{"id":789,"date":"2025-09-01T16:00:30","date_gmt":"2025-09-01T19:00:30","guid":{"rendered":"https:\/\/momap.ing.unp.edu.ar\/?p=789"},"modified":"2025-09-01T16:21:23","modified_gmt":"2025-09-01T19:21:23","slug":"redes-neuronales-para-la-medicion-de-peces-marinos","status":"publish","type":"post","link":"https:\/\/momap.ing.unp.edu.ar\/index.php\/2025\/09\/01\/redes-neuronales-para-la-medicion-de-peces-marinos\/","title":{"rendered":"Redes neuronales para la medici\u00f3n de peces marinos"},"content":{"rendered":"\n

En colaboraci\u00f3n con investigadores del CESIMAR se public\u00f3 el trabajo: \u201cIs Eye Allometry the Silver Bullet for Measuring Marine Fishes with a Single Camera?\u201d (https:\/\/doi.org\/10.1643\/i2023083<\/a>) con el objetivo de predecir la longitud total de los peces utilizando la relaci\u00f3n entre la altura de su cabeza y el di\u00e1metro de su ojo (ratio HH:ED). Para ello, se implementaron modelos de Redes Neuronales Artificiales (ANN), ya que son capaces de superar a los modelos de regresi\u00f3n tradicionales en condiciones de datos ruidosos o con muestras peque\u00f1as.<\/p>\n\n\n\n

La arquitectura de la red neuronal elegida fue de tipo feed-forward, con una estructura simple y efectiva: una entrada (el ratio HH:ED), una capa oculta y una salida (la longitud total del pez). Para encontrar el mejor modelo para cada especie, se realiz\u00f3 un proceso de optimizaci\u00f3n de hiperpar\u00e1metros utilizando validaci\u00f3n cruzada (k-fold con k=5). Se probaron diferentes valores para el n\u00famero de neuronas en la capa oculta (5,000, 10,000, 50,000), la tasa de aprendizaje, el dropout (para evitar el sobreajuste) y el tama\u00f1o del lote. El entrenamiento se llev\u00f3 a cabo durante 200 \u00e9pocas utilizando el algoritmo de retropropagaci\u00f3n (backpropagation) y el optimizador Adam, con el objetivo de minimizar el Error Absoluto Medio (MAE). Finalmente, el rendimiento de los modelos de redes neuronales fue evaluado usando el coeficiente de determinaci\u00f3n (R\u00b2) y el Error Absoluto Medio Relativo (RMAE). Los resultados se compararon con los de modelos de regresi\u00f3n est\u00e1ndar, demostrando que las redes neuronales ofrecieron un rendimiento superior en la predicci\u00f3n de la longitud de los peces.<\/p>\n\n\n\n

\"\"<\/figure>
\n

Proceso de modelado con Redes Neuronales Artificiales (ANN). (A) Diagrama de la arquitectura general de la ANN; (B) ejemplo del proceso de entrenamiento y prueba por retropropagaci\u00f3n de la ANN con la optimizaci\u00f3n de la funci\u00f3n de p\u00e9rdida (error) a lo largo de 200 \u00e9pocas para una especie (Acanthistius patachonicus). Lr: tasa de aprendizaje; bs: tama\u00f1o del lote; n_h: n\u00famero de neuronas en la capa oculta; p: dropout.<\/p>\n<\/div><\/div>\n","protected":false},"excerpt":{"rendered":"

En colaboraci\u00f3n con investigadores del CESIMAR se public\u00f3 el trabajo: \u201cIs Eye Allometry the Silver Bullet for Measuring Marine Fishes with a Single Camera?\u201d (https:\/\/doi.org\/10.1643\/i2023083) con el objetivo de predecir la longitud total de los peces utilizando la relaci\u00f3n entre la altura de su cabeza y el di\u00e1metro de su ojo (ratio HH:ED). Para ello, … Leer m\u00e1s<\/a><\/p>\n","protected":false},"author":7,"featured_media":790,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[25,3],"tags":[],"class_list":["post-789","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-investigacion","category-novedades"],"acf":[],"_links":{"self":[{"href":"https:\/\/momap.ing.unp.edu.ar\/index.php\/wp-json\/wp\/v2\/posts\/789","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/momap.ing.unp.edu.ar\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/momap.ing.unp.edu.ar\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/momap.ing.unp.edu.ar\/index.php\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/momap.ing.unp.edu.ar\/index.php\/wp-json\/wp\/v2\/comments?post=789"}],"version-history":[{"count":3,"href":"https:\/\/momap.ing.unp.edu.ar\/index.php\/wp-json\/wp\/v2\/posts\/789\/revisions"}],"predecessor-version":[{"id":795,"href":"https:\/\/momap.ing.unp.edu.ar\/index.php\/wp-json\/wp\/v2\/posts\/789\/revisions\/795"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/momap.ing.unp.edu.ar\/index.php\/wp-json\/wp\/v2\/media\/790"}],"wp:attachment":[{"href":"https:\/\/momap.ing.unp.edu.ar\/index.php\/wp-json\/wp\/v2\/media?parent=789"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/momap.ing.unp.edu.ar\/index.php\/wp-json\/wp\/v2\/categories?post=789"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/momap.ing.unp.edu.ar\/index.php\/wp-json\/wp\/v2\/tags?post=789"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}