La abeja tampoco rehuye la informática
|
|
- Marcos Miguel Ángel Coronel Espinoza
- hace 8 años
- Vistas:
Transcripción
1 La abeja tampoco rehuye la informática Dra. Pilar Carrión n Pardo Universidad de Vigo Escuela Superior de Ingeniería Informática Coloquios Abiertos 1
2 Qué queremos hacer? Tipo de polen Sistema de Visión por Computador Tarjeta de de Calidad 2
3 Sistema de clasificación del polen apícola? Rubus Pelotilla a clasificar Cytisus Castanea... 3
4 Colaboradores Universidad de Vigo Grupo de Palinología Aplicada y Viticultura (Facultad de Ciencias). Grupo Sistemas Informáticos III (Escuela Superior de Ingeniería Informática). Financiación Xunta de Galicia. "Estudio de la selección cotidiana de plantas poliníferas en apis meliferal e influencia del contenido proteico del pollenkitt y textura de la pelotilla curbicular". 4
5 Cómo actuar? (Método científico) Conocimiento del problema a resolver. Conocimiento de las propuestas existentes en el mundo. Diseño de las hipótesis de experimentación. Desarrollo de modelos matemáticos. Evaluación del sistema propuesto. 5
6 El polen apícola El polen apícola es un producto elaborado por las abejas. Rubus Cytisus Castanea 6
7 Importancia Producto comercial apreciado por: Complemento alimenticio. Fines terapéuticos. En cosmética. Posible fuente de aminoácidos y ácidos grasos esenciales. Su composición química se debe a su procedencia floral. Su origen floral será diferente en función de la vegetación del lugar en el que estén situadas las colmenas. 7
8 Elaboración Cada especie de planta produce granos de polen específicos en su forma, color, tamaño, estructura, simetría, polaridad, sistema apertural y propiedades químicas. Vernonia Citrus Senecio Pseudobombax Acacia 8
9 Elaboración Las abejas confeccionan pelotillas con polen de una única especie de planta (fidelidad de la abeja a la especie de planta). Diferentes abejas de una misma colmena, en el mismo periodo de tiempo, llevan a la colmena pelotillas de polen monoespecíficas de especies de plantas distintas. Producto final = Conjunto de pelotillas diversas 9
10 Identificación del origen floral Se necesita determinar el origen floral de los diferentes granos de polen agregados en forma de pelotillas, así como la cantidad relativa de polen de cada especie de planta. METODOS TRADICIONALES: Análisis a microscopía óptica. De preparaciones de granos de polen. Método fiable, pero requiere tiempo y personal especializado. Análisis colorimétrico. Identificación por color de pelotillas de polen. Método poco preciso y requiere personal cualificado. MÉTODO PROPUESTO: Identificación de la clase de planta de procedencia de los granos de polen por la textura de las pelotillas monoespecíficas. 10
11 Hipótesis Identificar el origen floral del polen apícola a partir de la textura de la superficie de las pelotillas de polen. Las pelotillas de polen son monoespecíficas. La morfología del grano de polen es característica de cada especie. 11
12 Hipótesis Ceanothus Sphraeraleca Polygonella Callirhoe Granos de polen: Forma, Tamaño y Ornamentación distinta. Helianthus 12
13 Aplicación a la Palinología No existen aproximaciones computacionales al análisis del polen apícola. Identificación de granos de polen (utilizando microscopía óptica o electrónica). 13
14 Sistema de reconocimiento de patrones en imágenes 14
15 Adquisición de las imágenes 15
16 Muestras de pelotillas de polen Cytisus Quercus Raphanus Eficiencia. Imágenes en niveles de grises 16
17 Muestras de pelotillas de polen Rubus Castanea 17
18 Problemas encontrados (1) Zonas desenfocadas en la imagen 18
19 Problemas encontrados (2) Tonalidad dependiente del sistema de procesado del polen y adquisición de la imagen Cytisus de Viana Cytisus de Pontevedra 19
20 Sistema de clasificación del polen apícola Preprocesamiento Imagen digital de pelotilla de polen Normalización Reconocimiento de de regiones enfocadas Generación de de características de de textura Género de la pelotilla de polen Diseño Diseño del del clasificador Selección de de características Clasificador 20
21 Normalización de imágenes Proceso de recolección del polen. Diferencias en la iluminación en la adquisición de las imágenes. Influencia en la intensidad del nivel de gris de la imagen Creencia: la estructura espacial de la imagen se mantiene. Función de normalización f out (x, y) = f in (x, y) E µ Media Energía 21
22 Normalización de imágenes Normalización 22
23 Reconocimiento de regiones enfocadas Definición de métricas basadas en: entropía de la imagen, bordes o frecuencias espaciales altas. Cuarto Momento Estadístico (CME). Regiones con valores más altos de CME representarán a zonas más enfocadas. Estimador de la Agudeza de los Bordes (EAB). Cálculo de la varianza sobre una imagen de puntos de borde (operador Sobel). Estimador de las Frecuencias Espaciales Altas (EFEA). Es una medida de la fortaleza de las altas frecuencias. 23
24 Reconocimiento de regiones enfocadas Procedimiento de extracción de regiones enfocadas: Recorrido de la imagen Se seleccionan regiones de NxN píxeles (N=256). Para cada ROI calcular la métrica correspondiente (CME, EAB, EFEA). Selección de las ROIs que alcanzan los valores más altos para las métricas. 24
25 Etapa de preprocesado CME EAB EFEA 25
26 Extracción de características X1 1.5 X X3 3.3 X X1 1.4 X X3 3.2 X X1 2 X X3 3.2 X X1 3.2 X2 9.7 X3 0.5 X
27 Extracción de características Caracterizar la superficie de la pelotilla de polen apícola TEXTURA Aproximaciones clásicas Estadísticas Estadísticos de primer orden (11 características) Matriz de co-ocurrencia de niveles de grises (7 características) Matriz de dependencias en un vecindario (5 características) Matriz de hileras de niveles de gris (5 características) De filtrado Análisis multirresolución utilizando ondículas (wavelets) Esquema de filtrado multiescalar 27
