'Framework' basado en imágenes parametrizadas sobre ResNet para identificar intrusiones en 'smartwatches' u otros dispositivos afines. (Un eje singular de la publicación «Estado del arte de la ciencia de datos en el idioma español y su aplicación en el campo de la Inteligencia Artificial»)
J. Egea, C. Lloret, A. González, D. Raboso, C. Campos, K. Guzmán, A. Herrera, L. Carballo, and H. Lloret.
IA eñ ™ (July 2021)

Se ha definido un framework conceptual y algebraicamente, inexistente hasta ahora en su morfología, y pionero en aplicación en el campo de la Inteligencia Artificial (IA) de forma conjunta; e implementado en laboratorio, en sus aspectos más estructurales, como un modelo completamente operacional. Su mayor aportación a la IA a nivel cualitativo es aplicar la conversión o transducción de parámetros obtenidos con lógica ternaria (sistemas multivaluados) y asociarlos a una imagen, que es analizada mediante una red residual artificial ResNet34, para que nos advierta de una intrusión. El campo de aplicación de este framework va desde smartwaches, tablets y PC's hasta la domótica basada en el estándar KNX.

URL: https://doi.org/10.21428%2F39829d0b.981b7276
DOI: 10.21428/39829d0b.981b7276
search on: Google Scholar Microsoft Bing WorldCat BASE

This publication has not been reviewed yet.

rating distribution

average user rating0.0 out of 5.0 based on 0 reviews

Please log in to take part in the discussion (add own reviews or comments).

@article{Lloret_Egea_2021,
  abstract = {Se ha definido un framework conceptual y algebraicamente, inexistente hasta ahora en su morfología, y pionero en aplicación en el campo de la Inteligencia Artificial (IA) de forma conjunta; e implementado en laboratorio, en sus aspectos más estructurales, como un modelo completamente operacional. Su mayor aportación a la IA a nivel cualitativo es aplicar la conversión o transducción de parámetros obtenidos con lógica ternaria (sistemas multivaluados) y asociarlos a una imagen, que es analizada mediante una red residual artificial ResNet34, para que nos advierta de una intrusión. El campo de aplicación de este framework va desde smartwaches, tablets y PC's hasta la domótica basada en el estándar KNX. },
  added-at = {2021-09-13T09:54:09.000+0200},
  author = {Egea, Juan Antonio Lloret and Lloret, Celia Medina and González, Adrián Hernández and Raboso, Diana Díaz and Campos, Carlos and Guzmán, Kimberly Riveros and Herrera, Adrián Pérez and Carballo, Luis Miguel Cortés and Lloret, Héctor Miguel Terrés},
  biburl = {https://www.bibsonomy.org/bibtex/2c8a5f33cc0b9a38ed8d712e5452d6c1b/thebibleofai},
  description = {'Framework' basado en imágenes parametrizadas sobre ResNet para identificar intrusiones en 'smartwatches' u otros dispositivos afines. (Un eje singular de la publicación “Estado del arte de la ciencia de datos en el idioma español y su aplicación en el campo de la Inteligencia Artificial”) · Publicaciones de autores},
  doi = {10.21428/39829d0b.981b7276},
  editor = {eñ ™, IA},
  interhash = {3c16334e781ef92b053578ca9a96456b},
  intrahash = {c8a5f33cc0b9a38ed8d712e5452d6c1b},
  issn = {2695-641},
  journal = {IA eñ ™},
  keywords = {IDS ai artificialintelligence ciberseguridad cienciadedatos cybersecurity datascience ia inteligenciaartificial machinelearning},
  language = {Español},
  month = jul,
  publisher = {{PubPub}},
  timestamp = {2021-09-13T09:57:42.000+0200},
  title = {'Framework' basado en imágenes parametrizadas sobre ResNet para identificar intrusiones en 'smartwatches' u otros dispositivos afines. (Un eje singular de la publicación «Estado del arte de la ciencia de datos en el idioma español y su aplicación en el campo de la Inteligencia Artificial»)},
  url = {https://doi.org/10.21428%2F39829d0b.981b7276},
  year = 2021
}

%0 Journal Article
%1 Lloret_Egea_2021
%A Egea, Juan Antonio Lloret
%A Lloret, Celia Medina
%A González, Adrián Hernández
%A Raboso, Diana Díaz
%A Campos, Carlos
%A Guzmán, Kimberly Riveros
%A Herrera, Adrián Pérez
%A Carballo, Luis Miguel Cortés
%A Lloret, Héctor Miguel Terrés
%D 2021
%E eñ ™, IA
%I PubPub
%J IA eñ ™
%K IDS ai artificialintelligence ciberseguridad cienciadedatos cybersecurity datascience ia inteligenciaartificial machinelearning
%R 10.21428/39829d0b.981b7276
%T 'Framework' basado en imágenes parametrizadas sobre ResNet para identificar intrusiones en 'smartwatches' u otros dispositivos afines. (Un eje singular de la publicación «Estado del arte de la ciencia de datos en el idioma español y su aplicación en el campo de la Inteligencia Artificial»)
%U https://doi.org/10.21428%2F39829d0b.981b7276
%X Se ha definido un framework conceptual y algebraicamente, inexistente hasta ahora en su morfología, y pionero en aplicación en el campo de la Inteligencia Artificial (IA) de forma conjunta; e implementado en laboratorio, en sus aspectos más estructurales, como un modelo completamente operacional. Su mayor aportación a la IA a nivel cualitativo es aplicar la conversión o transducción de parámetros obtenidos con lógica ternaria (sistemas multivaluados) y asociarlos a una imagen, que es analizada mediante una red residual artificial ResNet34, para que nos advierta de una intrusión. El campo de aplicación de este framework va desde smartwaches, tablets y PC's hasta la domótica basada en el estándar KNX.

BibSonomy

Tags

Users

Comments and Reviews

Cite this publication