INTRODUCCIÓN HISTÓRICA.

Transcripción

1 Aplicació de los Sistemas Evolutivos al Tratamieto de Imágees Ferado Galido Soria Escuela Superior de Cómputo (ESCOM) Istituto Politécico Nacioal Av. Miguel Othó de Medizábal y Av. Jua de Dios Bátiz s/ Zacateco, Ciudad de México MÉXICO fgalido@ip.mx INTRODUCCIÓN HISTÓRICA. 4 de Mayo de 1998 Los Sistemas Evolutivos[1] surgiero a pricipio de los 80 s como ua respuesta a la ecesidad de cotar co sistemas capaces de trasformarse e tiempo real a partir de los cambios ocurridos e su ambiete. Bajo esta idea, e 1986, Sadra Camacho Villaueva, Patricia Gómez Redó y Jesús Olivares Ceja, tres estudiates-ivestigadores de la Liceciatura e Ciecias de la Iformática de la Uidad Profesioal Iterdiscipliaria de Igeiería y Ciecias Sociales y Admiistrativas (UPIICSA) del Istituto Politécico Nacioal (IPN) desarrollaro el primer Sistema Evolutivo que fucioó e forma real, coocido como Si-VE (Sistema de Visió Experto) [5], el cual tiee la capacidad de recoocer imágees e 2D a partir de sus propiedades topológicas. El mismo grupo de ivestigadores costruyó a fiales de 1986 u uevo sistema evolutivo el cual tiee la capacidad de represetar imágees simples como cuadrados o triágulos e térmio de gramáticas co atributos y es capaz de reestructurar e tiempo real estas gramáticas, co lo que permaetemete está evolucioado. A partir de esta idea, se desarrolló el cocepto de leguajes de trayectoria[6] y se costruyero otros sistemas de este tipo, tato detro de los cursos como e trabajos de titulació[7]. Ahora bie, los Sistemas Evolutivos orietados al tratamieto de imágees como tales surgiero a partir de los trabajos que iicio Cuitláhuac Catú Rohlík[8] a pricipios de los 80 s cuato era tambié estudiate-ivestigador e la UPIICSA y que cocretó e 1988 co ua serie de productos orietados al tratamieto de imágees, mismos que desarrolla y comercializa actualmete e su empresa VICON.

2 Los trabajos de Cuitláhuac ha impactado fuertemete e el desarrollo de los Sistemas Evolutivos, pero la característica de productos de mercado de estos trabajos ha dificultado la difusió de sus técicas y métodos, por lo que, solo alguos de sus ideas básicas se ha difudido e foros y cursos de Iteligecia Artificial (IA) [17]. Por otro lado, Ágel Cesar Morales Rubio[2][3] desarrollo e forma idepediete ua serie de ideas y coceptos sobre tratamieto de imágees que por u lado tiee mucho e comú co los trabajos de Cuitláhuac Catú y que por otro aclara y amplía el área. Parte del objetivo de este trabajo es difudir alguos de los métodos desarrollados por estos y otros ivestigadores, co el fi de que ua persoa si coocimietos previos sobre el área sea capaz de empezar a aplicarlos y resolver problemas cada vez de mayor complejidad. I. MANEJO DE IMÁGENES COMO DATOS ENORMES. E primer lugar partiremos de que el sistema más simple para recoocer ua image se reduce a ua comparació, para lo cual veremos a ua image como u cojuto de putos, dode cada puto toma cierto valor que idica su color, por lo que al fial de cuetas ua image se puede ver como u registro de *m úmeros (dode es el úmero de regloes y m el de columas). De dode, saber si ua image es igual a otra, se reduce a comparar dos registros, y si éstos so iguales, etoces, las imágees so iguales. E particular las imágees e ua fotografía, televisió o moitor de computadora está formadas por ua gra catidad de putos coocidos como pixeles, que al estar jutos da la ilusió de estar uidos. Estos putos se arregla e ua matriz, de tal maera que forma la image e u plao. E ua image típica se puede teer del orde de 500 x 600 putos o sea alrededor de 300,000 pixeles, dode cada pixel toma u valor co el cual se idica su color. E los sistemas más simples el pixel toma dos valores (0 ó 1) (blaco ó egro) por lo que sólo se requiere u bit para represetarlo, pero si quiero maejar 16 posibles colores e cada puto ya se requiere 4 bits por pixel, e su mometo existe sistemas que permite maejar 64 (6 bits), 256 (8 bits por

3 pixel) y hasta x = 4 mil milloes de billoes de colores para cada puto. E este trabajo supodremos que cada puto ocupa u byte, o sea que ua image de 300,000 pixeles ocupa e pricipio 300,000 caracteres y requiere ser almaceada de algua forma detro de la máquia. Existe muchas formas de almacearla, pero la más simple cosiste e guardar todos los putos uo detrás de otro o sea que primero se almacea todos los putos del primer regló, imediatamete todos los del segudo y así sucesivamete hasta que se termia la image. O sea que toda la image se puede ver como u dato eorme. Existe muchas otras técicas para guardar ua image, pero e térmios prácticos y para facilitar la explicació asumiremos que ua image se puede ver como u dato formado por muchos bits, co lo que, todas las técicas para maejo de datos (comparació, búsqueda, ordeamieto, suma, resta, operacioes lógicas, cocateació, etc.) le so aplicables. II. SISTEMAS EVOLUTIVOS DE REESCRITURA PARA TRATAMIENTO DE IMÁGENES. Por ejemplo, se puede crear u archivo co dos columas (image, ombre_image) y hacer u programa que busque ua image e el archivo, si la ecuetra diga como se llama, sio que pregute su ombre y la iserte como u uevo regló. Lo aterior es la base de u sistema evolutivo de reescritura[4] orietado al tratamieto de imágees y fácil de costruir ya que e esecia su código costa de uas cuatas líeas como se puede ver a cotiuació

4 mai() { mietras o_fi { lee image_ueva mietras archivo_de_imagees fi_de_archivo } } e imáge_ueva image lee la siguiete image del archivo si archivo_de_imagees fi_de_archivo escribe ombre_image sio { pide ombre de la image_ueva almacea e el archivo image_ueva, ombre_image } Como se puede ver, e su forma más simple, el problema de recoocimieto se reduce a u problema de búsqueda, ahora bie si se tiee muchas imágees o se tiee imágees parecidas pero o idéticas la situació se complica. El primer problema es de estructura de datos y e pricipio se puede resolver de múltiples formas, por ejemplo, ordeado las imágees, creado u directorio co valores iiciales de la image, obteiedo u umero represetativo (hashig) de la image, almaceádola e forma compacta o fractal, etc. III. NORMALIZACIÓN DE IMÁGENES MEDIANTE REJILLAS. El problema de recoocer imágees parecidas es más iteresate y requiere de más tratamieto. La primera solució al problema de imágees similares cosiste básicamete e itroducir u cotador, de tal maera que, cuado se va comparado dos imágees, se lleva la cueta de cuatos putos so iguales y al fial se ve e que porcetaje fuero similares, si el porcetaje es mayor que algú úmero prefijado (por ejemplo 90%) se asume que las dos imágees represeta lo mismo, sio, se etra al proceso evolutivo para ver como se llama la ueva image. El aterior, sigue siedo u método secillo, si embargo, o resuelve problemas como el de imágees movidas, agradadas o achicadas, este tipo de problemas tiee que ver co lo que e el área se cooce como búsqueda de

5 ivariates, dode ua ivariate es ua característica de u objeto que o depede de su posició o tamaño, por ejemplo u triágulo es ua figura cerrada de tres lados y el umero de lados o cambia idepedietemete del tamaño o posició del triágulo. Por lo que a cotiuació y si meteremos e detalles presetaremos ua técica, que auque o demostraremos que produce ivariates, da bueos resultados prácticos. Durate los 80 s Cuitláhuac Catú[17] itrodujo detro de sus sistemas evolutivos lo que llamamos ua rejilla variable. La explicació de esta idea se dividirá e dos partes, e la primera explicaremos lo que es ua rejilla y mas adelate se verá lo que es ua rejilla variable. Ua rejilla se costruye básicamete, tomado ua image y si importar su tamaño sustituyédola por otra image de tamaño fijo (por ejemplo 100 x 100) coocida como image ormalizada. O sea que, si se tiee ua image de 500 x 500 se sustituirá por ua de 100 x 100 y si se tiee otra de 300 x 320 tambié la deja e 100 x 100, co lo cual o importa cual sea su tamaño origial al fial tego imágees del mismo tamaño y por lo tato el tamaño de las imágees deja de ser u factor a tomar e cueta. (Nuevamete, se puede argumetar que esto o fucioa si se compara perros co casas, pero es coveiete recordar que todo es poco a poco y paso a paso). Existe muchas técicas para costruir la image ormalizada, icluyedo: 1) Tomar u dato y varios o, por ejemplo si la image es de 500 x 500 y se pasa a 100 x 100, se toma los datos de 5 e 5. 2) Tomar datos e forma probabilística co ua distribució uiforme, por ejemplo e el problema de 500 x 500 a 100 x 100, se está pasado de 250,000 putos a 10,000 o sea uo de cada 25, etoces la probabilidad de tomar u puto de la image origial es de 1/25avo. 3) Tomar el valor promedio de u grupo de datos, e uestro ejemplo, la image origial de 500 x 500 se divide e pequeños bloques de 5 x 5, se obtiee el valor promedio de cada bloque y este valor forma parte de la image ormalizada. Co estas y otras técicas se puede obteer ua image ormalizada e la cual pequeñas variacioes de posició o de tamaño so absorbidas, por lo que, e lo que sigue del trabajo se supoe que estamos trabajado co ua image ormalizada (auque mucho de lo que veremos se puede aplicar a las