28 Extracción de características Esquema de filtrado multiescalar * Máscaras de filtrado Convolución Árbol de Canales Filtrados (FCT) Diagrama de versiones filtradas de la imagen Nivel i, L=2i+3 (i=0,1,2,... L=3,5,7,9,...) Características: Estadísticos de primer orden calculados sobre cada nodo del árbol (varianza, energía, entropía, tercer y cuarto momento estadístico). 28
29 Extracción de características Esquema de filtrado multiescalar Vectores de características: Estadísticos para los canales filtrados de un nivel del árbol. Primer nivel: 9 imágenes x 5 estadísticos = 45 características Un estadístico calculado sobre todos los canales filtrados de todos los niveles. 3 niveles: imágenes x 1 estadístico= 70 características Formar vectores con alguna fórmula de hibridación de las dos anteriores. 29
30 Selección de características Escalar Máxima sensibilidad individual (MSI) Factor de discriminación de Fisher (FDR) Vectorial Método de búsqueda flotante (FSM) Global Análisis de componentes principales (PCA) 30
31 Clasificador 98% X1 1.5 X X3 3.3 X X1 1.4 X X3 3.2 X % 0,5% X1 2 X X3 3.2 X X1 3.2 X2 9.7 X3 0.5 X
32 Diseño del clasificador Lineales Clasificadores de mínima distancia (MDC). Distancia Euclídea. Distancia de Mahalanobis. Clasificador k-nn (KNN). No Lineales Redes neuronales (Perceptron Multicapa, MLP). Máquinas de Soporte Vectorial (SVM). 32
33 Validación Cruzada Evaluación del sistema Conjunto de entrenamiento Cálculo % acierto sobre el conjunto test 1 pelotilla para test N-1 pelotillas para entrenar N veces Ideal: porcentaje de acierto del 100% 33
34 Base de imágenes Colmenas Géneros Marcón Lobios Viana Totales Castanea Cytisus Quercus Castanea Raphanus Cytisus Castaño Rubus Totales Quercus Raphanus Rubus Retama Roble Rábano Zarza 34
35 Etapas Experimentales Imagen digital bolita polen Preprocesamiento Preprocesamiento Generación Generación de de características características de de textura textura Clasificación Clasificación Género de la bolita de polen Estudio de viabilidad Extracción de características Etapa de preprocesado Etapa de clasificación 35
36 Estudio de viabilidad Cytisus y Rubus Marcón y Viana 80 Generación de Ene_O, de Preprocesado Ent_O, Var_O, TM_O, CM_O (4 nodos*4niveles=16) características Estad_nivel_i_O (i=1,2,3,4) (5 estadísticos*4 de de textura nodos=20) Estad_O (5 estadísticos *16 nodos=80) Daubechies 20 Estadísticos Métrica CME de Primer Orden (EPO) (11) Coeficientes de Haralick (CH) (7) Coeficientes a partir de la matriz de dependencia de niveles de grises en vecindarios (NGLDS) (5) Coeficientes a partir de la matriz de longitudes de hileras de niveles de grises (GLRLS) (5) Filtrados basados en ondículas (Mallat) Características Estadísticas (CE) (28) 36
37 Estudio de viabilidad Generación de de características de de textura Selección de de características Análisis de componentes principales (PCA) Máxima Sensibilidad Individual (MSI) Factor de Discriminación de Fisher (FDR) Método de Búsqueda Flotante (FSM) Validación cruzada Clasificador de mínima distancia (MDC) Distancia de Mahalanobis 37
38 Estudio de viabilidad CH 38 GLRLS CE Ene_O Ent_O Var_O TM_O CM_O Estad_nivel_1_O Estad_nivel_2_O Estad_nivel_3_O Estad_nivel_4_O Estad_O Vectores de características de textura PCA MIS FDR FSM NGLDS EPO Porcentaje de acierto (%)
39 Estudio de viabilidad EPO CH NGLDS GLRLS CE Ondículas PCA MIS FDR FSM Sensibilidad 80% Rubus 90% Cytisus 70% 39
40 Etapa de clasificación Cytisus, Rubus, Castanea, Quercus y Raphanus (Lobios, Viana y Pontevedra) 260 muestras Selección de de características Diseño Diseño del del clasificador Clasificador Clasificador de Mínima Distancia (CMD) Clasificador K-NN Red Neuronal (MLP) Máquinas de Soporte Vectorial (SVM) 40
41 Etapa de clasificación Estadísticos Ondículas TM_FCT Ene_FCT FCT_niv_i Var_FCT CM_FCT Ent_FCT MDC KNN MLP SVM Métrica EAB 41
42 Etapa de clasificación Porcentaje de acierto (%) EPO MDC KNN MLP SVM EPO CH NGLDS GLRLS CE Estad_O FCT_niv_ FCT_niv_ FCT_niv_ Var_FCT TM_FCT CM_FCT Ene_FCT Ent_FCT CH NGLDS GLRLS CE Estad_O FCT_niv_0 FCT_niv_1 FCT_niv_2 Var_FCT TM_FCT CM_FCT Ene_FCT Ent_FCT MDC KNN MLP SVM Vectores de características de textura 42
43 Etapa de clasificación Clase Clase Observada Real Cytisus Rubus Castanea Quercus Raphanus Cytisus 83,4 13,3 3,3 0 0 Rubus 21,7 78, Castanea 1,7 1,7 85 8,3 3,3 Quercus 2,5 2,5 7, ,5 Raphanus
44 Evaluación del sistema Primer estudio científico de la aplicación de la visión por computador a la clasificación del polen apícola. Clasificación correcta del 81% con los 5 géneros de plantas cuyo polen es más abundante en el polen apícola de Galicia y tres lugares geográficos de procedencia (EAB +FCT+SVM). La metodología propuesta presenta un comportamiento uniforme con todas las clases. Estos resultados presentan gran interés por su posible aplicación sistemática en la determinación del origen geográfico del polen apícola. 44
45 Líneas futuras La incorporación sobre el color, morfología y tamaño de las pelotillas de polen pueden ayudar a construir un espacio de características donde la separabilidad entre las clases sea mayor. 45
46 La abeja tampoco rehuye la informática Gracias por la asistencia Pilar Carrión 46
LÍNEAS DE INVESTIGACIÓN: Redes neuronales (I)
LÍNEAS DE INVESTIGACIÓN: Redes neuronales (I) Objetivo: Usar técnicas neuronales para resolver problemas: * Modelado de sistemas mediante aprendizaje automático a partir de ejemplos * No se conoce ningún
Más detallesSistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides
Sistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides Introducción La visión artificial, también conocida como visión por computador
Más detallesAcademia de Ingeniería XVII Coloquio de Ingreso 26 de Marzo de 2015 Palacio de Minería de la Ciudad de México
Academia de Ingeniería XVII Coloquio de Ingreso 26 de Marzo de 2015 Palacio de Minería de la Ciudad de México Tecnología FPGA para el monitoreo y diagnóstico de fallas en maquinaria industrial Dr. Universidad
Más detallesCapítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones.
Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. 2.1 Revisión sistema reconocimiento caracteres [9]: Un sistema de reconocimiento típicamente esta conformado por
Más detallesDetección de perfiles de liderazgo en Sistemas Colaborativos Soportados por Computadoras
Detección de perfiles de liderazgo en Sistemas Colaborativos Soportados por Computadoras María Florencia Bugarini Directora: Dra. Silvia Schiaffino Codirector: Mg. Patricio García UNICEN Abril 2011 Motivación
Más detallesMineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
Más detallesMC ENRIQUE MARTINEZ PEÑA. Maestría en Ingeniería. Introducción al PDI Representación de la imagen Operaciones básicas con imágenes
Maestría en Ingeniería Procesamiento Digital de Imágenes Contenido Introducción al PDI Representación de la imagen Operaciones básicas con imágenes 2 1 Inteligencia artificial La inteligencia artificial
Más detallesTema 7. Introducción al reconocimiento de objetos
Tema 7. Introducción al reconocimiento de objetos En resumen, un sistema de reconocimiento de patrones completo consiste en: Un sensor que recoge las observaciones a clasificar. Un sistema de extracción
Más detallesQué es una imágen digital?
Qué es una imágen digital? Una imagen digital es una fotografía, un dibujo, un trabajo artístico o cualquier otra imagen que es convertida en un fichero de ordenador. Qué es una imágen digital? Una imagen
Más detallesCAPÍTULO 3 RED NEURONAL PARA EL RECONOCIMIENTO DE ROSTROS
CAPÍTULO 3 RED NEURONAL PARA EL RECONOCIMIENTO DE ROSTROS Descripción de la base de datos Como datos de entrenamiento, en este proyecto, se utilizó la base de datos ORL [1], la cual contiene un conjunto
Más detallesPROGRAMA DE ESTUDIO. Horas de Práctica
PROGRAMA DE ESTUDIO Nombre de la asignatura: MODELADO Y SIMULACIÓN DE PROCESOS Clave: IQM12 Ciclo Formativo: Básico ( ) Profesional (X) Especializado ( ) Fecha de elaboración: 7 DE MARZO DE 2015 Horas
Más detallesClasificación de Música por Genero Utilizando Redes Neuronales Artificiales. Elkin García, Germán Mancera, Jorge Pacheco
Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales Elkin García, Germán Mancera, Jorge Pacheco Presentación Los autores han desarrollado un método de clasificación de música a
Más detallesDetección de bordes: metodos lineales de cálculo de gradientesk, etc. Detección de bordes. Métodos basados en operadores lineales de gradiente
Detección de bordes Métodos basados en operadores lineales de gradiente 1 Bordes Variaciones fuertes de la intensidad que corresponden a las fronteras de los objetos visualizados Métodos basados en el
Más detallesOperaciones Morfológicas en Imágenes Binarias
Operaciones Morfológicas en Imágenes Binarias Introducción La morfología matemática es una herramienta muy utilizada en el procesamiento de i- mágenes. Las operaciones morfológicas pueden simplificar los
Más detallesIntroducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Francisco J. Martín Mateos Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Qué es la (KE)? Definición de Wikipedia: La es una disciplina cuyo objetivo es integrar conocimiento
Más detallesINFORME TÉCNICO DE MATERIALES Y COLOR DE LA FACHADA
INFORME TÉCNICO DE MATERIALES Y COLOR DE LA FACHADA El estudio de color y materiales de los distintos elementos arquitectónicos que configuran las fachadas del edificio se aborda desde la perspectiva de
Más detallesESTADISTICA GENERAL INTRODUCCIÓN CONCEPTOS BASICOS ORGANIZACIÓN DE DE DATOS
ESTADISTICA GENERAL INTRODUCCIÓN CONCEPTOS BASICOS ORGANIZACIÓN DE DE DATOS Profesor del del curso: curso: Ing. Ing. Celso Celso Gonzales INTRODUCCION OBJETIVOS Comprender qué es y porqué se estudia la
Más detallesCLASIFICACIÓN NO SUPERVISADA
CLASIFICACIÓN NO SUPERVISADA CLASIFICACION IMPORTANCIA PROPÓSITO METODOLOGÍAS EXTRACTORES DE CARACTERÍSTICAS TIPOS DE CLASIFICACIÓN IMPORTANCIA CLASIFICAR HA SIDO, Y ES HOY DÍA, UN PROBLEMA FUNDAMENTAL
Más detallesES 2 432 479 A2 ESPAÑA 11. Número de publicación: 2 432 479. Número de solicitud: 201200635 G06K 1/00 (2006.01) G06K 1/00 01.06.
