Maestría en Ciencias de la Computación. Interfaz Cerebro Computadora para el Control de un Cursor Basada en Ondas Cerebrales

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Maestría en Ciencias de la Computación. Interfaz Cerebro Computadora para el Control de un Cursor Basada en Ondas Cerebrales"

Transcripción

1 Maestría en Ciencias de la Computación Tesis Interfaz Cerebro Computadora para el Control de un Cursor Basada en Ondas Cerebrales por: Job Ramón de la O Chávez Asesor: Dr. Carlos Avilés Cruz Área de Concentración: Procesamiento de Señales y Reconocimiento de Patrones

2

3 Resumen En esta investigación nosotros proponemos el desarrollo de una nueva interfaz de comunicación entre los humanos y las computadoras, por medio de ondas Electroencefalográficas (EEG). La investigación se enfoca en la extracción de características de señales EEG que permitan identificar el movimiento imaginario que el usuario desea realizar con el puntero del ratón. La búsqueda de características se centra en 3 parámetros, uno en el dominio del tiempo (P300) y 2 en el dominio de la frecuencia (Beta y Mu). Los análisis realizados para la búsqueda de características que se llevaron a cabo en este trabajo fueron Análisis de Fourier, Transformada Wavelet, Transformada Wigner-Ville, análisis de cambio de fase y análisis de amplitud. Los resultados de esta búsqueda no ofrecieron la información necesaria para desarrollar dicha interfaz por lo que se optó por usar señales relacionadas con los movimientos oculares (Electro-oculogramas o EOG) con los cuales se pudo cumplir el objetivo de esta tesis, alcanzando resultados de clasificación del 95% usando un clasificador múltiple conformado por un clasificador Gaussiano, un clasificador KNN y un clasificador basado en una red neuronal artificial. Abstract Researchers on Brain-Computer interface (BCI) have tried to identify the origin of body movement in humans with limited success. This work looks at the problem using electroencephalograph signals also called EEG signals. This research is focused in the features extraction of three parameters called P300 (in the time domain), Beta and Mu (in the frequency domain). The analysis tools used to the features extraction was Fourier Analysis, Wavelet Transform, Wigner-Ville Transform, shift-phase analysis and amplitude analysis. The analysis performed with this tools don t delivery the enough information to make the identification of the movements and its classification. By the above mentioned, we change the EEG signals by Electro-oculogram signals (EOG), that are emitted by the ocular movement. With this signals we can make a good segmentation and a good classification using a multiple classifier composed by Gaussian classifier, KNN classifier and artificial neural network based classifier, reaching a 95% of accuracy in the performance test.

4

5 Índice 1 Introducción 1 Introducción Partes de una BCI Antecedentes y Estado del Arte Justificación Planteamiento del Problema 2 Planteamiento del Problema Descripción del Problema Componente Frecuencial Beta Componente Frecuencial mu Componente Temporal P El entrenamiento Objetivo General Objetivos específicos Conceptos Teóricos 3. Conceptos Teóricos Estructura básica de una BCI Los electrodos y el Electrocap Sistema de adquisición de EEG La neurona La comunicación neuronal Computadora y Software de captura Retroalimentación Base de Datos de EEG Acondicionamiento de señales electroencefalograficas Análisis de las señales y reconocimiento de patrones El reconocimiento de Patrones (Extracción de características) Métodos de Discriminación Los clasificadores estadísticos El Clasificador KNN El Clasificador Gaussiano Clasificador Basado en Redes Neuronales Estructura de un Clasificador Múltiple Métodos de evaluación de desempeño Deja Uno Fuera (Leave One Out) Resubstitution Cross-Validation Protocolo Experimental 4 Protocolo Experimental Especificaciones Técnicas Equipo Biomédico Equipo de Cómputo Software... 51

