Reconocimiento automático de objetos basado en la relación dimensional
|
|
- Josefa Río Contreras
- hace 8 años
- Vistas:
Transcripción
1 Reconocmento automátco de objetos basado en la relacón dmensonal Alejandro Israel Barranco Gutérrez 1 y José de Jesús Medel Juárez 2 1 Centro de Investgacón en Cenca Aplcada y Tecnología Avanzada, Calzada Legaría 694 Col Irrgacón, 11500, Méxco DF abarrancog0900@pnmx 2 Centro de Investgacón en Computacón, IPN, Calle Venus s/n, Col Nueva Industral Vallejo, 07738, Méxco DF jjmedelj@yahoocommx Resumen En este trabajo se presenta el reconocmento de objetos trdmensonales con respecto a las mágenes proporconadas por el sstema de vsón estereoscópco, conformado por cámaras dgtales convenconales La problemátca de la flexbldad requerda por la dnámca en el reconocmento de los sstemas en la vda real, donde los objetos son captados sn que se requera una dstanca fja a las cámaras, permte reconocerlos a través de sus propedades dmensonales, al permanecer éstas nvarantes El método propuesto se compone del reconocmento de forma y su relacón dmensonal, que en conjunto permte reconocer al objeto de manera confable sn que se encuentre a una dstanca fja a una cámara Hacendo así que la metodología pueda utlzarse para muchas aplcacones entre las que se destacan, el segumento de objetos por medo de dferentes cámaras al contar con los rasgos dmensonales dentro del sstema de control consderado, permtendo llegar así a la vglanca automátca Palabras clave Reconocmento de objetos en 3D, vsón estereoscópca, rasgo dmensonal Automatc Object Recognton Based on Dmensonal Relatonshps Abstract Ths paper presents a methodology for trdmensonal object recognton wth respect to mages of the stereoscopc vson system ntegrated by standard dgtal cameras The methodology consdered Resumen extenddo de tess doctoral Graduado: Alejandro Israel Barranco Gutérrez Drector: José de Jesús Medel Juárez Fecha de graduacón: Extended abstract of PhD thess Graduated: Alejandro Israel Barranco Gutérrez Advsor: José de Jesús Medel Juárez Graduaton date: 06/19/2010 solvng the flexblty problem of a real dynamc recognton system, n whch the mage object s photographed wthout a defned fxed dstance The results allow automatc recognton through ts dmensonal characterstcs, such that ts nvarant form s constant The recognton technque and the dmensonal relatonshp, wthout a fxed dstance camera were used The results developed could be consdered n many trackng object applcatons, vson control wth dmensonal forms, and dynamc classfcaton Keywords Object recognton n 3D, stereoscopc vson, dmensonal characterstc 1 Introduccón En este artículo se presenta una solucón al problema del reconocmento de objetos trdmensonales en mágenes proporconadas por un sstema de vsón estereoscópco Los trabajos reportados en [0, 5, 7, 15, 17] analzan mágenes de objetos que contenen nformacón trdmensonal pero en su mayoría no utlzan cámaras n un sstema estereoscópco calbrados, por lo tanto no logran dentfcar dferencas dmensonales entre objetos de acuerdo con [5, 15] El objetvo dentro del sstema dgtal es dferencar a los objetos con la msma forma de acuerdo con sus dmensones requrendo para ello del reconocmento de forma y relacón dmensonal, consderando que cuentan con nvaranza de rasgos [8, 13, 14] Computacón y Sstemas Vol 15 No 2, 2011 pp
2 268 Alejandro Israel Barranco Gutérrez y José de Jesús Medel Juárez 2 Componentes del sstema Los Sstemas de Reconocmento Automátco de Objetos (SRAO) [7, 10, 11], ncluyen los componentes: a) banco de modelos, b) módulo de pre-procesamento, c) módulo de segmentacón, d) módulo de extraccón de rasgos, e) módulo generador de hpótess y e) módulo verfcador de hpótess Y que para una vsón estereoscópca se requere consderar (como se observa en la fgura 1): a 1 ) adquscón de magen por las cámaras, b 1 ) conversón a escala de grses y umbralado, c 1 ) deteccón de puntos de nterés, d 1 ) reconocmento de objetos por medo de sus nvarantes, e 1 ) rasgos dmensonales de acuerdo a los puntos de nterés de c 1 ), f 1 ) dentfcacón del objeto con la búsqueda en un ambente con múltples objetos con rasgos smlares, pero con dferentes dmensones Para que opere la metodología se requere adconalmente: a 2 ) Dos cámaras dgtales y b 2 ) Sstema estereoscópco: condcones necesaras para conocer a qué dstanca se encuentra el objeto de alguna de las dos cámaras y c 2 ) Las dos cámaras deben observar la msma escena para determnar los rasgos dmensonales del objeto a dentfcar 3 Reconocmento de objetos El reconocmento está basado en la representacón matrcal de mágenes en escala de grses (tanto derecha (D) como zquerda (I)) donde cada magen se denota por una matrz de n m píxeles Una magen dgtal f ( x, y) es un arreglo 2 bdmensonal acotado en Z, descrto en escala de grses (desde 1 hasta 256 tonos) con y x, Z La magen dgtal f ( x, y) cuenta con una transformacón bnara Ob ( x, y) [11], formada por un grupo de objetos no vacos Ob que cumplen con la condcón de cerradura para la unón y la nterseccón n n 1Ob Ob, 1Ob Ob c Ob \ consderando O O El