Neuroevolución Profunda aplicada a Redes Generativas Antagónicas (GANs)
Con Jamal Toutouh , investigador en el MIT. Seguimos ofreciendo formación de valor para que durante la cuarentena no dejes de aprender y lo hagas con los mejores expertos. Dentro del ámbito de la Inteligencia Artificial, las Redes Generativas Antagónicas o Generative Adversarial Networks, más conocidas por sus siglas en ingles, GANs, están teniendo especial atención durante estos últimos tres años. Su potencialidad y aplicabilidad están ofreciendo soluciones en entornos an distintos como el arte, la imagen médica, la seguridad, etc. Sin embargo, siguen sindo un reto el entrenar este tipo de Redes Neuronales Artificiales. Por lo que no cesan de aparecer nuevas soluciones para el entrenamiento eficiente de las GANs. En este webinar vamos a presentar un modelo/sistema de entrenamiento para GANs desarrollado en el Instituto Tecnológico de Massachusetts (MIT) en el que se aplica Neuroevolución Profunda (Algoritmos Evolutivos) para el entrenamiento de este tipo de redes. Este sistemas se conoce como Lipizzaner (https://github.com/ALFA-group/lipizzaner-gan). En él, se aplican ideas provenientes del Darwinismo y le Evolución de las Especies para solucionar algunos de los problemas que aparecen durante el entrenamiento de las GANs. Así, vamos a realizar una introducción a estas dos metodologías de Inteligencia Artificial: las redes GAN y a los Algoritmos Evolutivos. Después profundizaremos en las distintas componentes que hacen de Lipizzaner un método robusto y eficiente de entrenamiento de GANs. PONENTE: Jamal Toutouh, PhD (MIT) Investigador postdoctoral del Instituto Tecnológico de Massachusetts Científicos de datos y consultor para el desarrollo de Smart Cities.
Con Jamal Toutouh , investigador en el MIT. Seguimos ofreciendo formación de valor para que durante la cuarentena no dejes de aprender y lo hagas con los mejores expertos. Dentro del ámbito de la Inteligencia Artificial, las Redes Generativas Antagónicas o Generative Adversarial Networks, más conocidas por sus siglas en ingles, GANs, están teniendo especial atención durante estos últimos tres años. Su potencialidad y aplicabilidad están ofreciendo soluciones en entornos an distintos como el arte, la imagen médica, la seguridad, etc. Sin embargo, siguen sindo un reto el entrenar este tipo de Redes Neuronales Artificiales. Por lo que no cesan de aparecer nuevas soluciones para el entrenamiento eficiente de las GANs. En este webinar vamos a presentar un modelo/sistema de entrenamiento para GANs desarrollado en el Instituto Tecnológico de Massachusetts (MIT) en el que se aplica Neuroevolución Profunda (Algoritmos Evolutivos) para el entrenamiento de este tipo de redes. Este sistemas se conoce como Lipizzaner (https://github.com/ALFA-group/lipizzaner-gan). En él, se aplican ideas provenientes del Darwinismo y le Evolución de las Especies para solucionar algunos de los problemas que aparecen durante el entrenamiento de las GANs. Así, vamos a realizar una introducción a estas dos metodologías de Inteligencia Artificial: las redes GAN y a los Algoritmos Evolutivos. Después profundizaremos en las distintas componentes que hacen de Lipizzaner un método robusto y eficiente de entrenamiento de GANs. PONENTE: Jamal Toutouh, PhD (MIT) Investigador postdoctoral del Instituto Tecnológico de Massachusetts Científicos de datos y consultor para el desarrollo de Smart Cities.