6 imágees origiales, ya que, existe problemas que maeja datos de tamaño y posició similares). IV. MANEJO DE IMÁGENES MEDIANTE FIRMAS. Si se observa co cuidado desde que se itrodujo la búsqueda de objetos similares y mas adelate el maejo de las rejillas, realmete ya o se está comparado objetos iguales sio solo similares, ahora bie, si por mala suerte la primera image de u objeto o es la mas represetativa, cuado llega ua image ueva del objeto, es probable que el sistema evolutivo o la ecuetre, por ejemplo, si la primera image es ua foto borrosa de mi perro, la siguiete vez que llegue ua foto de mi perro es muy posible que los putos iguales sea muy pocos y por tal motivo el sistema o la recoozca. Co el fi de evitar lo aterior, desde que surgiero los primeros métodos de recoocimieto de formas y e particular de imágees se ha usado que, e lugar de almacear ua image de u objeto lo que se almacea es el promedio de múltiples imágees o formas del mismo objeto coocido como firma del objeto. O sea tomo muchas fotos de mi perro desde la misma posició y almaceo la foto promedio del perro. Etoces si se compara ua image ueva del perro es más probable que el sistema la asocie co el perro promedio y o co u gato promedio. Nuevamete existe múltiples técicas para ecotrar y almacear la firma. La más simple cosiste e que dadas dos imágees se suma puto a puto y se divide etre dos y el resultado se almacea e la máquia. El problema e este caso es que fácilmete se llega a errores de trucamieto. Otra opció cosiste e sumar muchas imágees y sacar el promedio. Por ejemplo si se tiee imágees del perro I 1, I 2, I 3,, I la image promedio I P se obtiee mediate la expresió: I j j=1 I P = dode la suma y divisió se realiza pixel a pixel.

7 Ua alterativa que da mejor resultado e alguos casos cosiste e almacear directamete el resultado de la suma y mateer aparte u cotador que idica el umero de imágees acumuladas. Por ejemplo si se tiee las siguietes imágees: I I I La image acumulada (I A ) I A = I j quedaría como sigue : j=1 I A dode el 3 fial idica el úmero de imágees que se acumularo. Esta represetació tiee la vetaja de que los errores de trucamieto se reduce. Ahora bie, si se quiere recoocer ua image ueva (I N ) : I N Ua técica puede ser la siguiete : Se multiplica la image ueva por el úmero de imágees (3 e el ejemplo aterior): I N Se resta e valor absoluto, puto a puto de la image acumulada : I A I N = I D el resultado se divide puto a puto etre el úmero de imágees

8 I D I D es el resultado del proceso y e este ejemplo idica que las imágees so prácticamete iguales. Ahora bie el proceso aterior se puede represetar co la siguiete ecuació I A - I N * I D = dode si sustituimos I A = I j j=1 queda ( I j ) - I N * I j j=1 j = 1 I D = = - I N = I P - I N Es decir, que I D es la diferecia etre la image promedio (I P ) y la image ueva (I N ) I D = I P - I N A pesar de que las ecuacioes idica que los dos métodos so equivaletes, e térmios prácticos y computacioales so diferetes. (E lo que sigue asumiremos que lo que se almacea so las imágees acumuladas, ya que esto facilita la explicació). V. MANEJO DE MATRICES EVOLUTIVAS. Existe otros métodos para ver si dos imágees so similares y la mayoría se basa e el cálculo de la distacia etre las imágees. Específicamete las técicas de comparació co ua image o patró promedio se ha utilizado detro del área de recoocimieto de formas cotidiaamete. Si embargo desde el pricipio se ha adolecido de varios problemas, por ejemplo, para usar estas técica primero se tiee que eseñar al sistema, o sea darle u cojuto de imágees seleccioadas que le permita ecotrar el