objeto Ob posee n propedades respecto a un esquema de extraccón de característcas, Ob ob, ob, n Z, como los descrtas como 1 n, contornos de la magen bnarzada b(x,y), y con base a los cuales se obtenen sus nvarantes [8] El objeto Ob cuenta con una envolvente o contorno (1) k r lm obm,, obm, Ob,, k, m, n Z (1) 1 m1, n Defncón 1 El objeto no vacío envuelto en por una regón r Hausdorff, de acuerdo con (2) r : nf, j : max : lm S( 0b ),, Ob, Z está en el sentdo de jz (2) Fg 1 Dagrama de flujo para el reconocmento de objetos por rasgos y dmensones Con S( 0b ) como superfce del objeto expresada en píxeles Defncón 2 La regón r en el sentdo de Hausdorff que acota al objeto Ob contene a la coleccón de regones r, donde rmax : lmr en la que r r max Computacón y Sstemas Vol 15 No 2, 2011 pp
3 Reconocmento automátco de objetos basado en la relacón dmensonal 269 La regón r descrta por un sstema estereoscópco calbrado de acuerdo con [3, 7, 18], en el que se conoce el vector de poscón p del centro de referenca de la cámara zquerda respecto del de la derecha, permte descrbr por medo de la matrz de proyeccón de perspectva los puntos del objeto en 3D a una M 3, 4 fotografía Teorema 1 El objeto Ob en cualquer poscón a partr de los sete nvarantes [8, 13] y el rasgo dmensonal r [14], dada la magen dgtal 3 d G( x, y, z) Z captada por un sstema estereoscópco de cámaras dgtales con x y, z, Z es posble reconocerlo con respecto a otros objetos con característcas físcas smlares Prueba Consdérese que exste: a 4 ) un conjunto de objetos con rasgos smlares 3 c c : n Z C, C 1, n Z, dentro del área del sstema estereoscópco de cámaras, b 4 ) Exste * un vector característco extenddo V C respecto del objeto Ob buscado, c 4 ) Cada objeto Ob tene un vector característco extenddo formado por el rasgo dmensonal y los sete nvarantes de Hu, V,,, así como el rasgo c rd c 1 c 7c dmensonal (rd) es un nvarante del objeto De acuerdo con las defncones 1 y a los puntos del a 4 ) al c 4 ) se cumple que! V * C 0 y que lmsup c * C V V nterés, además de una dsmnucón del unverso de búsqueda [6] Habendo así objetos canddatos para ser analzados y determnar s alguno corresponde con el objeto buscado Fg 2 Imágenes fltradas en escala de grses (superor) y bnarzadas (nferor) De acuerdo con [10, 12] se obtenen los contornos de las mágenes como se muestra en la fgura 3, reducendo la nformacón redundante 4 Desarrollo expermental Se propone la dentfcar utlzando a una esfera que tene como dámetro 5 cm y que se encuentra en una escena con un conjunto de esferas del msmo materal y color pero de dferentes dámetros El preprocesado requere del fltro medana [16], que permte elmnar algunas mpurezas en las mágenes El umbralado de acuerdo con [11] permte obtener una forma bnara, como se muestra en la fgura 2 Lo que permte obtener un conjunto de regones que representan objetos de Fg 3 Umbralzado (superor) y la deteccón de bordes (nferor) de las mágenes Computacón y Sstemas Vol 15 No 2, 2011 pp
4 270 Alejandro Israel Barranco Gutérrez y José de Jesús Medel Juárez deseada El proceso desarrollado para establecer dchos límtes, se realzó observando los valores típcos de cada coefcente para trenta esferas, después se realzó un redondeo de los valores Los límtes para este caso se presentan en la tabla 1 Tabla 1 Límtes tomados expermentalmente para la clasfcacón de las esferas Fg 4 Fronteras de las tres mágenes bnarzadas por cada cámara para ser analzadas de acuerdo a su tamaño Para hacer un análss detallado de cada una de las formas obtendas en la deteccón de bordes, se procede a separar los objetos aslándolos en una magen ndependente que conserve su poscón dentro de la magen orgnal y analzar los rasgos estadístcos de la forma ndependente, comparándolos con los rasgos del banco de modelos almacenados en SRAO, para determnar conforme a una funcón de pertenenca [9] s dchos parámetros son smlares o no a alguno de los almacenados en el banco de modelos, como se muestra en la fgura 4 41 Reconocmento de forma de los objetos En esta etapa se analza s la slueta bajo condcones de lumnacón constantes corresponde al objeto buscado medante el uso de los nvarantes de Hu [8], que se dervan de los momentos estadístcos y que mapean a cada slueta formada de una magen de dos dmensones bnara a los sete nvarantes de Hu En el caso de las esferas podemos defnr rangos en nuestras varables para dentfcar a la forma 42 Rasgo dmensonales Los rasgos dmensonales proporconan nformacón del objeto a reconocer por medo de algunas de sus dmensones característcas; por ejemplo, en este trabajo se muestra un conjunto de esferas del msmo color (blancas), que por tener la msma forma, su análss estadístco de Hu, muestra valores muy smlares; pero s se requere reconocer en la magen de la fgura 4 a la esfera de dámetro 005 m; será necesaro comprobar la dmensón del dámetro de la esfera Para realzar la medcón automátca de alguna dmensón a partr de mágenes, es necesaro defnr las dmensones a medr y un sstema estereoscópco de cámaras calbradas, que en conjunto nos permtrán reconocer al objeto buscado, por medo de su forma y algunos rasgos dmensonales, estos últmos son muy mportantes para el reconocmento en tres dmensones, ya que este rasgo es la característca que nos ayudará a comprobar la dentdad del objeto buscado La calbracón de cámaras dgtales de acuerdo con [4, 7, 17, 18], consste en estmar los parámetros de un modelo que relacone los píxeles de la fotografía con las dmensones del Computacón y Sstemas Vol 15 No 2, 2011 pp
