TY - JOUR
T1 - TINTO
T2 - Converting Tidy Data into image for classification with 2-Dimensional Convolutional Neural Networks
AU - Castillo-Cara, Manuel
AU - Talla-Chumpitaz, Reewos
AU - García-Castro, Raúl
AU - Orozco-Barbosa, Luis
N1 - Funding Information:
The research leading to these results has been funded by the Spanish Ministry of Science and Universities (MCIU) and the European Commission (EC) , Grant No. RTI2018-098156-B-C52 ; by the CYTED , Grant No. 520rt0011 ; and by the Madrid Government ( Comunidad de Madrid-Spain ) under the Multiannual Agreement with the Universidad Politécnica de Madrid in the Excellence Programme for University Teaching Staff, in the context of the V PRICIT (Regional Programme of Research and Technological Innovation). Manuel Castillo-Cara is supported by a postdoctoral research grant (Recualificación - María Zambrano) of the European Union -NextGenerationEU programme and the Spanish Ministry of Universities , ref. No. UP2021-035 .
Funding Information:
The research leading to these results has been funded by the Spanish Ministry of Science and Universities (MCIU) and the European Commission (EC), Grant No. RTI2018-098156-B-C52; by the CYTED, Grant No. 520rt0011; and by the Madrid Government (Comunidad de Madrid-Spain) under the Multiannual Agreement with the Universidad Politécnica de Madrid in the Excellence Programme for University Teaching Staff, in the context of the V PRICIT (Regional Programme of Research and Technological Innovation). Manuel Castillo-Cara is supported by a postdoctoral research grant (Recualificación - María Zambrano) of the European Union-NextGenerationEU programme and the Spanish Ministry of Universities, ref. No. UP2021-035.
Publisher Copyright:
© 2023 The Author(s)
PY - 2023/5
Y1 - 2023/5
N2 - El creciente interés por el uso del aprendizaje automático basado en algoritmos para tareas predictivas ha generado un amplio y diverso desarrollo de algoritmos. Sin embargo, es ampliamente conocido que no todos estos algoritmos se adaptan a soluciones eficientes en determinados conjuntos de datos con formato de datos ordenados. Por este motivo, actualmente se están desarrollando técnicas novedosas para convertir datos ordenados en imágenes con el objetivo de utilizar redes neuronales convolucionales (CNN). TINTO ofrece la oportunidad de convertir datos ordenados en imágenes mediante la representación de píxeles característicos aplicando dos algoritmos de reducción dimensional: Análisis de Componentes Principales (PCA) e Incrustación de Vecinos Estocásticos distribuidos en t (t-SNE). Nuestra propuesta también incluye una técnica de desenfoque, que añade más información ordenada a la imagen y puede mejorar la tarea de clasificación en CNNs
AB - El creciente interés por el uso del aprendizaje automático basado en algoritmos para tareas predictivas ha generado un amplio y diverso desarrollo de algoritmos. Sin embargo, es ampliamente conocido que no todos estos algoritmos se adaptan a soluciones eficientes en determinados conjuntos de datos con formato de datos ordenados. Por este motivo, actualmente se están desarrollando técnicas novedosas para convertir datos ordenados en imágenes con el objetivo de utilizar redes neuronales convolucionales (CNN). TINTO ofrece la oportunidad de convertir datos ordenados en imágenes mediante la representación de píxeles característicos aplicando dos algoritmos de reducción dimensional: Análisis de Componentes Principales (PCA) e Incrustación de Vecinos Estocásticos distribuidos en t (t-SNE). Nuestra propuesta también incluye una técnica de desenfoque, que añade más información ordenada a la imagen y puede mejorar la tarea de clasificación en CNNs
KW - Convolutional neural networks
KW - Image blurring technique
KW - Image classification
KW - Image generation
KW - Tabular data into image
KW - Tabular to image conversion
UR - http://www.scopus.com/inward/record.url?scp=85159287610&partnerID=8YFLogxK
U2 - 10.1016/j.softx.2023.101391
DO - 10.1016/j.softx.2023.101391
M3 - Artículo (Contribución a Revista)
AN - SCOPUS:85159287610
SN - 2352-7110
VL - 22
JO - SoftwareX
JF - SoftwareX
M1 - 101391
ER -