Aprendizaje profundo para transcripción de textos históricos manuscritos en español
dc.contributor.advisor | Beltrán Castañón, Cesar Armando | |
dc.contributor.author | Choque Dextre, Gustavo Jorge | |
dc.date.accessioned | 2024-07-16T17:54:38Z | |
dc.date.available | 2024-07-16T17:54:38Z | |
dc.date.created | 2024 | |
dc.date.issued | 2024-07-16 | |
dc.description.abstract | El reconocimiento de textos historicos es considerado un problema desafiante debido a los muchos factores que ´ alteran el estado de los manuscritos y la complejidad de los diferentes estilos de escritura involucrados en este tipo de documentos; en los anos recientes se han creado muchos modelos de Reconocimiento de textos manuscritos ˜ enfocados en diversos idiomas como el ingles, chino, ´ arabe y japon ´ es entre otros, sin embargo no se han ´ encontrado muchas iniciativas de reconocimiento de texto orientadas al idioma espanol debido fundamentalmente ˜ a un escasez de datasets publicos disponibles para ayudar a solucionar la problem ´ atica en dicho idioma. ´ En esta publicacion se presenta la aplicaci ´ on de t ´ ecnicas de Deep Learning basadas en una arquitectura de ´ red neuronal encoder-decoder y convoluciones compuerta Gated-CNN las cuales en los ultimos ha demostrado ´ resultados sobresalientes para resolver dicha problematica, as ´ ´ı mismo se propone la aplicacion de mecanismos de ´ Transferencia de Aprendizaje para el reconocimiento de textos historicos en espa ´ nol. Los experimentos demuestran ˜ que la aplicacion de estos m ´ etodos puede brindar resultados sobresalientes, adem ´ as la aplicaci ´ on de otras t ´ ecnicas ´ tales como Aumentacion de Datos y Modelos de Lenguaje conllevan a mejoras significativas en los resultados finales. ´ Se propone ademas el uso de un nuevo dataset de textos hist ´ oricos en espa ´ nol conformado por 1000 elementos ˜ tomados de textos historicos peruanos referentes al siglo XVIII. | es_ES |
dc.identifier.uri | http://hdl.handle.net/20.500.12404/28295 | |
dc.language.iso | spa | es_ES |
dc.publisher | Pontificia Universidad Católica del Perú | es_ES |
dc.publisher.country | PE | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ | * |
dc.subject | Reconocimiento de imágenes | es_ES |
dc.subject | Aprendizaje automático (Inteligencia artificial) | es_ES |
dc.subject | Redes neuronales (Computación) | es_ES |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#1.02.00 | es_ES |
dc.title | Aprendizaje profundo para transcripción de textos históricos manuscritos en español | es_ES |
dc.type | info:eu-repo/semantics/masterThesis | es_ES |
renati.advisor.dni | 29561260 | |
renati.advisor.orcid | https://orcid.org/0000-0002-0173-4140 | es_ES |
renati.author.dni | 44402639 | |
renati.discipline | 611087 | es_ES |
renati.juror | Villanueva Talavera, Edwin Rafael | es_ES |
renati.juror | Beltrán Castañón, César Armando | es_ES |
renati.juror | Pineda Ancco, Ferdinand Edgardo | es_ES |
renati.level | https://purl.org/pe-repo/renati/level#maestro | es_ES |
renati.type | https://purl.org/pe-repo/renati/type#trabajoDeInvestigacion | es_ES |
thesis.degree.discipline | Informática con mención en Ciencias de la Computación | es_ES |
thesis.degree.grantor | Pontificia Universidad Católica del Perú. Escuela de Posgrado. | es_ES |
thesis.degree.level | Maestría | es_ES |
thesis.degree.name | Maestro en Informática con mención en Ciencias de la Computación | es_ES |
Files
Original bundle
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: