Ponente
Descripción
La investigación se orienta en el uso de redes neuronales con una arquitectura Kolmogorov-Arnold para el procesamiento de imágenes médicas. Antecedentes: Las redes neuronales Kolmogorov-Arnold (KAN; siglas en inglés) se basan en el teorema de representación de Kolmogorov-Arnold, que permite descomponer funciones complejas en funciones univariantes más simples, lo que facilita la interpretación de los resultados y mejora la eficiencia computacional. Este enfoque se distancia de los modelos tradicionales de redes neuronales, como los Perceptrones Multicapa (MLP; siglas en inglés), al introducir funciones de activación como elemento de aprendizaje en las conexiones entre neuronas. Objetivos: el estudio de las KAN con respecto a otras arquitecturas, resaltando la posibilidad de reducir el costo computacional (memoria) y aumentar la explicabilidad de la inferencia del resultado, con un análisis en el procesamiento de imágenes médicas y otros casos de uso. Resultados: Se logra el estudio del diseño e implementación de redes neuronales Kolmogorov-Arnold (KAN; siglas en inglés) y las comparaciones iniciales con otras arquitecturas.
