23/07/2025
🎓 Nuevo artículo científico en Ciencias Puras
📘 Volumen 2, Número 1 – Julio 2025
En esta edición, la investigadora Maribel Rosario Condori Llanos de la Carrera de Ingeniería Informática presenta:
🧠 “Aplicación de redes neuronales convolucionales para el reconocimiento de imágenes: comparación de modelos de Deep Learning”
Este estudio evalúa y compara distintos modelos de aprendizaje profundo para el reconocimiento de imágenes, utilizando redes neuronales convolucionales (CNN) implementadas con Python y TensorFlow.
📸 ¿Qué significa esto en palabras simples?
Las CNN permiten que una computadora “vea” e identifique lo que hay en una imagen, como lo haría un humano. Este artículo prueba distintos modelos para ver cuál es mejor reconociendo rostros de participantes de un curso.
🤖 ¿Qué modelos se probaron?
Se evaluaron cuatro variantes:
1️⃣ Un modelo básico
2️⃣ Un modelo profundo (más capas)
3️⃣ Uno con Dropout (reduce errores por sobreajuste)
4️⃣ Otro con BatchNormalization (mejora la estabilidad)
🏆 El modelo profundo alcanzó una precisión del 99.37 %, demostrando su alta efectividad en la clasificación de imágenes.
🔍 El artículo concluye que elegir el modelo adecuado depende de varios factores: la cantidad de datos, el poder de cómputo y el objetivo del análisis. A mayor complejidad, mayor potencial, si se configura correctamente.
🔗 Lee el artículo completo aquí: https://revista-i2cp.uatf.edu.bo/index.php/rcp/article/view/13
🌐 Explora toda la revista: https://revista-i2cp.uatf.edu.bo/index.php/rcp/issue/view/5