6 4.2 Desarrollo Experimental Programación del amplificador MS Diseño e Implementación de las Aplicaciones para el Muestreo y Entrenamiento Preparación del usuario para la toma de lecturas EEG Creación del Banco de Lecturas EEG Sesiones de Grabación Origen de la señal Clasificación de las componentes de la señal EEG Procesamiento de la señal Extracción de características Búsqueda de Características Separables Protocolo Experimental de EOG 5. Protocolo Experimental de EOG EOG Estado del Arte de Interfaces basadas en EOG Diseño del Protocolo Experimental para EOG Diseño del Montaje Adquisición y Caracterización de señales EOG Diseño del Protocolo de Prueba Pruebas y Resultados 6 Pruebas y Resultados Resultados por Clasificador Validación Leave One Out Validación por Re-substitución Validación Cruzada o Cross-Validation Resultados del Clasificador Múltiple de Voto Mayoritario Resultados del Clasificador Múltiple de Unanimidad Pruebas y Resultados en Línea Conclusiones y Perspectivas 7 Conclusiones y Perspectivas Conclusiones Perspectivas B Bibliografía Bibliografía A Anexo Anexo I A.1 Comandos SCSI para control del Mindset MS , 122 A2 Código fuente en Matlab A3 Código exportado a C...169

7 Capitulo 1 Introducción

8

9 1 Introducción. El desarrollo de la tecnología ha llevado a las computadoras de uso común (Computadoras Personales o PC) a ser equipos con gran capacidad de cálculo y almacenamiento. Puntos en los que se ha centrado su desarrollo, dejando de lado a una rama de las PC que prácticamente no ha cambiado desde que se crearon. Las interfaces de entrada y salida, que básicamente se componen de 3 elementos, dos de entrada, teclado y ratón, y uno de salida, el monitor. La tecnología de las interfaces de comunicación de la PC originalmente fueron creadas en base a los recursos de los que se disponían en ese momento, razón por la cual el Mouse es un dispositivo indepiente (con carga mínima al sistema), sin embargo con el desarrollo de las interfaces gráficas cada vez mas complejas y con el crecimiento de la capacidad computacional de los equipos, se empiezan a vislumbrar los problemas que causa la falta de una interfaz de comunicación adecuada a las capacidades intelectuales del hombre y a las capacidades de los equipos de cómputo de los que dispone [1]. Por otra parte, (pero hacia el mismo punto) está el uso de la tecnología para asistir a personas discapacitadas para quienes se han desarrollado dispositivos especiales que permitan a estas personas, tener una mejor calidad de vida [2]. Estas tecnologías, de manera general, se pueden englobar en un solo objetivo, crear canales de comunicación adecuados a las capacidades de estas personas. Muchas de estas personas se ven con la problemática de no contar con ningún tipo de movimiento físico para poder comunicarse. Sin ningún tipo de movimiento, ni siquiera el habla ni movimiento ocular, estas personas están aisladas de su entorno a pesar de que su capacidad cerebral goza de total capacidad, y es en torno a estas características que se ha buscado dentro de un área muy especifica para poder encontrar una solución, las ondas electro encefalográficas (EEG). A partir de que se desarrolló la tecnología que permite leer las ondas EEG de los humanos, se planteó la posibilidad de interpretarlas y usarlas como un medio de comunicación con dispositivos que puedan ir, desde control de aparatos domésticos hasta prótesis robóticas. A este tipo de tecnología se le conoce como BCI (Brain Computer Interface) y tiene una ventaja enorme sobre cualquier otra interfaz de control, las BCI no requieren movimiento físico para su manipulación. El esquema de funcionamiento general de una BCI se muestra en la figura

10 Adquisición de la señal (a) Clasificación de señales / Interpretación (d) Amplificación y filtrado de la señal (b) Extracción de características (c) Acciones (e) Figura 1-1. Diagrama a bloques de la implementación de una BCI. 1.1 Partes de una BCI. Detallando más a fondo sobre el funcionamiento de una BCI, se describe a continuación cada una de las etapas mostradas en la figura 1-1. (a) Adquisición de la señal. El tipo de información que se va a procesar en estas interfaces son ondas electro encefalográficas que son emitidas constantemente por el cerebro como resultado de la actividad cerebral. Estas ondas, son del orden de micro volts y son particularmente difíciles de obtener dado los niveles de ruido que se tienen. Para resolver este problema existen los amplificadores de señales EEG, que permiten obtener estas señales a través de electrodos conectados al cuero cabelludo y mediante el uso de un gel reductor de impedancia y otro gel abrasivo con el fin de limpiar la zona de contacto del electrodo. Estos amplificadores ya cuentan con filtros y otras técnicas de procesamiento de señales que permiten extraer de manera aceptable las lecturas. 2

