== Literatura ==
1. Chatzimichailidis et al. GradVis: Visualización y Análisis de Segundo Orden de Superficies de Optimización durante el Entrenamiento de Redes Neuronales Profundas. 2019
2. Nikolenko. Datos Sintéticos para Aprendizaje Profundo. 2019
3. Pramerdorfer. Aprendizaje Profundo para Computación Visual. 2016
4. Zoph et al. Aprendiendo Estrategias de Aumento de Datos para Detección de Objetos. 2019
5. Wu et al. Creando una Capa de Invisibilidad: Ataques Adversariales en el Mundo Real a Detectores de Objetos. 2019
6. Goodfellow, et al. Explicando y Aprovechando Ejemplos Adversariales. 2015.
7. Nicholas et al. DocCreator: Un Nuevo Software para Crear Imágenes de Documentos Sintéticos con Verificación de Verdad de Tierra. 2017
8. Ma. Aumento de Datos para Audio. 2019.
9. Park et al. SpecAugment: Un Método Simple de Aumento de Datos para Reconocimiento Automático de Voz. 2019.
10. Zach C. Aumento de Datos de Audio de Última Generación con SpecAugment y PyTorch. 2019.
11. Kanburoğlu. Aumento de Datos de Audio. 2018
12. Srivastava, et al. Dropout: Una Forma Simple de Prevenir el Sobreajuste en Redes Neuronales. 2014
13. Wei, et al. EDA: Técnicas de Aumento de Datos Fáciles para Mejorar el Rendimiento en Tareas de Clasificación de Texto. 2019.
15. Prince. Modelos de Visión por Computadora. 2012
16. Xie, et al. Aumento de Datos No Supervisado para Entrenamiento de Consistencia. 2019
17. DeVries, et al. Mejora de la Regularización de Redes Neuronales Convolucionales con Cutout. 2017
18. Goodfellow et al. Aprendizaje Profundo. 2016
19. Shorten, et al. Una encuesta sobre Aumento de Datos de Imagen para Aprendizaje Profundo. 2019
20. Calvo-Zaragoza, et al. Camera-Primus: Reconocimiento Óptico de Música Neural de Fin a Fin en Partituras Monofónicas Realistas. 2018
21. Ioffe, et al. Normalización por Lotes: Acelerando el Entrenamiento de Redes Neuronales Profundas al Reducir el Cambio de Covariables Internas. 2015.
22. Santurkar, et al. ¿Cómo Ayuda la Normalización por Lotes a la Optimización? 2019.
23. Barnett. Repensando la Normalización por Lotes. 2019.
24. He, et al. Mapeos de Identidad en Redes Residuales Profundas. 2016.
25. Klambauer, et al. Redes Neuronales Auto-Normalizadoras. 2017.
26. Zhou, Khosla, Lapedriza, Oliva, Torralba. Aprendiendo Características Profundas para Localización Discriminativa. 2015.
27. Rajpurkar, et al. CheXNet: Detección de Neumonía a Nivel de Radiólogo en Radiografías de Tórax con Aprendizaje Profundo. 2017.
28. Su et al. Ataques de Un Píxel para Engañar Redes Neuronales. 2017.
29. Prija. Mejora tus Modelos de Aprendizaje Profundo con Normalización por Lotes y Capas.
30. Izmailov et al. Promediar Pesos Conduce a Óptimos Más Amplios y Mejor Generalización. 2018