Investigación Comparativa de Algoritmos de Aprendizaje para la Clasificación de Imágenes con un Conjunto de Datos Pequeño

El aumento de la popularidad del aprendizaje profundo en diversas áreas de investigación lleva a utilizarlo para resolver problemas de clasificación de imágenes. El objetivo de esta investigación es comparar y encontrar algoritmos de aprendizaje que se desempeñen mejor en la tarea de clasificación de imágenes con un conjunto de datos pequeño. También hemos ajustado los hiperparámetros asociados con los optimizadores y modelos para mejorar el rendimiento. Primero, realizamos varios experimentos utilizando ocho algoritmos de aprendizaje para llegar a los valores óptimos de hiperparámetros. Luego, ejecutamos veinticuatro experimentos finales con valores cercanos a los óptimos de hiperparámetros para encontrar el mejor algoritmo de aprendizaje. Los resultados experimentales mostraron que el algoritmo de aprendizaje AdaGrad logra una mejor precisión, menor tiempo de entrenamiento y menor utilización de memoria en comparación con el resto de los algoritmos de aprendizaje.