Resumen

Por los grandes logros de las últimas décadas, la reconstrucción de imágenes para la tomografía de capacitancia eléctrica (ECT, por sus siglas en inglés) ha sido considerada en este estudio. La ECT ha demostrado tener potenciales impresionantes en la medición de múltiples procesos, y las imágenes obtenidas tienen una alta resolución, lo que las hace adecuadas para procedimientos avanzados en aplicaciones industriales y médicas, así como en diferentes tareas y áreas. Sin embargo, el sistema de ECT aún requiere mejoras en la calidad de la reconstrucción de imágenes dada su importancia de gran significado para obtener la fiabilidad y utilidad de los resultados de medición. En este estudio se utiliza una red neuronal profunda para extraer nuevas características y actualizar el número de nodos y capas ocultas en el sistema. Recientemente, el aprendizaje profundo muestra soluciones adecuadas en muchos campos prósperos basados en diferentes series de redes neuronales artificiales para mapear funciones no lineales. Para abordar los obstáculos, este artículo propone un método de imagen utilizando un

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Logros; Reconstrucción de imágenes; Tomografía de capacitancia eléctrica; Red neuronal profunda; Aprendizaje profundo; Red neuronal artificial
• Keywords:Achievements; Image reconstruction; Electrical capacitance tomography; Deep neural network; Deep learning; Artificial neural network