11 Existen varias compañías dedicadas a la fabricación de estos equipos, y hacio uso de diferentes tecnologías han creado toda una diversidad de aparatos de uso general y otros de uso específico. Entre los dispositivos de adquisición de datos de carácter general, están los enfocados hacia neurofeedback, o neuroterapia, los cuales son amplificadores que pueden trabajar con casi cualquier señal biomédica en el ser humano, como son las EEG (ondeas cerebrales), ECG(electro cardiogramas), BVP (Volumen sanguíneo por pulso) o incluso son capaces de medir la resistencia y conductancia de la piel y sus cambios ante situaciones vividas por el individuo. Estos aparatos cumplen adecuadamente su función, sin embargo, dada su flexibilidad para poder medir distintos tipos de señal, estos pueden llegar a ser menos sensibles para obtener los detalles de una onda electroencefalográfica. Por otro lado, se tienen los dispositivos de uso específico, que son aparatos diseñados para trabajar ondas EEG exclusivamente, sin tener pérdidas en los detalles de dichas señales. (b) Amplificación y Filtrado. En esta etapa, se reciben las lecturas obtenidas del equipo que haya adquirido las señales. En este punto se esta hablando de que las señales ya están disponibles en la PC, ya listas para comenzar su procesamiento y análisis. No obstante, estas señales tienen que ser preprocesadas para poder realzar las componentes que sean de interés por lo que es necesario que se vuelvan a amplificar y filtrar (entre otras cosas) Esta etapa puede considerarse como la adecuación de la señal para empezar a ser trabajada. Para esta tesis, dicha etapa es más que necesaria, ya que las ondas electro encefalográficas contienen diferentes componentes que representan distintas actividades, de las cuales, solo algunas son de interés para éste trabajo. (c) Extracción de características. Las componentes que normalmente se utilizan para caracterizar señales EEG son componentes en frecuencia, salvo algunas que existen en el dominio del tiempo. Estas componentes por lo general están relacionadas con el movimiento, intención de 3

12 movimiento o concentración, por lo que se pueden considerar para la caracterización de las señales EEG. Por lo que en esta etapa se aplican técnicas de filtrado y promediado para extraer estas componentes y descartar la información que no es útil. (d) Clasificación / Interpretación. En este paso, lo que se requiere es agrupar las distintas formas que puede tomar una o varias componentes, con el fin de asociarlas a alguna acción, es decir, ya habio caracterizado las señales EEG, encontrarles un uso o una interpretación que se pueda ver reflejado en acciones. (e) Acciones. Finalmente en ésta etapa se hace uso del resultado de la clasificación / interpretación para poder realizar una acción y permitir la interacción del usuario con algún dispositivo, como puede ser una prótesis robótica, un teclado visual, etc. Sin embargo, los actuales desarrollos de BCI aun tienen grandes problemas que solucionar, entre los que más resaltan son: El lento entrenamiento de los usuarios de estas interfaces Baja resolución espacio temporal (mucho tiempo para poca información) Baja precisión en un control bi-dimensional Así, se observa que existen aun muchos caminos a estudiar por los cuales se pueda alcanzar una correcta interpretación de las ondas EEG. Las corrientes principales que existen dentro del desarrollo de BCI han sido 2, las cuales se diferencian por sus puntos de vista del análisis del problema. Un primer grupo esta atacando el problema desde la perspectiva de la teoría de control, mientras que otro esta usando técnicas de reconocimiento de patrones, ambos apoyados en herramientas de inteligencia artificial y procesamiento digital de señales. Se han desarrollado prototipos de BCI que han usado series de tiempo que les permite hacer predicciones en las ondas EEG [3] mientras que otros han estado usando sistemas de 4

