HPG DG2 from Intel Artículos Indexados

Artículos Académicos

C. Menacho and J. Ordoñez, "Fall detection based on CNN models implemented on a mobile robot," 2020 17th International Conference on Ubiquitous Robots (UR), Kyoto, Japan, 2020, pp. 284-289, doi: 10.1109/ UR49135.2020.9144836.

Las personas mayores suelen sufrir caídas que pueden provocar lesiones o incluso la muerte. Esta problemática es abordada por el presente trabajo, en el cual se propone una arquitectura CNN eficiente con un número reducido de parámetros, que después es implementado como servicio con un robot móvil. Este robot fue equipado con un hardware de recursos limitados (plataforma Nvidia Jetson TX2). Asimismo, se comparan diferentes modelos de CNN pre-entrenados para medir su desempeño en escenarios reales, además de otras funciones como seguimiento de personas y navegación. Por otra parte, la detección de caídas se lleva a cabo mediante la extracción de características temporales obtenidas con una extracción de flujo óptico de dos imágenes RGB consecutivas. Los resultados confirman que la red propuesta es más rápida y más adecuada (88,55% de precisión) para ejecutarse en hardware con recursos limitados

I. R. Tiñini Alvarez and G. Sahonero-Alvarez, "CrossView Gait Recognition Based on U-Net," 2020 International Joint Conference on Neural Networks (IJCNN), Glasgow, UK, 2020, pp. 1-7, doi: 10.1109/IJCNN48605.2020.9207501

Los sistemas biométricos permiten identificar individuos a través de sus rasgos biológicos distintivos. En particular, el reconocimiento de la marcha o Gait Recognition en inglés, es una técnica biométrica que se usa para reconocer a los humanos según su estilo de caminar. Sin embargo, su rendimiento se ve a menudo degradado por la presencia de algunos factores co-variables, como la vestimenta, dirección y las variaciones de carga. En consecuencia, se propone un método de Gait Recognition basado en un modelo generativo condicional GAN para generar características invariantes a la vista. El método propuesto se evalúa con una de las bases de datos más grandes disponibles, denominada CASIA B, que además considera las variaciones de vista, ropa, entre otros. Los resultados experimentales muestran que el método propuesto supera a los varios métodos propuestos recientemente.

Aruquipa A. Grover, Rojas S. Gabriel, “Analysis of Algorithmic Trading with Q-learning in the FOREX market”, 2021 4th Conference on Emerging Smart Computing and Informatics (ESCI), Pune, India, 2021, pp. 1-5, doi: 10.1109/ESCI50559.2021.9396948

Este trabajo muestra una implementación de Q-learning en pares de divisas para el mercado de FOREX, utilizando técnicas de Deep Learning combinadas con aprendizaje reforzado, se obtiene beneficio utilizando bases de datos extraídas de los últimos años teniendo en cuenta un estándar de comisión de Broker en cuanto a horas de mercado. También se analizan los resultados encontrados, como la función de pérdida, compensación y comportamiento del sistema. Así, finalmente, se realiza un análisis y comparación de la efectividad del algoritmo en diferentes pares de divisas, demostrando que el algoritmo es efectivo en el análisis de determinadas monedas extranjeras, desde pares relativamente estables hasta pares altamente volátiles, teniendo también en cuenta las principales divisas.