JavaScript is disabled for your browser. Some features of this site may not work without it.

    Listar

    Todo RIUMAComunidades & ColeccionesPor fecha de publicaciónAutoresTítulosMateriasTipo de publicaciónCentrosDepartamentos/InstitutosEditores

    Mi cuenta

    AccederRegistro

    Estadísticas

    Ver Estadísticas de uso

    DE INTERÉS

    Datos de investigaciónReglamento de ciencia abierta de la UMAPolítica de RIUMAPolitica de datos de investigación en RIUMAOpen Policy Finder (antes Sherpa-Romeo)Dulcinea
    Preguntas frecuentesManual de usoContacto/Sugerencias
    Listar por autor 
    •   RIUMA Principal
    • Listar por autor
    •   RIUMA Principal
    • Listar por autor

    Listar por autor "Ortega-Zamorano, Francisco"

    • 0-9
    • A
    • B
    • C
    • D
    • E
    • F
    • G
    • H
    • I
    • J
    • K
    • L
    • M
    • N
    • O
    • P
    • Q
    • R
    • S
    • T
    • U
    • V
    • W
    • X
    • Y
    • Z

    Ordenar por:

    Orden:

    Resultados:

    Mostrando ítems 1-5 de 5

    • título
    • fecha de publicación
    • fecha de envío
    • ascendente
    • descendente
    • 5
    • 10
    • 20
    • 40
    • 60
    • 80
    • 100
      • A Convolutional Autoencoder and a Neural Gas model based on Bregman Divergences for Hierarchical Color Quantization 

        Fernández-Rodríguez, Jose David; Palomo-Ferrer, Esteban JoséAutoridad Universidad de Málaga; Benito-Picazo, Jesús; Domínguez-Merino, EnriqueAutoridad Universidad de Málaga; López-Rubio, EzequielAutoridad Universidad de Málaga; Ortega-Zamorano, Francisco[et al.] (Elsevier, 2023)
        Color quantization (CQ) is one of the most common and important procedures to be performed on digital images. In this paper, a new approach to hierarchical color quantization is described, presenting a novel neural network ...
      • Algoritmos de aprendizaje neurocomputacionales para su implementación hardware 

        Ortega-Zamorano, Francisco (Servicio de Publicaciones y Divulgación Científica, 2015)
        Las redes de neuronas artificiales son un paradigma de aprendizaje y procesamiento automático inspirado en el funcionamiento del sistema nervioso, se emplean en toda tipo de aplicaciones, con lo que van apareciendo nuevas ...
      • Hierarchical Color Quantization with a Neural Gas Model Based on Bregman Divergences 

        Palomo-Ferrer, Esteban JoséAutoridad Universidad de Málaga; Benito-Picazo, Jesús; Domínguez-Merino, EnriqueAutoridad Universidad de Málaga; López-Rubio, EzequielAutoridad Universidad de Málaga; Ortega-Zamorano, Francisco (Springer, 2021-09)
        In this paper, a new color quantization method based on a self-organized artificial neural network called the Growing Hierarchical Bregman Neural Gas (GHBNG) is proposed. This neural network is based on Bregman divergences, ...
      • Smart motion detection sensor based on video processing using self-organizing maps 

        Ortega-Zamorano, Francisco; Molina-Cabello, Miguel ÁngelAutoridad Universidad de Málaga; López-Rubio, EzequielAutoridad Universidad de Málaga; Palomo-Ferrer, Esteban JoséAutoridad Universidad de Málaga (Elsevier, 2016)
        Most current approaches to computer vision are based on expensive, high performance hardware to meet the heavy computational requirements of the employed algorithms. These system architectures are severely limited in their ...
      • Solving Scheduling Problems with Genetic Algorithms using a Priority Encoding Scheme 

        Subirats, J.L.; Mesa, Héctor; Ortega-Zamorano, Francisco; Juárez, G.E.; Jerez-Aragonés, José ManuelAutoridad Universidad de Málaga; Turias, Ignacio; Franco, Leonardo[et al.] (2017-06-26)
        Scheduling problems are very hard computational tasks with several applications in multitude of domains. In this work we solve a practical problem motivated by a real industry situation, in which we apply a genetic algorithm ...
        REPOSITORIO INSTITUCIONAL UNIVERSIDAD DE MÁLAGA
        REPOSITORIO INSTITUCIONAL UNIVERSIDAD DE MÁLAGA
         

         

        REPOSITORIO INSTITUCIONAL UNIVERSIDAD DE MÁLAGA
        REPOSITORIO INSTITUCIONAL UNIVERSIDAD DE MÁLAGA