13 clasificación para reconocimiento de patrones, ambos alcanzando resultados similares, por lo que aun no existe un camino efectivo para alcanzar una solución eficiente al problema. En el presente trabajo se va a basar sobre la última corriente mencionada con el fin de realizar comparaciones que puedan mostrar qué técnicas de reconocimiento de patrones puedan dar mejores resultados para el funcionamiento de una BCI eficiente. 1.2 Antecedentes y Estado del Arte. Actualmente existen varios laboratorios trabajando en el desarrollo de las BCI. En el año de 1995, existían solo 6 grupos de investigación en esta rama, y para el año 2000 había poco mas de 20 [5], por lo que ha habido un rápido crecimiento en el interés de los investigadores por desarrollar BCI. Y aunque este crecimiento podría ser catalogado como rápido, aún es una rama muy joven, en cuanto éxitos alcanzados, ya que desde los años 60 se hicieron los primeros trabajos sobre estas interfaces, sin embargo, fue hasta los 90 cuando comenzó el crecimiento en la investigación de esta rama. Actualmente, existen varios prototipos de BCI que han sido implementados de diferentes formas, tratando de encontrar un mejor diseño en cada paso, sin embargo aun faltan muchas técnicas por probar y más aun, muchos diseños que implementar para poder evaluar su eficiencia. Los trabajos realizados hasta ahora han propuesto soluciones basadas en redes neuronales o NN (por sus siglas en inglés), las cuales son entrenadas para extraer características de las ondas EEG cuando un individuo es inducido a imaginar un movimiento hacia la izquierda y hacia la derecha[3]. Mientras que otros grupos de desarrollo han utilizado técnicas de control donde al individuo se le pide que (mediante retroalimentación) controle un grupo de sus ondas cerebrales para poder alterar su amplitud y de esta manera controlar el movimiento horizontal y vertical de un cursor en pantalla [4]. A continuación, una revisión de los trabajos con mejores resultados en cuanto al desarrollo de BCI, con diferentes puntos de estudio y distintas herramientas matemáticas que se han desarrollado alrededor del mundo. En Two-Handed Virtual Manipulation [1] se aborda el problema del diseño de una interfaz que brinde una mejor comunicación entre el usuario y la aplicación de la PC, que en este caso es una aplicación para planeación de intervenciones neuroquirurgicas. 5

14 En el artículo explican algunas filosofías y técnicas para el desarrollo de interfaces de comunicación. Mas a fondo, también hacen un estudio detallado a cerca de la relación de las manos (izquierda y derecha) en cuanto a tareas relacionadas con la manipulación de objetos, con la finalidad de detectar patrones que ayuden a realizar una interfaz sencilla para el usuario. En el trabajo titulado Parallel Man Machine Training in Development of EEG- Based Cursor Control [2] se detalla la realización de una BCI y una mejora en la implementación de los algoritmos de entrenamiento usados para detectar las Intenciones Humanas, como en este artículo les nombran. En este caso, reducen la problemática de la colocación de los cátodos, usando un sistema llamado international electrode system en el cual ya se identifican zonas especificas del cerebro y la selección de las posiciones de los cátodos se decide en base a un mapa de la corteza cerebral establecido por dicho sistema. Usan un método de extracción de parámetros auto regresivo a partir del espectro de frecuencia de las ondas EEG lo cual aporta a este trabajo la eficiencia de usar este tipo de métodos sobre ondas EEG. En un trabajo mas reciente (A Time-Series Prediction Approach for Feature Extraction in a Brain Computer Interface [3]) se muestra la implementación de un algoritmo de redes neuronales basado en series de tiempo para poder hacer predicciones sobre la clasificación de las ondas cerebrales y lo comparan con otros trabajos en base a su eficiencia medida a partir de los éxitos en la clasificación, la tasa de transferencia de información y la cantidad de información que el clasificador contiene en su salida a cerca de un valor de entrada. Cabe destacar la metodología usada para el análisis de las señales EEG desarrollada en este trabajo, ya que usan solo una parte de la señal que indica un movimiento para poder predecir el movimiento en si, usando 2 redes neuronales, las cuales cada una corresponde al uso de una mano. Y finalmente encuentran datos interesantes sobre la cantidad de información mínima que necesitaron para hacer una clasificación certera, esta fue de 3 a 4 segundos y los algoritmos basados en redes neuronales (NN) tuvieron un mejor desempeño que los algoritmos basados en series de tiempo adaptables auto regresivos (AAR). También se aclara que los procedimientos de extracción de parámetros, cuando estos son meticulosamente seleccionados, ofrecen mejores resultados y alteran directamente la eficiencia del sistema, por lo cual hacen de esta fase, una etapa critica para el éxito de la BCI. 6

15 Dentro del desarrollo e investigación de las BCI, también existen trabajos que abordan el problema desde el punto de vista de los discapacitados, donde podemos encontrar trabajos como: Control of a two-dimensional movement signal by a noninvasive brain computer interface in humans [4], Donde uno de los puntos relevantes esta en la extracción de parámetros de las ondas EEG para determinar los movimientos de un cursor en la pantalla. Los autores plantean 2 ecuaciones para determinar el movimiento vertical y horizontal de dicho cursor, las cuales están controladas por pesos extraídos a partir de 2 puntos específicos del cerebro, cada uno en un hemisferio, con lo cual en base a la amplitud de esas señales aplican los pesos a dichas ecuaciones y obtienen el movimiento del cursor. Brain Computer Interface Technology: A Review of the First International Meeting [5] es un trabajo que muestra en general una base para el desarrollo de una BCI. Plantea el uso de distintos parámetros a extraer de las señales EEG y también distintos parámetros de evaluación de eficiencia, como son, velocidad de respuesta, velocidad de movimiento, precisión y tasa de transferencia de información. También plantea 2 modelos de estimulación para el entrenamiento de los sistemas, el primero basado en retroalimentación gráfica y control muscular y el segundo basado en la ausencia de control muscular. Otro punto de importancia de este trabajo es que proponen una forma de evaluación global para medir la eficiencia de un sistema BCI, la cual esta basada en la tasa de transferencia de información, ya que esta depe de la precisión y de la velocidad con la que se transmiten los datos. En una tesis titulada EGG-based Brain Computer Interfaces [6] encontramos una descripción mas detallada del método para la colocación de los cátodos, international electrode system, el cual muestra mediciones, posiciones y nomenclaturas especificas del sistema para poder localizar y monitorear de manera adecuada las señales que nos interesa extraer. También se encuentra ya en específico una forma de medir la tasa de transferencia de información lo cual permitirá a este trabajo hacer una evaluación de la eficiencia del prototipo. Encontramos una descripción y comparación de los trabajos realizados en distintos laboratorios que están estudiando actualmente el tema, hacio un resumen de la metodología que cada uno utilizó y los distintos enfoques con los que se atacó el problema en dichos trabajos. Sobre el trabajo propio de la tesis EEG-based Brain Computer Interfaces [6], se realiza un sistema ABI (Adaptative Brain Interface), el cual describen y resulta relevante 7

16 porque se muestra detalladamente la manera en la que adquirieron los datos, extrajeron características de las señales y los experimentos que llevaron a cabo para el entrenamiento de su sistema, lo cual es de gran utilidad para esta investigación ya que ayudará bastante sobre todo en el momento de diseñar los experimentos para el entrenamiento del sistema. Otro trabajo A Direct Brain Interface Based on Event-Related Potentials [7] trata de una BCI basada en un electro-cortigrama ECoG (cátodos conectados directamente a la corteza cerebral) lo cual lo hace un método invasor, sin embargo es de importancia porque usan un método de correlación cruzada que ofrece resultados muy eficientes. Explican que las lecturas obtenidas de un ECoG permiten una mejor clasificación de estas ya que las señales están menos contaminadas y son mas claras para el análisis, no obstante, esto puede ser una medida de referencia para comparar la eficiencia de una BCI basada en EEG. En un trabajo auspiciado por la Neil Squire Foundation [8] se muestra una metodología basada en teoría de control para abordar el problema. Definen un método de procesamiento de contornos que ayuda a robustecer las funciones estadísticas y así poder extraer exitosamente los datos requeridos para la manipulación del sistema. Otra aportación de interés de este trabajo es el diseño de un Detector de Señal Asíncrono de Baja Frecuencia, el cual permite al sistema discernir entre las señales que interesan al mismo de las señales que no pertenecen a las intenciones del usuario por controlar la interfaz. Este proyecto obtuvo una eficiencia de 95% entre todos sus sujetos de prueba por lo cual es un método importante para esta investigación. En otro trabajo abordan el problema desde el punto de vista funcional, Critical Decision-Speed and Information Transfer in the Graz Brain Computer Interface [9], donde se plantea la pregunta a cerca de cual será el mejor balance entre tiempo decisión, con la finalidad de obtener valores de tolerancia para el error. También proponen un nuevo modelo para el entrenamiento del sistema y de los participantes del experimento, usando un juego de pelota para motivar a los usuarios. Hacio uso de un clasificador Gaussiano, varían los niveles de tolerancia para acortar el tiempo de clasificación del sistema. Los resultados mostraron una mejoría sustancial en el tiempo de entrenamiento en la precisión de los movimientos. Otra característica es que en lugar de usar solo las manos, en el experimento se monitoreo las ondas relacionadas con el movimiento imaginario de los pies y de la mano izquierda, con lo que al final se pudo observar un aumento en la energía de la señal en la frecuencia mu, (representativa del movimiento de la mano izquierda.) sobre la registrada por la mano izquierda. 8