9 promedio, lo cual ocasioa que ates de poder usar el sistema se realice u trabajo previo que a veces es moótoo y e alguos casos impráctico. Por otro lado, si se quiere recoocer u uevo objeto o algua otra vista de u objeto ya recoocido se ecesita deteer el sistema y realizar u uevo proceso de apredizaje. Para atacar los problemas ateriores, Cuitláhuac Catú desarrolló detro de sus sistemas evolutivos u método que e esecia costa de lo siguiete: Se parte de que origialmete el sistema se ecuetra vacío y cuado llega la primera image se busca, como o se ecuetra, se le preguta al usuario como se llama, almaceádose la image, u cotador que idica que se tiee ua image y su ombre. La siguiete vez que llega ua image el sistema la busca y si la ecuetra similar co la image almaceada etoces las acumula (suma la ueva image a la que ya existía) e icremeta el umero de imágees acumuladas (), si llega ua image que o se recooce etoces el sistema preguta su ombre, si el ombre de la image correspode a algua existete etoces acumula sobre esta e icremeta el cotador, si es ua image ueva la almacea e el siguiete registro libre juto co su cotador y ombre. Como se puede observar este método reúe la característica de que esta evolucioado e forma atural y ecotrado la image acumulada (y por tal, la image promedio I P = I A / ), co lo que o existe u proceso previo de apredizaje y otro de aplicació, sio que por el proceso atural de recoocer las imágees va evolucioado. Al cojuto de vectores que represeta las imágees que recooce el sistema se le cooce como matriz evolutiva[9]. (Las matrices evolutivas costituye por si solas ua herramieta co múltiples aplicacioes [12][13][14][15][16][19]). Los trabajos de Cuitláhuac tiee tambié la característica de que el sistema está permaetemete evolucioado, ya que, cuado etra ua image el sistema la acumula sobre algú vector de la matriz y mietras o etre ua ueva image o se le idique lo cotrario la vuelve a acumular y la sigue acumulado idefiidamete. Por lo que, ua image dada puede teer ua gra repercusió sobre su represetació itera.

10 VI. REJILLAS VARIABLES Y PIRÁMIDES. Ahora bie, si el sistema sumara la misma image ua vez y otra y otra y k veces esto sería equivalete a sumar ua copia de la image multiplicada por k y tal vez o resultaría ta práctico, por lo que, e este puto coviee recordar que, e su técica Catú itroduce ua rejilla variable, que cosiste básicamete e u mecaismo de muestreo cuyos límites se está moviedo aleatoriamete. Esto es, cada que la rejilla toma ua fotografía de la image, esta es ligeramete diferete y como e u proceso dado se toma k fotografías y todas se acumula sobre el mismo vector, el efecto es equivalete a tomar k imágees ligeramete diferetes del mismo objeto co lo que la velocidad de covergecia crece rápidamete. El cotar co ua rejilla variable permite subsaar alguos de los problemas de las técicas tradicioales, ya que, se esta partiedo de u sistema que trata co imágees similares, movidas y parciales. So similares porque, auque sea la misma image, la rejilla toma putos diferetes y los acumula, de etrada la rejilla se esta moviedo lo que es equivalete a que la image se esta moviedo, o sea que, si posteriormete se da ua image similar o movida para el sistema es simplemete otro caso. El movimieto de la rejilla se puede complicar tato como se quiera, por ejemplo puede ser hacia los lados y arriba/abajo, tambié puede ser pedular co lo que se puede hacer que la rejilla gire cierto umero de grados a la izquierda y derecha lo que equivale a ver la image icliada, como todo se acumula e el mismo saco, al sistema le es idiferete que la image llegue derecha o icliada. Tambié este efoque de rejilla variable facilita el recoocimieto de imágees bajo iformació parcial, ya que la misma rejilla e ciertos mometos sólo ve fragmetos de la image. Para lograr u mayor ivel de recoocimieto Cuitláhuac ha desarrollado otras técicas y métodos aú o difudidos y de los cuales solo alguos se

