Escucha «SintonIA 13 – Redes neuronales convolucionales» en Spreaker.
Siguiendo nuestro ciclo sobre redes neuronales, esta vez le toca el turno a las redes neuronales convolucionales. Responsables de la gran popularidad del deep learning en los últimos años, las redes convolucionales han cambiado drásticamente como diseñamos sistemas para imágenes. En este episodio hablamos sobre convoluciones, clases de primaria y COVID con nuestra compañera Anabel Gómez Ríos.
Enlaces:
● A last-in first-out stack data structure implemented in DNA. Annunziata Lopiccolo, Ben Shirt-Ediss, Emanuela Torelli, Abimbola Feyisara Adedeji Olulana, Matteo Castronovo, Harold Fellermann & Natalio Krasnogor. NATURE COMMUNICATIONS
(2021)12:4861. https://doi.org/10.1038/s41467-021-25023-6.
● The Klimt Color Enigma. https://www.youtube.com/watch?v=ZS4mEQCRz2Y.
● Proyecto VRAILEXIA. https://vrailexia.eu/es/.
● Becas FPU. https://www.universidades.gob.es/portal/site/universidades/menuitem.3fa82a7cab101038d5895bd0026041a0/?vgnextoid=05b2fb16410ec710VgnVCM1000001d04140aRCRD.
● Common pitfalls and recommendations for using machine learning to detect and prognosticate for COVID-19 using chest radiographs and CT scans. Michael Roberts, Derek Driggs, Matthew Thorpe, Julian Gilbey , Michael Yeung, Stephan Ursprung, Angelica I. Aviles-Rivero, Christian Etmann, Cathal McCague, Lucian Beer, Jonathan R. Weir-McCall , Zhongzhao Teng, Effrossyni Gkrania-Klotsas, AIX-COVNET, James H. F. Rudd, Evis Sala and Carola-Bibiane Schönlieb. NATURE MACHINE INTELLIGENCE, VOL 3, MARCH 2021, 199–217. https://www.nature.com/articles/s42256-021-00307-0.pdf.