Aspecto Teórico

• El método de aprendizaje empleado se basó en la propuesta NNPU desarrollada por Kiryo (2017), la cual plantea un enfoque de aprendizaje positivo–no etiquetado para clasificación binaria.
  👉 Ver publicación

  La función de costo fue adaptada de la siguiente manera:

\[\tilde{R}(g)= \max ( \tilde{R}_{pu}^{\text{NNPU}}(g); \tilde{R}_{nu}^{\text{NNNU}}(g) )\]

• Para la etapa de clasificación se utilizó como backbone la arquitectura ResNet-152, reconocida por su profundidad y estabilidad en el entrenamiento de redes convolucionales profundas.
  👉 Ver referencia