17 En este trabajo, Direct brain communication [10], dan una explicación mas detallada de lo que representan las frecuencias mu, alfa, beta y P300, y en base a las características que cada una de ellas poseen, plantean el diseño a grosso modo de un sistema BCI tomando en cuenta mu, beta y P300, ya que mu y beta contienen información sobre los movimientos musculares de los brazos izquierdo y derecho, mientras que P300 contiene información a cerca de estímulos psicológicos que se pueden enfocar a estímulos visuales. Finalmente el trabajo propone una interfaz basada en resonancia magnética, sin embargo el procesamiento tanto como el coste del equipo lo hace aun, un diseño lejano. Tomando en cuenta las fases del reconocimiento de patrones, en otra investigación (Prosthetic Control by an EEG-based Brain-Computer Interface [11]) se ofrece una segunda implementación de un modelo AAR para la estimación de parámetros y su clasificación usando un algoritmo recursivo de mínimos cuadrados para el cálculo de los coeficientes. Otra parte importante, es que la implementación del modelo AAR fue hecho en Simulink y Matlab, por lo que también es importante desde el punto de vista de la adquisición de la señal, ya que usaron un sistema hibrido para la adquisición de la señal EEG, a través de un amplificador EEG y una tarjeta de adquisición de datos RTI8000a de Analog Devices, que puede ser manipulada con Matlab, que aunque complejo (el diseño del sistema) dió buenos resultados, porque el sistema se evaluó con datos on-line. La fase de procesamiento de datos y clasificación en el trabajo Linear Classification of Low-Resolution EEG Patterns Produced by Imagined Hand Movements [12] es elaborada con un método llamado Signal Space Projection (SSP), la cual en lugar de extraer parámetros para la clasificación, extrae patrones de las señales inmersas en el plano de proyección, los cuales agrupan varias características cada una, en este caso 54 por patrón. En la fase de adquisición de la señal, la señal se digitalizó a una frecuencia de muestreo mayor a la manejada por otros proyectos (400Hz) lo cual indican al final que es necesario para que el clasificador SSP obtenga buenos resultados. En cuestión de la adquisición de la señal, el trabajo The Mental Prosthesis: Assessing the Speed of a P300-Based Brain Computer Interface [13] propone estudiar un paradigma llamado oddball el cual hace uso de componentes ERP (Event-Related brain Potencials) las cuales son respuestas a estímulos internos (psicológicos) o externos (físicos), y en especifico el componente P300 que es un componente ógeno o interno. El paradigma Oddball propone presentar al sujeto de prueba ante una serie de eventos que puedan ser clasificados en una de dos categorías y medir la respuesta del 9

