Jove
Visualize
Contáctanos

Videos de Experimentos Relacionados

Visión computacional y teoría de la regularización.

T Poggio, V Torre, C Koch

    Nature
    |September 2, 1985
    PubMed
    Resumen
    Este resumen es generado por máquina.

    Videos de Conceptos Relacionados

    También podría leer

    Artículos Relacionados

    Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

    Ordenar por
    Same author

    Iatrogenic adrenal insufficiency as a side-effect of combined treatment of itraconazole and budesonide.

    The European respiratory journal·2002
    Same author

    Itraconazole treatment of allergic bronchopulmonary aspergillosis in patients with cystic fibrosis.

    Allergy·2002
    Same author

    Microbial load of drinking water reservoir tributaries during extreme rainfall and runoff.

    Applied and environmental microbiology·2002
    Same author

    Sulphation of the salivary mucin MG1 (MUC-5B) is not correlated to the degree of its sialylation and is unaffected by cystic fibrosis.

    Pflugers Archiv : European journal of physiology·2002
    Same author

    Altered sialyl- and fucosyl-linkage on mucins in cystic fibrosis patients promotes formation of the sialyl-Lewis X determinant on salivary MUC-5B and MUC-7.

    Pflugers Archiv : European journal of physiology·2002
    Same author

    Soil surface structure effect on isoproturon and diflufenican loss in runoff.

    Journal of environmental quality·2002
    Same journal

    Six ways to put the public at the heart of science and policy.

    Nature·2026
    Same journal

    The complex truth about trust in science.

    Nature·2026
    Same journal

    Have people stopped trusting science? The data tell a surprising story.

    Nature·2026
    Same journal

    How FAIR data are helping to build trust in science.

    Nature·2026
    Same journal

    Scientists should recognize their own political biases to build public trust.

    Nature·2026
    Same journal

    Harmonizing standards and resources for the medical genome.

    Nature·2026
    Ver todos los artículos relacionados
    JoVE
    x logofacebook logolinkedin logoyoutube logo
    ACERCA DE JoVE
    Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
    AUTORES
    Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
    BIBLIOTECARIOS
    TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
    INVESTIGACIÓN
    JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
    EDUCACIÓN
    JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
    Términos y Condiciones de Uso
    Política de Privacidad
    Políticas

    La visión computacional recupera las propiedades superficiales de los datos de imagen utilizando métodos de regularización para resolver problemas mal planteados. Estos métodos producen algoritmos y circuitos que imitan los procesos neuronales para la percepción visual.

    Área de la Ciencia:

    • Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador
    • La neurociencia es la neurociencia.
    • Procesamiento de imágenes Procesamiento de imágenes.

    Sus antecedentes:

    • Recuperar propiedades físicas como la distancia de la superficie y los bordes de los datos visuales es crucial para comprender el entorno.
    • Los datos de imágenes son inherentemente ambiguos y ruidosos, lo que plantea desafíos significativos para los sistemas computacionales.
    • La visión temprana se ve cada vez más como una colección de problemas mal planteados.

    Objetivo del estudio:

    • Explorar cómo la visión computacional puede derivar descripciones de propiedades superficiales a partir de datos de imágenes ambiguas.
    • Investigar la aplicación de métodos de regularización para resolver problemas mal planteados en la visión temprana.
    • Para explorar potenciales equivalentes neuronales de los algoritmos de visión computacional.

    Videos de Experimentos Relacionados

    Principales métodos:

    • Utilizando métodos de regularización para abordar problemas mal planteados en el análisis de datos de imágenes.
    • Desarrollar algoritmos basados en la regularización para la recuperación de la propiedad visual.
    • Diseño de circuitos analógicos paralelos inspirados en los enfoques de visión computacional.

    Principales resultados:

    • Demostró que los métodos de regularización pueden resolver efectivamente problemas mal planteados en datos visuales.
    • Desarrolló algoritmos y circuitos capaces de recuperar las propiedades físicas de la superficie.
    • Identificó enfoques computacionales que sugieren mecanismos neuronales en el cerebro.

    Conclusiones:

    • Los métodos de regularización proporcionan un marco sólido para las tareas de visión computacional que involucran datos ambiguos.
    • Los algoritmos y circuitos desarrollados ofrecen información sobre cómo el cerebro podría procesar la información visual.
    • Esta investigación une los enfoques computacionales con los potenciales fundamentos neuronales de la visión.