5 Reconocmento automátco de objetos basado en la relacón dmensonal 271 objeto capturado en la fotografía, parámetros que dependen de la resolucón y el enfoque 43 Medcón automátca de dmensones Después de la etapa de pre-reconocmento, donde se verfcó s alguna de las formas encontradas en la magen correspondía con la forma buscada (en este caso la slueta de una esfera), se trabaja con la etapa de medcón automátca de dmensones de las sluetas Para esto se escoge una dmensón característca del objeto, que llamaremos rasgo dmensonal En este caso medmos el rado de las esferas encontradas en la magen, con un sstema de vsón estereoscópco prevamente calbrado El rasgo dmensonal selecconado fue el dámetro de la esfera meddo desde el extremo superor al nferor de esta, así como se muestra en la fgura 5 Se escogen estos puntos debdo a que en las dos mágenes del sstema estereoscópco estos puntos corresponden al msmo punto en el sstema de referenca espacal 3D, ya que asummos que el sstema esta calbrado y colocado sobre una línea horzontal cámaras zquerda y derecha respectvamente y la salda es un punto en el espaco ( x, y, z) Este proceso se lustra en la Tablas 2, y Tabla 3, Donde se muestran los resultados para los puntos superores e nferores respectvamente para el caso de las mágenes presentadas en las fguras 2, 3 y 4 Tabla 2 Coordenadas de los puntos superores de la esfera captada por las cámaras Tabla 3 Coordenadas de los puntos superores de la esfera captada por las cámaras Fg 5 Medda del dámetro de la magen a través de sus fronteras superor e nferor Al encontrar los puntos x, y de los extremos, superor e nferor de cada una de las esferas en las mágenes derecha e zquerda, se procede a calcular el dámetro de dcha esfera obtenendo drectamente las coordenadas (x, y, z) del extremo superor e nferor de cada una de las mágenes (derecha e zquerda) de la esfera Para lograr esta tarea utlzamos el modelo de cámaras PINHOLE estereoscópco calbrado, donde sus entradas son los puntos: ( x I, yi ) y x, y ) de los extremos de las esferas en las ( D D El últmo paso es verfcar s las dmensones de la esfera corresponden con el dámetro buscado En este trabajo se elgó reconocer a la esfera de dámetro 005 m Y con ayuda de los dos puntos en el espaco (superor e nferor) de la esfera se calcula el dámetro de la msma por medo de (3) dl 2 x x0 1 (3) El resultado en el ejemplo que hemos vendo manejando fue: m Lo cual verfca que la esfera medana que se encuentra en la magen de las tres esferas, es la esfera que buscábamos y esto fue calculado de manera automátca Computacón y Sstemas Vol 15 No 2, 2011 pp
6 272 Alejandro Israel Barranco Gutérrez y José de Jesús Medel Juárez 5 Conclusones Se presentó la metodología para el reconocmento automátco de objetos basado en las dmensones y se probó que el sstema de reconocmento es flexble respecto a dferentes formas de los objetos de nterés Descrbendo cómo selecconar un objeto sn contar con las cámaras calbradas, de acuerdo a las característcas establecdas en el sstema de cómputo de entre objetos de forma y colores smlares pero de dferente dmensón Referencas 1 Amt, Y (2002) 2D Object Detecton and Recognton: Models Algorthms, and Networks Cambrdge, Mass: MIT Press 2 Barranco, AI & Medel, JJ (2008) Identfcacón de formas y color en mágenes a partr de la meda y la varanza de los nveles de color RGB 1er Smposo de Tecnología avanzada, Méxco, D F, 79 3 Barranco, AI, & Medel, JJ (2008) Proceso de calbracón de cámaras dgtales basado en el modelo pn-hole 2do Smposo de Tecnología Avanzada, Méxco, DF, 66 4 Barranco, AI & Medel, JJ (2008) Vsón estereoscópca por computadora (Informe técnco, sere azul, no 235) Méxco, DF: Insttuto Poltécnco Naconal, Centro de Investgacón en Computacón 5 Barranco, AI & Medel, JJ (2009) Dgtal Camera Calbraton Analyss Usng Perspectve Projecton Matrx 8th WSEAS Internatonal Conference on Sgnal Processng, Robotcs and Automaton, Gonzalez, RC & Woods, RE (2008) Dgtal Image Processng (3 rd ed) Upper Saddle Rver, NJ: Prentce Hall 7 Hartley, R & Zsserman, A (2003) Multple vew geometry n computer vson (2 nd ed) Cambrdge, UK: Cambrdge Unversty Press 8 Hu, MK (1962) Vsual Pattern Recognton by Moment Invarants IRE Transactons on Informaton Theory, 8(2), Medel, JJ, García, JC & Guevara, P (2009) Real-tme neuro-fuzzy dgtal flterng: a techncal scheme Automatc Control and Computer Scences, 43 (1), Lam, L, Lee, SW & Suen, CY (1992) Thnnng Methodologes A comprehensve Survey IEEE Transactons on pattern analyss and machne ntellgence, 14(9), Otsu, N (1979) A threshold selecton method from gray level hstograms IEEE transactons on systems, man and cybernetcs, 9(1), Pajares, G & de la Cruz, JM (2002) Vsón por computador, mágenes dgtales y aplcacones Madrd: Alfa Omega 13 Peebles, PZ (2006) Prncpos de probabldad, varables aleatoras y señales aleatoras (4ª ed) Madrd: McGrawHll 14 Rudn, W (1980) Prncpos de análss matemátco (3ra ed) Méxco: Mc Graw Hll 15 Sobel, I & Feldman, G (1968) A 3x3 Isotropc Gradent Operator for Image Processng, presented at a talk at the Stanford Artfcal Project 16 Sossa, JH (2006) Rasgos descrptores para el reconocmento de Objetos Méxco, DF: Insttuto Poltécnco Naconal 17 Voss, K, Marroqun, JL, Gutérrez SJ, & Suesse, H (2006) Análss de mágenes de Objetos Trdmensonales Méxco, DF: Insttuto Poltécnco Naconal 18 Zhang, Z (2000) A flexble new technque for camera calbraton IEEE Transactons on Pattern Analyss and Machne Intellgence, 22(11), Alejandro Israel Barranco Gutérrez es egresado del Doctorado en Tecnologías Avanzadas Actualmente el profesor a tempo completo del TEC undad Tlahuac y del grupo ICEL Es coautor de una patente y de artículos nternaconales José de Jesús Medel Juárez es profesor a tempo completo del Centro de Investgacón en Computacón, egresado del doctorado en Cencas en Control Automátco del CINVESTAV Es reconocdo como membro del SNI, así como de la AMC, IBC y Whos who n Scences and Eng Ha graduado tanto en doctorado como en maestría a más de 25 profesonstas Cuenta con más de 6 lbros publcados por edtorales naconales como nternaconales Es coautor de dversos artículos ndzados en JCR, EI, CONACyT, entre otros Ha desarrollado y sometdo dversas patentes El Dr Medel fue creador y fundador del posgrado en Tecnología Avanzada que se mparte en el CIITEC Artcle receved on 22/08/2010; accepted 10/05/2011 Computacón y Sstemas Vol 15 No 2, 2011 pp
DEFINICIÓN DE INDICADORES
DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.
Más detallesTrabajo y Energía Cinética
Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detallesCifrado de imágenes usando autómatas celulares con memoria
Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano
Más detallesKEY WORDS Pattern recognition, Circular Harmonics, Synthetic Discriminate Filter
ISSN 00-4 BISTUA Vol BISTUA 5 No Vol Pag 59 No - 4 ueda Parada JE, Castro C L M, Guerra L A Facultad de Cencas Báscas, Departamento de Físca, Grupo de Investgacón Óptca Moderna Unversdad de Pamplona E-Mal:
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesCÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1
CÁLCL ECTRIAL 1. Magntudes escalares y vectorales.. ectores. Componentes vectorales. ectores untaros. Componentes escalares. Módulo de un vector. Cosenos drectores. 3. peracones con vectores. 3.1. Suma.
Más detallesGráficos de flujo de señal
UNIVRSIDAD AUTÓNOMA D NUVO ÓN FACUTAD D INGNIRÍA MCANICA Y ÉCTRICA Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesDisipación de energía mecánica
Laboratoro de Mecáa. Expermento 13 Versón para el alumno Dspacón de energía mecáa Objetvo general El estudante medrá la energía que se perde por la accón de la uerza de rozamento. Objetvos partculares
Más detallesANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:
Geografía y Sstemas de Informacón Geográfca (GEOSIG). Revsta dgtal del Grupo de Estudos sobre Geografía y Análss Espacal con Sstemas de Informacón Geográfca (GESIG). Programa de Estudos Geográfcos (PROEG).
Más detallesExplicación de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS
Explcacón de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS EMBARGO: 21 de agosto de 2012, 15:00 (CEST) Objetvo angular de 24 mm, con zoom óptco 30x (PowerShot SX500 IS) Desarrollado usando
Más detallesTÉCNICAS AVANZADAS DE FUSIÓN DE IMÁGENES. Consuelo Gonzalo Martín (UPM) María González-Audicana
Consuelo Gonzalo Martín (UPM) María González-Audcana Madrd, 23 Abrl 2007 1.- Introduccón 2.- en la ponderacón de la nformacón 3.- en bancos de fltros 3.- en la respuesta espectral del sensor 4.- Conclusones
Más detallesTema 3: Adaptadores de Señal
Tema 3: Adaptadores de Señal Sstema GENERAL de nstrumentacón (bloques( funconales): Señal sensor Fltrado, A/D Amplfcacón Rado, nternet bus de datos Medo Sensor prmaro Transductor de entrada Adaptacón de
Más detallesRespuesta A.C. del FET 1/14
espuesta A.C. del FET 1/14 1. Introduccón Una ez que se ubca al transstor dentro de la zona saturada o de corrente de salda constante, se puede utlzar como amplfcador de señales. En base a un FET canal
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesESTRATEGIAS DIDÁCTICAS PARA ABORDAR LA EDUCACIÓN
ESTRATEGIAS DIDÁCTICAS PARA ABORDAR LA EDUCACIÓN AMBIENTAL EN EL NIVEL MEDIO SUPERIOR ARACELI ACEVEDO-CRUZ / MA. EUGENIA HERES-PULIDO Facultad de Estudos Superores Iztacala, Unversdad Naconal Autónoma
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesTERMODINÁMICA AVANZADA
ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón
Más detallesUNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II
UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con
Más detallesALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.