11 ha presetados parcialmete e cursos y exposicioes[17] como por ejemplo la técica de fractalizació que se puede resumir como rejillas de rejillas. Para eteder la fuerza de las rejillas de rejillas variables que acumula iformació sobre ua matriz evolutiva os teemos que referir a los trabajos de sistemas evolutivos desarrollados e forma idepediete por Ágel Cesar Morales Rubio[2][3][18]. E estos trabajos Morales Rubio llegó a la coclusió de que ua image se puede ver como ua pirámide e múltiples dimesioes y que se mueve. Para lo cual, primero costruye ua rejilla variable sobre la image I 0 co lo que obtiee ua image ueva I 1 (recuérdese que la rejilla obtiee ua muestra de la image origial, pero esta muestra se puede seguir viedo como ua image, de la misma forma que u soido digitalizado se sigue maejado como soido) ahora costruye ua rejilla sobre la image I 1 obteiédose ua image I 2 y así sucesivamete hasta llegar a u valor I, que ya o se puede reducir. Co esta técica Morales Rubio obtiee ua pirámide de rejillas cuya base es la image origial y la puta es ua rejilla de tamaño 1. Esta pirámide tiee prácticamete almaceada la iformació de la image e diferetes iveles de agregació. Pero o queda ahí la cosa, u día Morales Rubio me dijo y si embargo se mueve, al pricipio o le etedí, por lo que me explicó que estabamos cometiedo u grave error ya que las técicas de recoocimieto partía de que las imágees era objetos fijos y si por algú motivo la image se movía lo primero que hacíamos era deteerla, pero por otro lado los sistemas de visió de la aturaleza (como el ojo humao, de la raa, etc.) aprovecha que los objetos se mueve para recoocerlos y au más el ojo e forma atural está moviédose permaetemete. Al aplicar esta idea Agel Morales plateó que ua image se puede ver como u objeto que se mueve, co lo cual llegamos uevamete al cocepto de ua pirámide de rejillas variables (E este puto es importate cometar que a pesar de que Cuitláhuac y Ágel o se coocía, geeraro ideas similares y llegaro idepedietemete a resultados parecidos).

12 Ahora bie, la rejilla variable es el mecaismo de percepció de la matriz evolutiva, co lo que, tal vez la pareja pirámide de rejillas variables/matrices evolutivas sea u bue modelo de los mecaismos de maejo de iformació percepció/almaceamieto/procesamieto de los seres vivos y e particular de la visió atural. VII. MANEJO DEL PUNTO DE ATENCIÓN. El símil etre mecaismos iformáticos y biológicos o se queda ahí, sio que se puede cotiuar por ejemplo co el cocepto de puto de ateció (o puto de visió o fijar la ateció) que cosiste básicamete e u mecaismo que permite fijar la ateció o la vista e u puto o zoa específica de ua escea. Ua forma de itroducir este cocepto a uestro sistema de visió automatizado para buscar ua image detro de ua escea, puede cosistir e u mecaismo que primero realiza movimietos grades sobre la escea y dode se posicioa compara mediate ua rejilla rala (co pocos putos) y si resulta válida la comparació aplica rejillas cada vez de mayor desidad. Por otro lado si la comparació origial o resulta debe volver a saltar y a comparar y así cotiuar hasta que ecuetre algo o se le idique que realice otra fució. U sistema secillo de visió aplicado las técicas ateriores puede atacar básicamete dos tipos de problemas: 1) Ecotrar u objeto e u escea dada. 2) Recoocer (o coocer si o se coocía) u objeto que se ecuetra detro de ua escea. Ecotrar u objeto e ua escea se puede realizar básicamete mediate la técica plateada ateriormete y cosiste básicamete e movimietos aleatorios del puto de ateció (que es ua rejilla variable poco desa) sobre la escea hasta que se obtiee ua colisió satisfactoria y aplica rejillas de mayor desidad (esto se parece a u método de ordeamieto coocido como ordeamieto de peie, que es u método de burbuja modificado para que las burbujas suba más rápido e las primeras etapas).e particular, recoocer u objeto que se ecuetra detro de ua escea se reduce a fijar la ateció (poer la rejilla) sobre el objeto a recoocer y aplicarle las técicas ateriores.