19 OFICINA ESPAÑOLA DE PATENTES Y MARCAS ESPAÑA 11 21 Número de publicación: 2 432 479 Número de solicitud: 201200635 51 Int. CI.: G06K 1/00 (2006.01) G06K 1/00 (2006.01) 12 SOLICITUD DE PATENTE A2 22
Más detallesCapítulo III Procesamiento Digital de Imágenes
Capítulo III Procesamiento Digital de Imágenes Contenido Introducción al Procesamiento digital de imágenes Orígenes del procesamiento digital de imágenes. Aplicaciones del Procesamiento de Imágenes Componentes
Más detalles1.- DATOS DE LA ASIGNATURA 2.- PRESENTACIÓN. Caracterización de la asignatura
Código: Página 1 de 12 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Gestión del Plan de Negocios Carrera: Ingeniería en Gestión Empresarial Clave de la asignatura: LEX-1206 (Créditos) SATCA 1 1T-5P-6C
Más detallesUNIVERSIDAD DE ANTIOQUIA FACULTAD DE CIENCIAS EXACTAS Y NATURALES INSTITUTO DE FÍSICA PROGRAMA DE ÓPTICA DE FOURIER Y PROCESAMIENTO DE LA INFORMACIÓN
UNIVERSIDAD DE ANTIOQUIA FACULTAD DE CIENCIAS EXACTAS Y NATURALES INSTITUTO DE FÍSICA APROBADO EN EL CONSEJO DE FACULTAD DE CIENCIAS EXACTAS Y NATURALES ACTA 418 DEL 19 DE SEPTIEMBRE DE 2005. PROGRAMA
Más detallesReconocimiento de imágenes
Capítulo 4 Reconocimiento de imágenes En la actualidad, el reconocimiento de imágenes es una herramienta de gran utilidad en el área de control y automatización. Varias empresas usan el reconocimiento
Más detallesCapacitación, aprendizaje y ampliación de las perspectivas profesionales
Capacitación, aprendizaje y ampliación de las perspectivas profesionales Presentación a cargo de: Éric Rancourt Noviembre de 2015 Contenido Estrategia de aprendizaje y perfeccionamiento de los recursos
Más detallesRECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS EN IMÁGENES CON TRANSFORMADA SIFT
UNIVERSIDAD CARLOS III DE MADRID ESCUELA POLITÉCNICA SUPERIOR INGENIERÍA TÉCNICA DE TELECOMUNICACIÓN (ESPECIALIDAD EN SONIDO E IMAGEN) PROYECTO FIN DE CARRERA RECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS
Más detallesPROGRAMA DE CAPACITACIÓN AÑO 2013 GERENCIA Y PLANIFICACIÓN DE PRODUCCIÓN
PROGRAMA DE CAPACITACIÓN AÑO 2013 GERENCIA Y PLANIFICACIÓN DE PRODUCCIÓN GERENCIA Y PLANIFICACIÓN DE PRODUCCIÓN DISEÑADO PARA Ingenieros de Producción, completación, yacimientos y perforación; geólogos
Más detallesELEMENTOS MÍNIMOS A CONSIDERAR EN LA ELABORACIÓN DE DIAGNÓSTICOS DE PROGRAMAS NUEVOS
ELEMENTOS MÍNIMOS A CONSIDERAR EN LA ELABORACIÓN DE DIAGNÓSTICOS DE PROGRAMAS NUEVOS 1. Antecedentes De acuerdo con lo establecido en la Ley General de Desarrollo Social, el Estatuto Orgánico del Consejo
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS: MATERIA O MÓDULO: Programación de Computadoras CÓDIGO: 14303 CARRERA: NIVEL: Ingeniería Civil Primero No. CRÉDITOS: 4 CRÉDITOS TEORÍA: 2 CRÉDITOS PRÁCTICA: 2 SEMESTRE / AÑO ACADÉMICO:
Más detallesFundamentos de la Visión Artificial. Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1
Fundamentos de la Visión Artificial Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1 Índice 1. Introducción a lavisión Artificial 2. Adquisición y representación de imágenes 3. Filtrado
Más detallesGOLDFIRE INNOVATION BCC RESEARCH COS PIVOT TM
GOLDFIRE INNOVATION BCC RESEARCH COS PIVOT TM Dirección de Investigaciones y Desarrollo Tecnológico Oficina de Gestión de la Innovación y el Desarrollo Tecnológico Informes Oficina de Gestión de la Innovación
Más detallesEscuela Técnica Superior de. Informática. Máster en Ingeniería Informática. aplicada a la Industria, la Ingeniería del. Software y a los Sistemas y
Escuela Técnica Superior de Informática Máster en Ingeniería Informática aplicada a la Industria, la Ingeniería del Software y a los Sistemas y Tecnologías de la Información GUÍA DOCENTE DE LA ASIGNATURA:
Más detallesCAPITULO III MARCO METODOLÓGICO. La presente investigación plantea como objetivo el diseño de un prototipo
CAPITULO III MARCO METODOLÓGICO 1. Tipo de Investigación La presente investigación plantea como objetivo el diseño de un prototipo de robot industrial para la automatización del proceso de conformado de
Más detallesUna investigación australiana reveló que posiblemente la disminución
CIENTÍFICOS TRABAJAN EN DETECCIÓN DE CÁNCER DE MAMA A TRAVÉS DE REDES NEURONALES ARTIFICIALES Constituye un apoyo para el médico y los radiólogos para evitar falsos diagnósticos Fernando Álvarez Una investigación
Más detallesIDENTIFICACIÓN DE SISTEMAS ASPECTOS PRÁCTICOS EN IDENTIFICACIÓN
IDENTIFICACIÓN DE SISTEMAS ASPECTOS PRÁCTICOS EN IDENTIFICACIÓN Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 CONSIDERACIONES PRÁCTICAS
Más detallesSoluciones de Cartografía, GIS y Teledetección www.tycgis.com CURSO DE ESPECIALISTA EN TELEDETECCIÓN Y GIS APLICADO AL MEDIO AMBIENTE
CURSO DE ESPECIALISTA EN TELEDETECCIÓN Y GIS APLICADO AL MEDIO AMBIENTE MODALIDAD ONLINE Profesionales formando a Profesionales 2015 formacion@tycgis.com Calle Rodríguez San Pedro 13, 3ª Planta, Oficina
Más detallesPARTE III OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS MODELADO E IDENTIFICACIÓN ASPECTOS A TENER EN CUENTA MODELADO IDENTIFICACIÓN OBTENCIÓN DE MODELOS
OBTENCIÓN DE MODELOS PARTE III OBTENCIÓN DE MODELOS 1. INFORMACIÓN SOBRE EL SISTEMA 1. EL PROPIO SISTEMA (OBSERVACIÓN, TEST) 2. CONOCIMIENTO TEÓRICO (LEYES DE LA NATURALEZA, EXPERTOS, LITERATURA, ETC.)
Más detallesEL PROCESO DE DESARROLLO DE SOFTWARE: UNA TAREA SOCIAL DE MEJORA CONTINUA
EL PROCESO DE DESARROLLO DE SOFTWARE: UNA TAREA SOCIAL DE MEJORA CONTINUA Dra. Pilar Gómez Gil Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE). Coordinación de Ciencias Computacionales
Más detallesControl de calidad en mieles
Control de calidad en mieles Qué medir? Por Antonio G. Pajuelo El control de calidad en las mieles es una necesidad ineludible: quien pone un producto alimenticio en el mercado es responsable de su composición.
Más detallesCompetencias Tecnológicas Adicionales (CTA) Competencias del Módulo de Formación Específica de Trabajo Fin de Grado (CTG)
COMPETENCIAS A continuación se detallan las competencias, organizadas por grupos de acuerdo a la siguiente nomenclatura: - Competencias básicas o generales (CBG) - Competencias específicas del Título:
Más detallesDIAGNOSTICO, ORGANIZACIÓN Y ESTADO ACTUAL DEL ARCHIVO DE LA FACULTAD DE INGENIERÍA
DIAGNOSTICO, ORGANIZACIÓN Y ESTADO ACTUAL DEL ARCHIVO DE LA FACULTAD DE INGENIERÍA ADRIANA BURGOS P. Secretaría Departamento de Matemática y Física Aplicadas Facultad de Ingeniería, creada en febrero de
Más detallesEnfoque propuesto para la detección del humo de señales de video.
Capítulo 3 Enfoque propuesto para la detección del humo de señales de video. 3.1 Comportamiento del enfoque propuesto. Una visión general del método propuesto se muestra en la figura 2. El método genera
Más detallesIMAGEN VECTORIAL E IMAGEN DE MAPA DE BITS
IMAGEN VECTORIAL E IMAGEN DE MAPA DE BITS La imagen de la derecha es imagen Vectorial, y la imagen de la izquierda (la de puntos) es imagen de mapa bits. Qué ocurre si ampliamos una imagen vectorial? ocurre
Más detallesModelado de cambios de usos de suelo urbano a través de redes neuronales artificiales. Comparando dos aplicaciones de software.
Modelado de cambios de usos de suelo urbano a través de redes neuronales artificiales. Comparando dos aplicaciones de software. Universidad Complutense de Madrid Universidad de Alcalá 20 09 2012 Modelado
Más detallesANÁLISIS DISCRIMINANTE
ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE 1. Introducción 2. Etapas 3. Caso práctico Análisis de dependencias introducción varias relaciones una relación 1 variable dependiente > 1 variable dependiente
Más detallesEL MODELO DE DATOS RASTER
EL MODELO DE DATOS RASTER El modelo de datos raster, como señala Bosque (1992), es el modelo de datos complementario al modelo vectorial presentado anteriormente. Tiene como principal característica el
Más detallesTema 1. Sistemas de Visión Artificial
1 Div. Ingeniería de de Sistemas y Automática Universidad Miguel Hernández Tema 1. Sistemas de Visión Artificial GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Definición Transformación Información
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS: MATERIA O MÓDULO: GRAFICACIÓN Y ANIMACIÓN. CÓDIGO: 12308 CARRERA: Ingeniería de Sistemas. NIVEL: Quinto. No. CREDITOS: 4 SEMESTRE/AÑO ACADEMICO: Primer semestre/2009-2010 CRÉDITOS
Más detallesTema 1. Sistemas de Visión Artificial
1 Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández Tema 1. Sistemas de Visión Artificial GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Definición Transformación Información
Más detallesPROPUESTA DE PROGRAMAS DE DOBLES GRADOS ESCUELA POLITÉCNICA SUPERIOR
PROPUESTA DE PROGRAMAS DE DOBLES GRADOS ESCUELA POLITÉCNICA SUPERIOR MECÁNICA EN DISEÑO INDUSTRIAL Y DESARROLLO DEL PRODUCTO MECÁNICA EN DISEÑO INDUSTRIAL Y DESARROLLO DEL PRODUCTO ITINERARIO CURRICULAR
Más detallesI.E.S.MEDITERRÁNEO CURSO 2015 2016 DPTO DE MATEMÁTICAS PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O.
PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O. Este programa está destinado a los alumnos que han promocionado a cursos superiores sin haber superado esta materia.
Más detallesMuestreo estadístico. Relación 2 Curso 2007-2008
Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los
Más detallesBase de datos II Facultad de Ingeniería. Escuela de computación.
Base de datos II Facultad de Ingeniería. Escuela de computación. Introducción Este manual ha sido elaborado para orientar al estudiante de Bases de datos II en el desarrollo de sus prácticas de laboratorios,
Más detallesQue el estudiante sepa aplicar las principales técnicas que sirven para resaltar características en imágenes
1 Facultad: Ingeniería. Escuela: Biomédica Asignatura: Imágenes Médicas Realce de Características Objetivos Que el estudiante sepa aplicar las principales técnicas que sirven para resaltar características
Más detallesProyecto de Cátedra Ciclo Académico 2013 Teoría del Control Prof. Ing. Especialista Leonardo José Hoet
Índice Datos Generales de la Asignatura...2 Composición del Equipo Docente...2 Fundamentación de la Asignatura...3 Aportes al Perfil del Egresado...3 Objetivos de la Cátedra...3 Incumbencias laborales
Más detallesTEMA 5 ESTUDIOS CORRELACIONALES.
TEMA 5 ESTUDIOS CORRELACIONALES. 1. INTRODUCCIÓN. 2. CONCEPTO DE CORRELACIÓN. 3. CASOS EN LOS QUE SE UTILIZA LA INVESTIGACIÓN CORRELACIONAL. 4. LIMITACIONES DE LOS ESTUDIOS CORRELACIONALES 1 1. INTRODUCCIÓN.
Más detallesCURSO SUPERIOR DE GIS Y TELEDETECCIÓN APLICADO A ESTUDIOS AMBIENTALES
CURSO SUPERIOR DE GIS Y TELEDETECCIÓN APLICADO A ESTUDIOS AMBIENTALES 1.-CONCEPTO DE TELEDETECCIÓN Podemos definir La Teledetección, como La ciencia y Arte de obtener información acerca de la superficie
Más detallesTECNÓLOGO EN INFORMÁTICA PLAN DE ESTUDIOS
Administración Nacional de Universidad de la República Educación Pública Facultad de Ingenieria CF Res..0.07 Consejo Directivo Central Consejo Directivo Central Res..05.07 Res. 17.0.07 TECNÓLOGO EN INFORMÁTICA
Más detallesFILTRADO DE IMÁGENES
FILTRADO DE IMÁGENES 1 INDICE RUIDO Qué es el ruido? Tipos de ruido TECNICAS DE FILTRADO EN DOMINIO ESPACIAL Promediado de imágenes Filtros de orden Filtros de medias DOMINIO FRECUENCIAL FUNCIONES EN MATLAB
Más detallesAutor: Javier Yáñez García
Curso 2009-2010 2010 Universidad Carlos III de Madrid PROYECTO FIN DE CARRERA: TRACKING DE PERSONAS A PARTIR DE VISIÓN ARTIFICIAL Autor: Javier Yáñez García Contenidos 1. Introducción 2. Estado del arte
Más detallesCONSEJO DE NORMALIZACIÓN Y CERTIFICACIÓN DE COMPETENCIA LABORAL NORMAS TÉCNICAS DE COMPETENCIA LABORAL
I. Datos Generales de la Calificación CINF0286.01 Título Análisis y diseño de redes de datos Propósito Proporcionar un referente para evaluar la competencia en las funciones relativas al análisis y diseño
Más detallesCredit scoring. por Dr. Marcelo Dabós, Ph.D. (marcelo.dabos@comunidad.ub.edu.ar)
Credit scoring por Dr. Marcelo Dabós, Ph.D. (marcelo.dabos@comunidad.ub.edu.ar) En base a que los bancos modernos otorgan tarjetas de crédito y créditos personales o los niegan? Qué límite de crédito le
Más detallesSISTEMA DE VISION ARTIFICIAL PARA RECONOCIMIENTO DE OBJETOS APLICADO A UN BRAZO ROBÓTICO
PROCESAMIENTO DIGITAL DE IMÁGENES Dr. Johnson Garzón SISTEMA DE VISION ARTIFICIAL PARA RECONOCIMIENTO DE OBJETOS APLICADO A UN BRAZO ROBÓTICO Realizado por : Carlos Pillajo Introducción En este proyecto,
Más detallesFísica I. Carrera: QUM 0510
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Física I Ingeniería Química QUM 0510 3 2 8 2.- HISTORIA DEL PROGRAMA Lugar y fecha
Más detallesNIVEL: CICLO SUPERIOR DE GESTIÓN COMERCIAL Y MARKETING
ETAPA: FORMACIÓN PROFESIONAL DEPARTAMENTO DE COMERCIO NIVEL: CICLO SUPERIOR DE GESTIÓN COMERCIAL Y MARKETING MATERIA: POLITICAS DE MARKETING OBJETIVOS - Analizar los precios y costes de productos, relacionando
Más detallesMapas Autoorganizados
Mapas Autoorganizados 1 Mapas Autoorganizados S.O.M (Self organized Maps) Mapas de características similar a la organización topológica de la corteza cerebral. Kohonen :dada una estructura y una descripción
Más detallesMáster Interuniversitario en Ciencias Agroambientales y Agroalimentarias por la UAM y la UNED
4. ACCESO Y ADMISIÓN DE ESTUDIANTES 4.1. Sistemas de Información Previa a la Matriculación Tanto la UNED como la UAM realizan múltiples acciones para dar difusión a todo lo relativo a los estudios oficiales
Más detallesCONTENIDO INTRODUCCIÓN. Parte 1: GENERALIDADES DE LOS PROYECTOS. Parte 2: IDENTIFICACIÓN DE PROYECTOS. Parte 3: FORMULACIÓN DE PROYECTOS EMPRESARIALES
CONTENIDO INTRODUCCIÓN Parte 1: GENERALIDADES DE LOS PROYECTOS 1 INTRODUCCIÓN A LOS PROYECTOS 1 1. Definición de proyecto 3 2. Temas que abarca la materia proyectos 3 3. Identificación de proyectos 4 4.
Más detallesPLAN ESTRATÉGICO DEL SERVICIO DE GESTIÓN DE PERSONAL (2006-2009)
PLAN ESTRATÉGICO DEL SERVICIO DE GESTIÓN DE PERSONAL (2006-2009) NOVIEMBRE-2006 Página 1 de 7 INTRODUCCIÓN Prologaba Blanca Olías el libro La Gestión de Recursos Humanos en las Administraciones Públicas
Más detallesINGENIERÍA ELÉCTRICA INGENIERÍA MECÁNICA
PROPUESTA DE PROGRAMAS DE DOBLES GRADOS ESCUELA POLITÉCNICA SUPERIOR ITINERARIO CURRICULAR DEL DOBLE GRADO EN E La Escuela Politécnica Superior de la Universidad de Málaga ha establecido un itinerario
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS MATERIA: CARTOGRAFÍA Y GEODESIA CODIGO: 10651 CARRERA: INGENIERÍA GEOGRÁFICA Y DESARROLLO SUSTENTABLE, CON MENCIÓN EN ORDENAMIENTO TERRITORIAL. NIVEL: PRIMERO No. CRÉDITOS: CINCO
Más detallesCAPITULO III A. GENERALIDADES
CAPITULO III INVESTIGACION DE CAMPO SOBRE EL DISEÑO DE UN SISTEMA AUTOMATIZADO DE CONTROL INVENTARIO Y EXPEDIENTES DE MENORES DE EDAD PARA EL CENTRO DE DESARROLLO INTEGRAL LA TIENDONA EN LA ZONA METROPOLITANA
Más detallesMÁQUINA DE VECTORES DE SOPORTE
MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas
Más detallesUNIVERSIDAD DE CANTABRIA TESIS DOCTORAL
UNIVERSIDAD DE CANTABRIA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE CAMINOS, CANALES Y PUERTOS TESIS DOCTORAL Desarrollo de una metodología para el estudio de la morfología de playas basado en mapas auto-organizativos
Más detallesUniversidad Autónoma de los Andes Evaluación y Auditoría Informática Unidad 1: Metodología de una Auditoría de Sistemas Computacionales - ASC Ing. John Toasa Espinoza http://waudinfingjohntoasa.wikispaces.com
Más detallesTIMSS 11.2 DESCRIPCIÓN DE LO EVALUADO EN LOS DOMINIOS DE CONTENIDO MATEMÁTICA Números Incluye la comprensión del proceso de contar, de las maneras de representar los números, de las relaciones entre éstos
Más detallesControl interno de los métodos de análisis
Aseguramiento de la Calidad Control interno de los métodos de análisis Universidad Nacional Sede Medellín Facultad de Ciencias Escuela de Geociencias Orlando Ruiz Villadiego, Químico MSc. Coordinador Laboratorio
Más detallesPROPUESTA DE ALTERNATIVAS PARA EL MODELADO DE USUARIO ESTADÍSTICO UNIVERSIDAD CARLOS III D E MADRID
PROPUESTA DE ALTERNATIVAS PARA EL MODELADO DE USUARIO ESTADÍSTICO LEONARDO C A STAÑO ZABALETA LCASTANO@INF.UC3M. ES D EPARTAMENTO D E INFORMÁTICA UNIVERSIDAD CARLOS III D E MADRID CONTENIDOS Introducción
Más detallesDecisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.
Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El
Más detallesLA MEDIDA Y SUS ERRORES
LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger
Más detallesCURSO DE PREPARACIÓN PARA LA PRUEBA DE ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR FÍSICA
IES LA GRANJA DPTO. DE FÍSICA Y QUÍMICA CURSO DE PREPARACIÓN PARA LA PRUEBA DE ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR FÍSICA CURSO 2013-2014 INTRODUCCIÓN ADECUACIÓN AL CONTEXTO Se trata de un alumnado
Más detallesBASE DE DATOS UNIVERSIDAD DE LOS ANDES FACULTAD DE MEDICINA T.S.U. EN ESTADISTICA DE SALUD CATEDRA DE COMPUTACIÓN II. Comenzar presentación
UNIVERSIDAD DE LOS ANDES FACULTAD DE MEDICINA T.S.U. EN ESTADISTICA DE SALUD CATEDRA DE COMPUTACIÓN II BASE DE DATOS Comenzar presentación Base de datos Una base de datos (BD) o banco de datos es un conjunto
Más detallesCurso de Experto Profesional en GESTIÓN Y DIRECCIÓN DE CENTROS GERIÁTRICOS Y DE LA TERCERA EDAD
UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA FACULTAD DE CIENCIAS ECONOMICAS Departamento de Organización de Empresas Curso de Experto Profesional en GESTIÓN Y DIRECCIÓN DE CENTROS GERIÁTRICOS Y DE LA
Más detallesP R O D U C C I O N E S D & C S. A. SOCIAL MEDIA M A R K E T I N G
P R O D U C C I O N E S D & C S. A. SOCIAL MEDIA M A R K E T I N G S O C I A L M E D I A Producciones D&C presenta un plan integral de COMMUNITY MANAGER profesional, para la creación o mantenimiento de
Más detallesMODELACIÓN DE LA CALIDAD DE PROCESOS
MODELACIÓN DE LA CALIDAD DE PROCESOS CALIDAD EN EL PROCESO DE MEDIDA Un indicador de la calidad debe proporcionar información en cuanto a que un producto o servicio que cae frente a un estándar del sistema.