9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara
Más detallesCANTIDADES VECTORIALES: VECTORES
INSTITUION EDUTIV L PRESENTION NOMRE LUMN: RE : MTEMÁTIS SIGNTUR: GEOMETRÍ DOENTE: JOSÉ IGNIO DE JESÚS FRNO RESTREPO TIPO DE GUI: ONEPTUL - EJERITION PERIODO GRDO FEH DURION 3 11 JUNIO 3 DE 2012 7 UNIDDES
Más detallesTEMA 4 Variables aleatorias discretas Esperanza y varianza
Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009
UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesSistemas biométricos multimodales que emplean rasgos audio-visuales
Sstemas bométrcos multmodales que emplean rasgos audo-vsuales MSc. Susana C. Romanz Grupo de Investgacón en Segurdad de las Tecnologías de Informacón y Comuncacones Facultad Regonal Santa Fe - Unversdad
Más detallesTeléfono: (52)-55-5329-7200 Ext. 2432
Sstema de Montoreo Autónomo Basado en el Robot Móvl Khepera Jorge S. Benítez Read 1, Erck Rojas Ramírez 2 y Tonatuh Rvero Gutérrez Insttuto Naconal de Investgacones Nucleares Carretera Méxco-Toluca s/n,
Más detallesEL GOOGLE EARTH PARA EL LEVANTAMIENTO DEL MAPA DE LA FINCA
EL GOOGLE EARTH PARA EL LEVANTAMIENTO DEL MAPA DE LA FINCA Ilustración 1. Consulta de mapa con indicadores tipo semáforo AgroWin cuenta con un sofisticado sistema de consulta de indicadores empresariales
Más detallesCUADRIENIO 2011 2014
INFORME TÉCNICO PEAJE POR USO DE INSTALACIONES DE TRANSMISIÓN ADICIONAL POR PARTE DE USUARIOS SOMETIDOS REGULACIÓN DE PRECIOS QUE SE CONECTAN DIRECTAMENTE DESDE INSTALACIONES ADICIONALES CUADRIENIO 2011
Más detallesREGISTRO ELÁSTICO DE IMÁGENES DE SATÉLITE DE ALTA RESOLUCIÓN MEDIANTE OPTIMIZACIÓN DE REDES TRIANGULARES
REGITRO ELÁTICO E IMÁGENE E ATÉLITE E ALTA REOLUCIÓN MEIANTE OPTIMIZACIÓN E REE TRIANGULARE Vcente Arévalo Javer González Gregoro Ambroso pto. Ingenería de stemas y Automátca. Unversdad de Málaga. Campus
Más detallesRECONOCIMIENTO DE MARCAS DE GANADO
RECONOCIMIENTO DE MARCAS DE GANADO Gullermo Sampallo, Domngo Duarte, Damán Vázquez y Arturo González Thomas Facultad Regonal Resstenca Unversdad Tecnológca Naconal French 414 Resstenca Chaco sampallo@frre.utn.edu.ar
Más detallesJHAN EVER ANDRADE CASTRO
OBJETIVOS: HERRAMIENTAS DE OFIMÁTICA NIVEL BÁSICO Conocer el sistema operativo Windows y las diferentes versiones que ha tenido a través del tiempo. Aprender a utilizar el escritorio de Windows y cada
Más detallesUN POCO DE HISTORIA Prof. Teuvo Kohonen UN POCO DE HISTORIA
Self-Organzng Maps 1. Defnón.. Un poo de hstora. CONTENIDO 3. Desrpón del algortmo. L. Pablo Sergo Garía 4. Ejemplos en ejeuón. 5. Problemas 6. Aplaones. DEFINICIÓN El SOM es un algortmo para vsualzar
Más detallesRepresentación de páginas web a través de sus enlaces y su aplicación a la recuperación de información.
Representacón de págnas web a través de sus enlaces y su aplcacón a la recuperacón de nformacón. José Lus Alonso Berrocal (berrocal@gugu.usal.es) Carlos G. Fguerola (fgue@gugu.usal.es) Ángel Francsco Zazo
Más detallesXII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.
Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas
Más detallesSegmentación robots móviles en espacios inteligentes utilizando técnicas GPCA y minimización de funciones de energía
Segmentacón robots móvles en espacos ntelgentes utlzando técncas GPCA mnmzacón de funcones de energía Crstna Losada, Manuel Mazo, Sra Palazuelos, Francsco edondo Departamento de Electrónca. Unversdad de
Más detallesFísica I. TRABAJO y ENERGÍA MECÁNICA. Apuntes complementarios al libro de texto. Autor : Dr. Jorge O. Ratto
ísca I Apuntes complementaros al lbro de teto TRABAJO y ENERGÍA MECÁNICA Autor : Dr. Jorge O. Ratto Estudaremos el trabajo mecánco de la sguente manera : undmensonal constante Tpo de movmento varable bdmensonal
Más detallesSISTEMA DE RECONOCIMIENTO DE ROSTROS
SISTEMA DE RECONOCIMIENTO DE ROSTROS Categoría: Pre-grado - Alumno Área Temátca: Ingenería de Sstemas Procesamento Dgtal de Imágenes Autor Sandra María Vlla Palacos Unversdad Peruana de Cencas Aplcadas
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesInstituto Politécnico Nacional
Instituto Politécnico Nacional Escuela Superior De Cómputo Web Application Development Reporte Examen, 3do Departamental Grupo: 3CM2 Alumno Hernández Oyarzábal Mauricio Francisco Introducción a Drupal
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detalles_ Antología de Física I. Unidad II Vectores. Elaboró: Ing. Víctor H. Alcalá-Octaviano
24 Unidad II Vectores 2.1 Magnitudes escalares y vectoriales Unidad II. VECTORES Para muchas magnitudes físicas basta con indicar su valor para que estén perfectamente definidas y estas son las denominadas
Más detallesIII. <<Insertar Cita>> <<Autor>>
Capítulo III Vsón III 3.1 Procesamento de Imágenes Se entende por procesamento de mágenes a la alteracón y análss de la normacón gráca. 3.1.1 Sstema de vsón humano El sstema
Más detallesAlgunos métodos de clasificación de puestos de trabajo en la empresa
lgunos métodos de clasfcacón de puestos de trabajo en la empresa. lgunos métodos de clasfcacón de puestos de trabajo en la empresa Canós Darós, Lourdes, loucada@omp.upv.es Pers Ortz, Marta, marpeor1@omp.upv.es
Más detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detallesMódulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)
Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,
Más detallesPROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA
Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL
Más detallesLA MATRIZ DE CO-OCURRENCIA EN LA CLASIFICACIÓN MULTIESPECTRAL: TUTORIAL PARA LA ENSEÑANZA DE MEDIDAS TEXTURALES EN CURSOS DE GRADO UNIVERSITARIO.
LA MATRIZ DE CO-OCURRECIA E LA CLASIFICACIÓ MULTIESPECTRAL: TUTORIAL PARA LA ESEÑAZA DE MEDIDAS TEXTURALES E CURSOS DE GRADO UIVERSITARIO. Tema do Trabalho: Recursos Ddátcos para o Ensno de Sensoramento
Más detallesSmoothed Particle Hydrodynamics Animación Avanzada
Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla
Más detallesModelado de un Robot Industrial KR-5
RESUMEN Modelado de un Robot Industral KR-5 (1) Eduardo Hernández 1, Samuel Campos 1, Jorge Gudno 1, Janeth A. Alcalá 1 (1) Facultad de Ingenería Electromecánca, Unversdad de Colma, km 2 Carretera Manzanllo-Barra
Más detallesUna viga se encuentra sometida a Flexión Pura cuando el momento Flector es la única fuerza al interior de la sección.
3. FLEXÓ E VGS RECTS 3.1.- Conceptos Báscos Una ga se encentra sometda a Fleón Pra cando el momento Flector es la únca fera al nteror de la seccón. Ejemplo: Una ga smplemente apoada de l L solctada por
Más detallesOPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS
P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesUnidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles
2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca
Más detallesMatemática Financiera Sistemas de Amortización de Deudas
Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas
Más detallesPRÁCTICA 1. IDENTIFICACIÓN Y MANEJO DE MATERIAL DE LABORATORIO: PREPARACIÓN DE DISOLUCIONES Y MEDIDA DE DENSIDADES
PRÁCTICA 1. IDENTIFICACIÓN Y MANEJO DE MATERIAL DE LABORATORIO: PREPARACIÓN DE DISOLUCIONES Y MEDIDA DE DENSIDADES OBJETIVOS ESPECÍFICOS 1) Identfcar y manejar el materal básco de laboratoro. ) Preparar
Más detallesIncertidumbre de la Medición: Teoría y Práctica
CAPACIDAD, GESTION Y MEJORA Incertdumbre de la Medcón: Teoría y Práctca (1 ra Edcón) Autores: Sfredo J. Sáez Ruz Lus Font Avla Maracay - Estado Aragua - Febrero 001 Copyrght 001 L&S CONSULTORES C.A. Calle
Más detallesDeterminación de Puntos de Rocío y de Burbuja Parte 1
Determnacón de Puntos de Rocío y de Burbuja Parte 1 Ing. Federco G. Salazar ( 1 ) RESUMEN El cálculo de las condcones de equlbro de fases líqudo vapor en mezclas multcomponentes es un tema de nterés general
Más detallesAPLICACIÓN DEL MODELO ANFIS PARA PREDICCIÓN DE SERIES DE TIEMPO
Lámpsakos N o. 9 pp. 2-25 enero-juno 203 ISSN: 245-4086 Medellín - Colomba APLICACIÓN DEL MODELO ANFIS PARA PREDICCIÓN DE SERIES DE TIEMPO APPLICATION OF THE ANFIS FOR TIME SERIES PREDICTION (Recbdo el
Más detallesAPENDICE A. El Robot autónomo móvil RAM-1.
