Contenidos
Imagen de ordenador
Este artículo necesita citas adicionales para su verificación. Por favor, ayude a mejorar este artículo añadiendo citas de fuentes fiables. El material sin fuente puede ser cuestionado y eliminado.Buscar fuentes: “Imagen del sistema” – noticias – periódicos – libros – scholar – JSTOR (diciembre de 2013) (Aprende cómo y cuándo eliminar este mensaje de la plantilla)
En informática, una imagen del sistema es una copia serializada del estado completo de un sistema informático almacenado en alguna forma no volátil, como un archivo. Se dice que un sistema es capaz de utilizar imágenes del sistema si puede apagarse y restaurarse más tarde exactamente al mismo estado. En estos casos, las imágenes del sistema pueden utilizarse como copia de seguridad.
Si un sistema tiene todo su estado escrito en un disco, entonces se puede producir una imagen del sistema simplemente copiando ese disco a un archivo en otro lugar, a menudo con aplicaciones de clonación de discos. En muchos sistemas, una imagen completa del sistema no puede ser creada por un programa de clonación de disco que se ejecute dentro de ese sistema, porque la información puede ser mantenida fuera de los discos y la memoria volátil, por ejemplo, en la memoria no volátil como las ROM de arranque.
Ejemplo de imagen
Gráficos por ordenador, visión por ordenador y HCI La informática visual y la HCI son campos muy amplios que abarcan temas como los gráficos por ordenador, el procesamiento de imágenes, el diseño de pantallas e interfaces de usuario, la visión por ordenador y la comprensión de escenas. Esta investigación puede ayudar a las máquinas a percibir y comprender su entorno, por un lado, y a presentar información a los usuarios e interactuar con ellos, por otro.
Katherine Kuchenbecker es directora del Instituto Max Planck de Sistemas Inteligentes, donde dirige el Departamento de Inteligencia Háptica, que trata de dotar a los robots de una astuta percepción háptica e inventar métodos para ofrecer una respuesta háptica realista a los usuarios de sistemas telerrobóticos y de realidad virtual. La investigación de la Dra. Kuchenbecker se centra en la detección, comprensión y visualización de información táctil para robots, teleoperación e interfaces innovadoras. Su trabajo combina la inspiración en la neurociencia con materiales novedosos, aprendizaje automático y sistemas robóticos para descubrir los principios fundamentales de la percepción háptica. Más información
Imagen frente a imagen
La excelencia metodológica sólo puede alcanzarse sobre la base de un sofisticado sistema de software de investigación y una infraestructura que facilite, por ejemplo, un análisis de datos altamente escalable en un entorno federado. Nuestra cartera tecnológica en este sentido sienta las bases de varias redes de investigación clínica nacionales e internacionales, como el Centro Nacional de Enfermedades Tumorales (NCT), el Consorcio Alemán del Cáncer (DKTK) y el Cancer Core Europe (CCE). En colaboración con nuestros socios clínicos, trabajamos en la traducción directa de los últimos avances del aprendizaje automático en aplicaciones clínicas relevantes.
Uno de los objetivos del grupo es el aprendizaje automático interactivo, aplicado especialmente al problema del procesamiento del lenguaje natural de la traducción automática. La traducción automática de texto y voz ha avanzado extraordinariamente en los últimos años, gracias a la capacidad de entrenar eficazmente redes neuronales altamente expresivas a gran escala. Sin embargo, la calidad de los resultados de la traducción automática sigue sin cumplir los estándares profesionales y necesita la participación de traductores humanos. Uno de los objetivos es hacer que la interacción humana sea lo más fácil y sencilla posible, por ejemplo, aprovechando la débil retroalimentación humana en forma de juicios de calidad de la traducción en lugar de traducciones totalmente correctas. El reto de la traducción automática es extraer una señal lo suficientemente fuerte para el aprendizaje a partir de estas señales de retroalimentación ambiguas y ruidosas, por ejemplo, mediante el aprendizaje fuera de política a partir de registros de interacción deterministas, el aprendizaje de refuerzo utilizando estimadores de recompensa entrenados en la retroalimentación humana, y el aprendizaje auto-supervisado utilizando nuevos modos de interacción como las marcas de error.
Imagen del sistema
Las imágenes se ven en los ordenadores todo el tiempo. Aquí miraremos detrás de la cortina, para ver cómo se componen las imágenes. Lo que a nosotros nos parece una imagen completa, en el ordenador es una estructura hecha de muchos pequeños números.
No trabajaremos demasiado con coordenadas individuales x/y. Sólo hay que apreciar que existe este sistema de coordenadas x/y, de modo que cada píxel de una imagen tiene alguna coordenada x/y que identifica su ubicación dentro de la cuadrícula de la imagen.
Sir Isaac Newton hizo el famoso experimento del prisma en 1665, demostrando que la luz blanca está formada por un espectro de luz de color puro. Aquí hay una imagen del experimento en mi piso. La luz solar blanca entra por la izquierda en el prisma triangular de cristal que divide la luz. Al salir del prisma tenemos una gama continua de colores puros, y unos pocos son elegidos por su nombre: rojo, naranja, amarillo, verde, azul, índigo, violeta (ROY G BIV).
¿Cómo se representa el color de un píxel? El esquema rojo/verde/azul (RGB) es una forma popular de representar un color en el ordenador. En RGB, cada color se define como una combinación particular de luz roja, verde y azul pura.