Más detallesPresentación del Curso Virtual GESTIÓN DE RESULTADOS CON BALANCED SCORECARD
Presentación del Curso Virtual GESTIÓN DE RESULTADOS CON BALANCED SCORECARD Tabla de contenido GESTIÓN DE RESULTADOS CON BALANCED SCORECARD...3 Presentación del curso...3 Objetivos de aprendizaje...5 Contenidos
Más detallesValidation. Validación Psicométrica. Validation. Central Test. Central Test. Centraltest CENTRAL. L art de l évaluation. El arte de la evaluación
Validation Validación Psicométrica L art de l évaluation Validation Central Test Central Test Centraltest L art de l évaluation CENTRAL test.com El arte de la evaluación www.centraltest.com Propiedades
Más detallesConferencia sobre Regulación y Supervisión de Seguros IAIS-ASSAL
Conferencia sobre Regulación y Supervisión de Seguros IAIS-ASSAL Sr. Ernesto Bernales Meave Intendente General de Seguros Superintendencia de Adjunta de Seguros Costa Rica Abril 2015 PBS 20 DIVULGACIÓN
Más detallesINGENIERIA EN INGENIERÍA EN SISTEMAS COMPUTACIONALES CLAVE MATERIA OBJETIVO
INGENIERIA EN INGENIERÍA EN SISTEMAS COMPUTACIONALES CLAVE MATERIA OBJETIVO SCE - 0418 SCM - 0414 SCC-0428 ACM - 0403 SCB - 0421 SCV - 0407 ACU-0402 Introducción a la ingeniería en sistemas computacionales
Más detallesInvestigación Cuantitativa La Encuesta
Investigación Cuantitativa La Encuesta Dr. José Manuel Huerta Catedrático en Evaluación Curso Métodos de Investigación DEPT. Economía Agrícola 27 de septiembre de 2006 Objetivos de la presentación Concienciar
Más detallesPERFIL DEL PUESTO POR COMPETENCIAS Sepa cómo construirlo y evitar bajos desempeños posteriores
PERFIL DEL PUESTO POR COMPETENCIAS Sepa cómo construirlo y evitar bajos desempeños posteriores Martha Alicia Alles Es contadora pública nacional, doctora por la Universidad de Buenos Aires en la especialidad
Más detallesMatemáticas 2º BTO Aplicadas a las Ciencias Sociales
Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD
Más detallesANALISIS DE REDES SOCIALES APLICADO A GRUPOS DE INVESTIGACION.
ANALISIS DE REDES SOCIALES APLICADO A GRUPOS DE INVESTIGACION. Una posible herramienta de gestión n para el FONCYT Agosto 2007 María Apólito lito,, Mauricio Contreras y Pablo González POLITICAS PUBLICAS
Más detallesGRADO EN INGENIERÍA MECÁNICA
COMPETENCIAS DEL GRADO EN: COMPETENCIAS GRADO EN INGENIERÍA MECÁNICA A continuación se enumeran las 17 competencias (tanto las 11 específicas de la titulación como las 6 generales) que se desarrollarán
Más detallesInteligencia de Negocio
UNIVERSIDAD DE GRANADA E.T.S. de Ingenierías Informática y de Telecomunicación Departamento de Ciencias de la Computación e Inteligencia Artificial Inteligencia de Negocio Guión de Prácticas Práctica 1:
Más detallesFacultad de Ciencias Biológicas
Facultad de Ciencias Biológicas METODOLOGÍAS DE ENSEÑANZA- APRENDIZAJE EN BIOLOGÍA: MATERIALES, AULA, CAMPUS VIRTUAL Y PARTICIPACIÓN DE ALUMNOS Y ANTIGUOS ALUMNOS Adolfo Ávalos, Margarita Costa, Margarita
Más detallesTest de Idioma Francés. Manual del evaluador
Test de Idioma Francés Manual del evaluador 1 CONTENIDO Introducción Qué mide el Test de idioma francés? Qué obtienen el examinado y el examinador? Descripción de los factores Propiedades psicométricas
Más detallesMATEMÁTICAS ESO EVALUACIÓN: CRITERIOS E INSTRUMENTOS CURSO 2014-2015 Colegio B. V. María (Irlandesas) Castilleja de la Cuesta (Sevilla) Página 1 de 7
Página 1 de 7 1 CRITERIOS DE EVALUACIÓN 1.1 SECUENCIA POR CURSOS DE LOS CRITERIOS DE EVALUACION PRIMER CURSO 1. Utilizar números naturales y enteros y fracciones y decimales sencillos, sus operaciones
Más detallesBOLETIN DE PRENSA Bogotá, D. C. 04 de Diciembre de 2008
Bogotá, D. C. 04 de Diciembre de 2008 ENCUESTA DE DESARROLLO E INNOVACION TECNOLOGICA SECTOR SERVICIOS 2004-2005 Contenido Resumen Resumen 1. Inversión en actividades de desarrollo e innovación tecnológica
Más detallesDiseñar e Implantar el Control estadístico de de Calidad en un proceso para alcanzar la mejora continua.
Nombre de la asignatura: Control Estadístico de Calidad Créditos: 4-1-5 Aportación al perfil Conocer Aplicar las herramientas estadísticas básicas del control de calidad para la toma de decisiones. Analizar
Más detallesGuía para Desarrollo de Sitios Web - Gobierno de Chile
www.guiaweb.gob.cl > 109 110 < www.guiaweb.gob.cl La Guía en Internet: www.guiaweb.gob.cl Guía para Desarrollo de Sitios Web - Gobierno de Chile Como se ha indicado en los capítulos iniciales, esta Guía
Más detalles