Planfcacón de Trayectoras para Robots Móvles APENDICE A. El Robot autónomo móvl RAM-1. A.1. Introduccón. El robot autónomo móvl RAM-1 fue dseñado y desarrollado en el Departamento de Ingenería de Sstemas
Más detallesObtención de mapas de similitud sísmica 2D mediante redes neuronales Oscar Rondón*, PDVSA-Intevep, y Rafael Banchs, PDVSA -Intevep
Obtencón de mapas de smltud sísmca 2D medante redes neuronales Oscar Rondón, PDVSA-Intevep, y Rafael Banchs, PDVSA -Intevep Resumen El desarrollo de metodologías para obtener e ntegrar nformacón de múltples
Más detallesInstituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012
Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE
Más detalles1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo
EL ÁLGEBRA GEOMÉTRICA DEL ESPACIO Y TIEMPO. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA Defncón del álgebra geométrca del espaco-tempo Defno el álgebra geométrca del espaco y tempo como el álgebra de las matrces
Más detallesConfiguración de CFDI
Nombre del Podcast: PodCast 05-2013 Tema: Configuración de CFDI en los sistemas Microsip. Objetivos: URL de los archivos: Mostrar cómo se configura el esquema CFDI en cada uno de los sistemas correspondientes
Más detallesEs integral, tiene todos los módulos necesarios conectados entre sí para operar todas las funciones administrativas, operativas y comerciales.
Paquetería contable 1 Sesión No. 9 Nombre de la sesión: ClickBalance Contextualización: Continuando con los sistemas o paquetería contable en base a programas de ERP, encontramos en el mercado la empresa
Más detallesAlgoritmo para la ubicación de un nodo por su representación binaria
Título: Ubcacón de un Nodo por su Representacón Bnara Autor: Lus R. Morera González En este artículo ntroducremos un algortmo de carácter netamente geométrco para ubcar en un árbol natural la representacón
Más detallesFiltrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional
Filtrado de Imágenes y Detección de Orillas Utilizando un Filtro Promediador Móvil Multipunto Unidimensional Mario A. Bueno a, Josué Álvarez-Borrego b, Leonardo Acho a y Vitaly Kober c mbueno@cicese.mx,
Más detallesCONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A.
CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. PERÍODO 201-2020 Introduccón Las Bases Técnco Económcas Prelmnares, en
Más detallesMANUAL DE AYUDA HERRAMIENTA DE APROVISIONAMIENTO
MANUAL DE AYUDA HERRAMIENTA DE APROVISIONAMIENTO Fecha última revisión: Marzo 2016 INDICE DE CONTENIDOS HERRAMIENTA DE APROVISIONAMIENTO... 2 1. QUÉ ES LA HERRAMIENTA DE APROVISIONAMIENTO... 2 HERRAMIENTA
Más detallesCASO PRÁCTICO DISTRIBUCIÓN DE COSTES
CASO PRÁCTICO DISTRIBUCIÓN DE COSTES Nuestra empresa tiene centros de distribución en tres ciudades europeas: Zaragoza, Milán y Burdeos. Hemos solicitado a los responsables de cada uno de los centros que
Más detallesCinemática del movimiento rotacional
Cnemátca del movmento rotaconal Poscón angular, θ Para un movmento crcular, la dstanca (longtud del arco) s, el rado r, y el ángulo están relaconados por: 180 s r > 0 para rotacón en el sentdo anthoraro
Más detallesMariano Ordás Fernández. Informática.- Consolidación. Centro de Educación de Adultos El Fontán Oviedo
2 0 1 0 Informática.- Consolidación Curso 2012-2013 Centro de Educación de Adultos El Fontán Oviedo FUNDAMENTO Y DISTRIBUCIÓN DE LOS CONTENIDOS El presente tutorial recoge algunas de las funciones avanzadas
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
Más detalles4. DESARROLLO DEL SISTEMA DE INFORMACIÓN REGISTRAL AUTOMATIZADO
4. DESARROLLO DEL SISTEMA DE INFORMACIÓN REGISTRAL AUTOMATIZADO 4.1. Reseña del Proyecto En el año 1995, la Oficina Registral de Lima y Callao (ORLC), con el objetivo de mejorar la calidad de los servicios
Más detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
Más detallesSegmentación de Imágenes mediante Reconocimiento de Patrones
Equaton Chapter 1 Secton 1 Materal del Curso Segmentacón de Imágenes medante Reconocmento de Patrones Ing. Dego Sebastán Comas Dr. Gustavo Javer Meschno Curso: Segmentacón de Imágenes medante Reconocmento
Más detalles102784 [20380] Visió per Computador Prueba 1 (2015) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada)
102784 [20380] Visió per Computador Prueba 1 (2015) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada) 1. El gap del silicio es de 1.11eV (salto energético entre banda de valencia
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 013 INSTITUTO NACIONAL DE ESTADÍSTICAS 015 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR
Más detallesDepartamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011
Departamento de Señales, Sstemas y Radcomuncacones Comuncacones Dgtales, juno 011 Responder los problemas en hojas ndependentes. No se permte el uso de calculadora. Problema 1 6 p.) En este ejercco se
