Red Neuronal Convolucional (Clasificación)
Una Red Neuronal Convolucional (CNN) es un modelo de aprendizaje profundo, establecido por LeCun y colegas en 1998, que aprende patrones locales directamente de imágenes y datos estructurados para clasificarlos. Las pilas de filtros convolucionales descubren características cada vez más abstractas, por lo que la ingeniería de características manual puede reducirse en gran medida.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- LeCun, Y., Bottou, L., Bengio, Y. & Haffner, P. (1998). Gradient-Based Learning Applied to Document Recognition. Proceedings of the IEEE, 86(11), 2278–2324. DOI: 10.1109/5.726791 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Convolutional Neural Network for Classification. ScholarGate. https://scholargate.app/es/deep-learning/cnn-classification
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- AutoencoderAprendizaje profundo↔ compare
- Random ForestAprendizaje automático↔ compare
- Máquina de Vectores de Soporte (Clasificación)Aprendizaje automático↔ compare
- Transformer (PLN)Aprendizaje profundo↔ compare
- XGBoostAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →