística -- 1.5.6. Modelo de clasificación multiclase -- 1.6. Resumen -- 2. Maquinas de Vectores de Soporte (SVM) -- 2.1. Introducción -- 2.2. Clasificador de Márgen Máximo -- 2.3. Modelo de Márgenes Suaves -- 2.4. Forma Dual -- 2.5. Análisis de los valores de αi -- 2.6. El truco del Kernel -- 2.7. Adaptación para el reconocimiento multiclase -- 2.8. Resumen -- 3. Redes neuronales -- 3.1. Introducción -- 3.2. Modelos de redes neuronales artificiales -- 3.2.1. El Perceptrón: una red neuronal simple -- 3.3. Redes Feedforward -- 3.3.1. Varias clases -- 3.3.2. Capas ocultas -- 3.3.3. Funciones no lineales -- 3.3.4. Algoritmo de entrenamiento Backpropagation -- 3.4. Redes Competitivas -- 3.4.1. Aprendizaje competitivo en redes "El ganador se lo lleva todo" -- 3.5. Resumen -- 4. Gestos -- 4.1. Introducción -- 4.2. Clasificaciones -- 4.2.1. Clasificación de McNeill -- 4.2.2. Clasificación para su reconocimiento -- 4.3. Modelado y propiedades de los gestos dinámicos -- 4.3.1. Modelo de gestos con parametrización temporal -- 4.3.2. Modelo de gestos con parametrización por longitud de arco -- 4.4. Resumen -- II -- Aplicaciones -- 5. Bases de datos y características para el reconocimiento de gestos -- 5.1.Introducción -- 5.2.Base de datos de gestos de letras y números arábigos (LNHG) -- 5.3.El Kinect y su SDK -- 5.3.1. Kinect -- 5.3.2. SDK y Algoritmo de tracking del cuerpo -- 5.4.Preprocesamiento -- 5.4.1. Rotación -- 5.4.2. Suavizado -- 5.4.3. Re-muestreo -- 5.5.Características -- 5.5.1. Versiones discretas de las propiedades de los gestos -- 5.6. Base de datos de gestos Celebi2013 -- 5.7. Resumen -- 6. El Clasificador Neuronal Competitivo (CNC) -- 6.1. Introducción -- 6.2. Clasificador Neuronal Competitivo -- 6.2.1. Adaptación y funcionamiento de cada red -- 6.2.2. Combinación de los resultados de cada red -- 6.2.3. Bagging -- 6.2.4. Entrada al CNC -- 6.3. Modelos de reconocimiento a comparar -- 6.3.1. Support Vector Machine (SVM) -- 6.3.2. Redes Neuronales Feedforward (FF) -- 6.3.3. Clasificador basado en templates -- 6.4. Resumen -- -- 7. Experimentos y resultados -- 7.1. Introducción -- 7.2. Experimentos con base de datos LNHG -- 7.2.1. SVM -- 7.2.2. Feedforward -- 7.2.3. Templates -- 7.2.4. CNC -- 7.2.5. Comparación -- 7.3. Experimentos con base de datos Celebi2013 -- 7.4. Resumen -- 8. Conclusiones generales y trabajos futuros -- A. Aprendizaje automático -- A.1. Validación cruzada -- A.1.1. VC de k-iteraciones -- A.1.2. VC dejando-uno-afuera -- A.1.3. VC aleatoria -- A.1.4. VC estratificada -- A.1.5. Pruebas de hipótesis con VC -- A.2. Funciones de pérdida -- B. SVM -- B.1. Condiciones KKT, Lagrangiano y Dual de Wolfe -- B.1.1. Condiciones KKT -- B.1.2. Problema Dual -- B.2. Algoritmo de optimización SMO -- B.2.1. Optimización de L D -- B.2.2. Regla de actualización para α1 y α2 -- B.2.3. Elección de las variables αi y α j y pseudocódigo del algoritmo -- B.2.4. Función optimize(i, j) -- B.2.5. Derivación de la regla de actualización de SMO -- C. Redes neuronales -- C.1. Backpropagation -- C.1.1. Backpropagation con una red de dos capas y neuro-nas lineales -- C.1.2. Derivación de ∂E j con una red de tres capas -- ∂W -- C.1.3. Derivación de ∂E j para cualquier topología de red -- ∂W -- C.2. Consideraciones para aplicar Backpropagation -- C.2.1. Overfitting -- C.2.2. Mínimos locales -- C.2.3. Algoritmo de entrenamiento Resilient Backpropaga-tion
650 #4 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia o nombre geográfico como elemento de entrada PROCESAMIENTO DE SEÑALES
650 #4 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia o nombre geográfico como elemento de entrada APRENDIZAJE AUTOMÁTICO
650 #4 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia o nombre geográfico como elemento de entrada REDES NEURONALES
653 ## - TÉRMINO DE INDIZACIÓN--NO CONTROLADO
Término no controlado reconocimiento de gestos
653 ## - TÉRMINO DE INDIZACIÓN--NO CONTROLADO
Término no controlado clasificación
653 ## - TÉRMINO DE INDIZACIÓN--NO CONTROLADO
Término no controlado máquinas de vectores de soporte
653 ## - TÉRMINO DE INDIZACIÓN--NO CONTROLADO
Término no controlado kinect
700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA
Nombre de persona Lanzarini, Laura Cristina ,
-- Director/a
700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA
Nombre de persona Corbalán, Leonardo César ,
-- Codirector/a
856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS
Identificador Uniforme del Recurso <a href=" http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=977"> http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=977</a>
942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA)
Tipo de ítem Koha Tesis de posgrado
Holdings
Estado de retiro Estado de pérdida Estado dañado Disponibilidad Biblioteca permanente Biblioteca actual Fecha de adquisición Número de inventario Total de préstamos Signatura topográfica completa Código de barras Fecha visto por última vez Precio válido a partir de Tipo de ítem Koha Colección Identificador Uniforme del Recurso
      Consulta en Sala Biblioteca de la Facultad de Informática Biblioteca de la Facultad de Informática 11/03/2025 DIF-04357   TES 14/11 DIF-04357 11/03/2025 11/03/2025 Tesis de posgrado    
      No corresponde Biblioteca de la Facultad de Informática Biblioteca de la Facultad de Informática 11/03/2025         11/03/2025 11/03/2025 Tesis de posgrado Biblioteca digital http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=977