13 CONCLUSIÓN. E este trabajo se presetaro ua serie de técicas y métodos que se ha desarrollado desde pricipios de los 80s e el área de los sistemas evolutivos aplicados al tratamieto de imágees. La idea fue mostrar por u lado ua serie de resultados que ha costado e alguos casos años de esfuerzo obteer y que se puede llegar a perder. Estos trabajos se ha ido obteiedo mediate u trabajo cotiuo y cosistete y ha permitido que poco a poco se desarrolle ua comuidad de ivestigadores sobre esta área, co resultados propios y que busca que os cosolidemos cada vez más, para e su mometo competir detro del cotexto mudial y o ser simples receptores y seguidores de otros desarrollos. Es por lo aterior que, e este trabajo se presetaro los resultados e ua secuecia que permita a ua persoa iteresada empezar desde cero y poco a poco ir isertado la siguiete capa, buscado que e su mometo llegue a costruir su propio camio. FUENTES DE INFORMACIÓN. [1] Galido Soria, Ferado, "Sistemas Evolutivos", e Boletí de Política Iformática, INEGI-SPP, México. Septiembre de 1986 [2] Morales Rubio, Ágel Cesar, Sistema Evolutivo para Tratamieto de Imágees, trabajo de titulació, IPN-UPIICSA México, [3] Morales Rubio, Ágel Cesar, "Algoritmo Evolutivo Para Tratamieto de Imágees", IPN-UPIICSA México [4] Galido Soria, Ferado, "Sistemas Evolutivos de Reescritura", e Memoria del curso tutoríal de Sistemas Evolutivos, ler Cogreso Iteracioal de Ivestigació e Ciecias Computacioales, Metepec México, 1994 [5] Camacho Villaueva, Sadra, Gómez Redó, Guadalupe Patricia, Olivares Ceja, Jesús Mauel, SI-VE: Sistema de Visió Experto, IPN-UPIICSA, México, 1986 [6] Galido Soria, Ferado, "Sistemas Evolutivos de Leguajes de Trayectoria", E VI Reuió de Iteligecia Artificial, Memorias, Ed. Limusa, Juio 1989, Querétaro, Qro. [7] Olicó Nava, Carlos, Sistema Evolutivo Maejador de Imágees e 2D co movimieto, trabajo de titulació, IPN-UPIICSA México 1992 [8] Catú Rohlík, Adalberto Cuitláhuac, "Sistemas Evolutivos para Recoocimieto de Imágees", IPN-UPIICSA [9] Galido Soria, Ferado, "Ua Represetació Matricial para Sistemas Evolutivos", Coferecia magistral Simposium Iteracioal de Computació, IPN-CENAC, 1993 [10] Tisher, "Pc Itero", ed. Marcombo, 1992

14 [11] Jiméez Aviña, J. Atoio, Galido Soria, Ferado, Diseño y Costrucció de Sistemas Iteractivos, Aplicado Experiecias Basadas e el Tratamieto de Imágees e Memorias de la 2da Coferecia de Igeiería Eléctrica CIE/96, CINVESTAV-IPN, 1996 [12] Torres Herádez, Luis E, Logoria, Luis C., Rojas Salias, Atoio, "Aplicació de los Sistemas Evolutivos e el Aálisis de Espectros de Rayos Gamma", e Memorias del Cie/95, Primera Coferecia de Igeiería Eléctrica CIE/95, CINVESTAV-IPN, Septiembre de 1995 México, D.F. [13] De La Cruz Sáchez, Eduardo, Logoria Gádara, Luis C. Carrillo Medoza, Rodolfo A., "Sistema Evolutivo para el Diagóstico de Fallas e Maquias Rotatorias", e Memorias del Cie/95, Primera Coferecia de Igeiería Eléctrica CIE/95, CINVESTAV- IPN, Septiembre de 1995 México, D.F. [14] Arzola Carvajal, Iree, Cruz Reyes, José Rafael, "Sistema Evolutivo para el Recoocimieto de Texto Taquigrafico", e Memorias del Cie/95, Primera Coferecia de Igeiería Eléctrica CIE/95, CINVESTAV-IPN, Septiembre de 1995 México, D.F. [15] García García, Diaa Karla, Salcido Bustamate, Sergio, Vetura Silva, Alfoso, Sistema Evolutivo de Recoocimieto de Formas e dos Dimesioes, e Cocurso Nacioal de Ciecia y Tecología, CONADE, México, 1996 [16] Olivares Ceja, Jesús Mauel, "Sistema Evolutivo Recoocedor de Textos", IPN-CIC, México, febrero, 1997 [17] Catú Rohlík, Adalberto Cuitláhuac, comuicacioes persoales y cursos de Represetació del Coocimieto, Iteligecia Artificial y Redes Neuroales [18] Morales Rubio, Ágel Cesar, comuicació persoal [19] Galido Soria, Ferado, "Expert Systems Based o Evolutive Matrix", IPN-ESCOM, México, abril 1997