Más detallesMANUAL CONFIGURACION SIPTAR Y ADAPTADOR VOIP
MANUAL CONFIGURACION SIPTAR Y ADAPTADOR VOIP Para una correcta configuración del tarificador SipTar y de las cuentas en su adaptador Voip debemos seguir los siguientes pasos: 1. Debemos obtener una cuentas
Más detallesMATERIAL Y MÉTODOS. Se utilizó el listado de códigos que Caminal estableció para España, a los cuales se
MATERIAL Y MÉTODOS Fuentes de nformacón Los datos de hosptalzacón se obtenen del Conjunto Mínmo de Datos de Egresos Hosptalaros del Seguro Públco de Salud Costarrcense (SPSC) y las proyeccones de poblacón
Más detallesSUPPORT VECTOR MACHINE FOR DETECTING TEXTILE DEFECTS, USING FEATURES SPATIAL OF TEXTURE
ISS: 69-757 - Volumen - úmero 4 - Año 009 Revsta Colombana de SUPPORT VECTOR MACHIE FOR DETECTIG TEXTIE DEFECTS, USIG FEATURES SPATIA OF TEXTURE MÁQUIA DE VECTORES DE SOPORTE PARA A DETECCIÓ DE DEFECTOS
Más detallesLa Importancia del diseño de un sistema de información de costos para a competitividad en los mercados. Resumen
La Importancia del diseño de un sistema de información de costos para a competitividad en los mercados González, N. E., Moreno.M.D., López, M. E., Aceves J. N. & Celaya F. R. Departamento de Contaduría
Más detallesCaso práctico sobre como optimizar la confección y control del presupuesto mediante Tablas Dinámicas de Excel
COLABORACIONES GESTIÓN FINANCIERA Caso práctico sobre como optimizar la confección y control del presupuesto mediante Tablas Dinámicas de Excel Caso Práctico: elaborar el presupuesto Introducción Es muy
Más detallesRESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES
RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES 1 La ecuación 2x - 3 = 0 se llama ecuación lineal de una variable. Obviamente sólo tiene una solución. La ecuación -3x + 2y = 7 se llama ecuación lineal de
Más detallesServicio de estadísticas de Alojamiento Fecha de revisión: 19/09/2005
Servicio de estadísticas de Alojamiento Fecha de revisión: 19/09/2005 1. Acerca de este documento Este documento describe el servicio de estadísticas del que actualmente disfrutan algunas de las páginas
Más detallesUso del programa CALC
Uso del programa CALC 1. Introducción. Podemos considerar una hoja de cálculo como una tabla en la que tenemos texto, números y fórmulas relacionadas entre si. La ventaja de usar dicho programa radica
Más detallesDETECCIÓN DE PUNTOS ANATÓMICOS DE REFERENCIA EN IMÁGENES MÉDICAS USANDO LÓGICA BORROSA
XXV Jornadas de Automátca Cudad Real, del 8 al 10 de septembre de 2004 DETECCIÓN DE PUNTOS ANATÓMICOS DE REFERENCIA EN IMÁGENES MÉDICAS USANDO LÓGICA BORROSA S. Alayón salayon@ull.es L. Moreno lmoreno@ull.es
Más detallesPasos para crear un gráfico en Excel GRÁFICOS EN EXCEL
GRÁFICOS EN EXCEL Un gráfico en Excel es una representación de valores numéricos que mejora la comprensión de los datos que se encuentran en nuestra hoja. Los gráficos son una excelente herramienta para
Más detallesEspacios de Búsqueda en un Árbol Binario para Resolver Problemas de Optimización Discreta
Espacos de Búsueda en un Árbol Bnaro para Resolver Problemas de Optmzacón Dscreta María Elena Gómez-Torres J. Crspín Zavala-Díaz Marco Antono Cruz- Chávez 3 Insttuto Tecnológco de Zacatepec Calzada Insttuto
Más detallesLa clasificación de métodos de registro propuesta por Maintz [1998] utiliza las siguientes categorías:
II.5. Regstro de mágenes médcas El regstro es la determnacón de una transformacón geométrca de los puntos en una vsta de un objeto con los puntos correspondentes en otra vsta del msmo objeto o en otro
Más detalleswww.bmsolutions.com.mx TEL: 01800 267 0 267 1
Las aplicaciones a mostrar cuentan con búsquedas inteligentes las cuales son de gran ayuda para el usuario del sistema, ya que al ingresar la clave, folio o una parte del nombre del cliente el sistema
Más detallesMANUAL DE AYUDA MÓDULO GOTELGEST.NET PREVENTA/AUTOVENTA
MANUAL DE AYUDA MÓDULO GOTELGEST.NET PREVENTA/AUTOVENTA Fecha última revisión: Septiembre 2014 MANUAL DE AYUDA MÓDULO GOTELGEST.NET PREVENTA/AUTOVENTA MÓDULO GOTELGEST.NET MÓVIL... 3 1. INTRODUCCIÓN A
Más detallesUNIDAD DE PLANEACIÓN MINERO ENERGÉTICA
UNIDAD DE PLANEACIÓN MINERO ENERGÉTICA FORMULACIÓN DE UN PROGRAMA BÁSICO DE NORMALIZACIÓN PARA APLICACIONES DE ENERGÍAS ALTERNATIVAS Y DIFUSIÓN Documento ANC-0603-10-01 ANTEPROYECTO DE NORMA AEROGENERADORES
Más detallesPotencial eléctrico. du = - F dl
Introducción Como la fuerza gravitatoria, la fuerza eléctrica es conservativa. Existe una función energía potencial asociada con la fuerza eléctrica. Como veremos, la energía potencial asociada a una partícula
Más detallesCOMPARADOR CON AMPLIFICADOR OPERACIONAL
COMAADO CON AMLIFICADO OEACIONAL COMAADO INESO, COMAADO NO INESO Tenen como msón comparar una tensón arable con otra, normalmente constante, denomnada tensón de referenca, dándonos a la salda una tensón
Más detalles