Una revisión de fusión de datos multimodal: aplicaciones y condiciones adversas
Contenido principal del artículo
Resumen
La fusión de datos multimodal es un campo de investigación que combina información de diversas fuentes, cada una con sus propias modalidades. Uno de los desafíos más destacados de la fusión de datos es abordar las condiciones adversas que surgen al enfrentar implementaciones del mundo real. Este artículo presenta una revisión de la fusión de datos, realizando un análisis comparativo a través de una búsqueda bibliográfica en varios dominios de aplicaciones que abordan los desafíos de la heterogeneidad de datos y condiciones adversas. El enfoque de este documento se centra en establecer una base sólida que permita el desarrollo de futuras investigaciones en este campo. Esta revisión muestra que casi la mitad de los documentos analizados describen condiciones adversas, pero solo una minoría realiza análisis sobre cómo sus técnicas abordan el ruido o se benefician de considerar estas condiciones. La cantidad de modalidades utilizadas en las investigaciones es generalmente baja, y la mayoría de los estudios emplean datos estáticos en dimensiones 1D. Finalmente, es fundamental que los investigadores sigan trabajando en un vocabulario interdisciplinario y consideren aplicaciones en entornos del mundo real con condiciones adversas para avanzar en este campo. También es importante explorar aplicaciones con datos de mayor dimensionalidad y más modalidades, lo que podría proporcionar información valiosa para abordar desafíos específicos en la fusión de datos.
Descargas
Detalles del artículo

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los artículos publicados son de exclusiva responsabilidad de sus autores y no reflejan necesariamente las opiniones del comité editorial.
La Revista INGE CUC respeta los derechos morales de sus autores, los cuales ceden al comité editorial los derechos patrimoniales del material publicado. A su vez, los autores informan que el presente trabajo es inédito y no ha sido publicado anteriormente.
Todos los artículos están bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional.
