Constarium
← Search

Data · dataset · 2025

Códigos TFM e Investigación Posterior - Alejandro Redondo García

Listed in e-cienciaDatos

Códigos Deep Learning (entrenamiento y predicción) de un clasificador de la gravedad de lesiones orales - TFM Alejandro Redondo García.

Description

En los ficheros encontramos dos carpetas (si seleccionamos la visualización del árbol en la web). 1. Codigo_InvestigacionPosteriorTFM.

Esta carpeta contiene lo siguiente: archivo ClasificadorLesionesOrales_CrossValidation.py - es el código en python del clasificador de Deep Learning con cross validation, archivo GenerarCSV.py - es el código en python para generar el .csv, archivo Manual.pdf - son las instrucciones para ejecutar el código ClasificadorLesionesOrales_CrossValidation.py, archivo modelosTimm.csv - son los modelos disponibles de clasificación, archivo PrediccionClasificadorLesionesOrales.py - es el código para realizar la inferencia del modelo entrenado, carpeta DatasetCross - contiene un ejemplo del formato del dataset que necesita el código ClasificadorLesionesOrales_CrossValidation.py y carpeta Resultados - es un ejemplo de resultado que arroja del modelo entrenado, concretamente se guardan las métricas, la configuración y los pesos del modelo. 2.

Read the rest (2 more)

Codigo_TFM. Esta carpeta contiene lo siguiente: archivo ClasificadorLesionesOrales.py - es el código en python del clasificador de Deep Learning sin cross validation, archivo Manual.pdf - son las instrucciones para ejecutar el código ClasificadorLesionesOrales.py, archivo modelosTimm.csv - son los modelos disponibles de clasificación, archivo PrediccionClasificadorLesionesOrales.py - es el código para realizar la inferencia del modelo entrenado, carpeta Dataset - contiene un ejemplo del formato del dataset que necesita el código ClasificadorLesionesOrales.py, carpeta Predicciones - contiene un ejemplo de la inferencia del modelo y carpeta Resultados - es un ejemplo de resultado que arroja del modelo entrenado, concretamente se guardan las métricas, la configuración y los pesos del modelo.

Nota.: Es recomendable leer los manuales antes de utilizar los códigos.

Links

Where it is published

Catalogue records · 1

Topics

Provenance · 1 source records, 8 field assertions
SourceKeyLast seenRaw
e-cienciaDatosdoi:10.21950/9UF1EB10 d agoJSON v1
FieldAssertionExtractorEvidence
concepts[field].dataverse_subject:ciencias-de-la-informaci-n-y-computaci-nsource · edatos consorciomadrono esconnector:edatos_consorciomadrono_es@1.0.0/subjects
concepts[field].dataverse_subject:ingenier-asource · edatos consorciomadrono esconnector:edatos_consorciomadrono_es@1.0.0/subjects
created_datesource · edatos consorciomadrono esconnector:edatos_consorciomadrono_es@1.0.0
descriptionsource · edatos consorciomadrono esconnector:edatos_consorciomadrono_es@1.0.0/description
publication_datesource · edatos consorciomadrono esconnector:edatos_consorciomadrono_es@1.0.0
titlesource · edatos consorciomadrono esconnector:edatos_consorciomadrono_es@1.0.0/name
updated_datesource · edatos consorciomadrono esconnector:edatos_consorciomadrono_es@1.0.0
version_labelsource · edatos consorciomadrono esconnector:edatos_consorciomadrono_es@1.0.0