@mastersthesis{20.500.12880/2999,
year = {2022},
month = {10},
url = {http://hdl.handle.net/20.500.12880/2999},
abstract = {El mundo de las ciencias forenses no deja de crecer, cada vez son más las 
nuevas técnicas y líneas de investigación que se desarrollan para las diferentes 
disciplinas que engloba la criminalística, pero también los criminales y las nuevas 
formas de crimen se renuevan y actualizan de manera exponencial.
Una de las disciplinas que forma parte de la criminalística es la lofoscopia, y los 
criminales encuentran maneras de falsificar las huellas de las personas para 
cometer actos delictivos. Por ello, es importante conocer bien la morfología de 
las impresiones de cada ser humano, y saber cómo clasificarlas y utilizarlas para 
la resolución de los crímenes.
Por otro lado, las redes neuronales están en pleno desarrollo, por lo que 
entenderlas y dominarlas puede suponer verdaderos avances en nuestra 
sociedad. Este trabajo pretende aprovechar este crecimiento del Machine 
Learning para crear y entrenar desde cero un modelo de red neuronal que sea 
capaz de clasificar imágenes de huellas dactilares en función de su delta, 
basándose concretamente en el uso de las redes neuronales convolucionales 
(CNN)},
title = {Clasificación de huellas dactilares mediante redes neuronales convolucionales},
keywords = {Huellas dactilares},
keywords = {Redes neuronales convolucionales},
keywords = {Delta},
keywords = {Clasificación},
author = {Oliva Berenguer, Laura},
}