18 componente P300. El sujeto de prueba pone su atención en uno de esos eventos, por lo que la serie de eventos presentados van a estimular el componente P300 de distinta forma, ya que el usuario mantiene su atención a uno solo de esos eventos, por lo que en la aparición del segundo evento (el de ocurrencia mas rara), la componente P300 trá una mayor amplitud. También hacen uso, en la etapa de procesamiento de la señal de un análisis discriminante por etapas, y como una alternativa a comparar, suma a lo anterior la transformada wavelet. En el trabajo Recognition of Motor Imagery Electroencephalography Using Indepent Component Analysis and Machine Classifiers [14] emplean un procedimiento para la obtención de características de la señal basado en eventos relacionados de-sincronizados y sincronizados (ERD y ERS respectivamente) los cuales se muestran como una atenuación de las ondas beta y un crecimiento de las ondas mu respectivamente. El pre-procesamiento de datos lo hacen por medio de un Análisis de Componentes Indepiente (ICA) que remueve artefactos de la señal EEG para su análisis. Algo que también es relevante para este trabajo son los eventos monitoreados, ya que están hechos sobre la tarea selectiva visual debido a que los componentes son mucho más fuertes. En la etapa de clasificación usan 4 clasificadores distintos, los cuales solo necesitaron 20 minutos de entrenamiento por lo que el uso de un análisis basado en ICA facilita la clasificación de características en sistemas BCI. En el trabajo Rapid Prototyping of an EEG-Based Brain Computer Interface (BCI) [15] se muestra una nueva versión de una interfaz llamada Graz-BCI [9], sin embargo en esta implantación la realizan para poder trabajar en tiempo real. La implementación del procesamiento de señales la realizan nuevamente con un algoritmo AAR, pero en esta ocasión añaden algoritmos de análisis lineal discriminante. Otra característica de interés para esta investigación es la implementación en Simulink con Matlab, lo cual finalmente les permite modelar el sistema y generar el código automáticamente a partir del diseño en Simulink, el cual es incrustado al kernel para una ejecución en tiempo real. En la investigación Robust Classification of EEG Signal for Brain Computer Interface [16] detallan los métodos utilizados para la adquisición de la señal, incluyo el equipo utilizado, el cual es un amplificador NeuroScan SynAmps2 cuya interfase de comunicación esta basada en un puerto TCP/IP. 10

19 En este trabajo hacen un estudio un poco más extenso sobre un clasificador basado en una máquina de soporte vectorial [13]. En el pre-procesamiento de la señal utilizan un análisis en componentes principales el cual permite hacer una reducción de canales a procesar. En un trabajo anterior se mostró que el tiempo de entrenamiento de este sistema puede ser de 20 minutos con resultados aceptables, sin embargo en esta ocasión muestran como utilizar una máquina de soporte vectorial para reducir los tiempos de entrenamiento a un 58% del anterior (aprox. 10 min) con un 5% de error en la clasificación. En el trabajo Steady-State Somatosensory Evoked Potentials: Suitable Brain Signals for Brain Computer Interfaces?[17] describe la implementación de un sistema BCI basado en potenciales del motor sensorial de estado estacionario (SSSP) con la finalidad de aumentar la energía de las ondas cerebrales. En el experimento colocan transductores que estimulan los dedos índices de cada mano de un sujeto de prueba. Estos estímulos son transmitidos a una frecuencia T1 para el dedo derecho y T2 para el dedo izquierdo, con lo que busca un efecto de resonancia en las señales cerebrales, incrementando aun más la energía de la señal. También describen una herramienta llamada analizador lock-in (LAS) que les permite retirar las frecuencias en respuesta de los estímulos, de las señales EEG y así poder contar solamente con la señal generada por las intenciones del sujeto de prueba. Finalmente, en el trabajo A Virtual Reality Testbed for Brain Computer Interface Research [18] se describe una implementación de un sistema BCI en la que se auxilian de los datos obtenidos por un rastreador ocular basado en cámara, con la finalidad de reducir los artefactos incluidos en el componente P3 (potenciales relacionados a eventos), y así reducir el grado de error de detección. La reducción de los artefactos es por medio de una técnica de regresión lineal. Por medio de esta corroboración de datos (entre el componente P3 y el rastreador ocular) es posible eliminar los comandos falsos emitidos al azar. La señal es obtenida con una frecuencia de muestreo de 500Hz, y especifican que la impedancia de los cátodos esta entre 2 y 5 Kohms. Hacen una comparación de resultados de clasificación de 3 algoritmos distintos, Correlación, ICA y Robust Kalman Filter. A diferencia de otros sistemas BCI, este usa un entorno de realidad virtual en el cual el sujeto de pruebas realice sus acciones, lo cual puede ayudar a la motivación del individuo, y por e una mayor concentración en el experimento. 11

20 1.3 Justificación. