Repositorio Dspace
Detección De Zonas Inestables En El Macizo Rocoso Mediante Procesamiento Digital De Imágenes Y Aprendizaje Profundo En Contrapozos Robbin’s
JavaScript is disabled for your browser. Some features of this site may not work without it.
Mostrar el registro sencillo del ítem
| dc.contributor | 323797 | en_US |
| dc.contributor.advisor | Gamaliel Moreno Chávez | en_US |
| dc.contributor.author | José Ismael de la Rosa Vargas
|
en_US |
| dc.contributor.author | Gustavo Adolfo Rodríguez Reveles
|
en_US |
| dc.creator | Hernández Guerrero, Brayant Eduardo | |
| dc.date.accessioned | 2023-04-27T19:52:15Z | |
| dc.date.available | 2023-04-27T19:52:15Z | |
| dc.date.issued | 2023-01-02 | |
| dc.identifier | info:eu-repo/semantics/publishedVersion | en_US |
| dc.identifier.uri | http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/3290 | |
| dc.description | In this work, a model based on Convolutional Neural Networks is proposed to identify unstable zones in Robbin's shafts. The architecture used is ResNet-18, which was chosen for its compromise between depth and precision, which allows an acceptable computational cost and a relatively short training time. ResNet-18 is composed of five convolutional layers, one average pooling layer, and one fully connected layer with a sigmoidal output activation function. The network in this case will determine a stable or unstable zone due to the presence of fissures or cracks that fracture the rock, etc. | en_US |
| dc.description.abstract | En este trabajo se propone un modelo basado en Redes Neuronales Convolucionales para identificar zonas inestables en contrapozos Robbin’s. La arquitectura utilizada es la ResNet-18 la cual fue elegida por su compromiso entre la profundidad y precisión, lo que permite un costo computacional aceptable y tiempo de entrenamiento relativamente corto. La ResNet-18 está compuesta por cinco capas convolucionales, una de agrupación promedio y una capa totalmente conectada a una función de activación de salida sigmoidal. La red en este caso determinará una zona estable o inestable debido a la presencia de fisuras o grietas que fracturen la roca. | en_US |
| dc.language.iso | spa | en_US |
| dc.publisher | Universidad Autónoma de Zacatecas | en_US |
| dc.relation.isbasedon | Maestría en Ciencas del Procesamiento de la Información | en_US |
| dc.relation.uri | generalPublic | en_US |
| dc.rights | Attribution-NonCommercial 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/3.0/us/ | * |
| dc.subject.classification | INGENIERIA Y TECNOLOGIA [7] | en_US |
| dc.subject.other | Roca | en_US |
| dc.subject.other | minería | en_US |
| dc.subject.other | aprendizaje profundo | en_US |
| dc.subject.other | CNN | en_US |
| dc.title | Detección De Zonas Inestables En El Macizo Rocoso Mediante Procesamiento Digital De Imágenes Y Aprendizaje Profundo En Contrapozos Robbin’s | en_US |
| dc.type | info:eu-repo/semantics/masterThesis | en_US |
Ficheros en el ítem
El ítem tiene asociados los siguientes ficheros de licencia:
Este ítem aparece en la(s) siguiente(s) colección(ones)
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial 3.0 United States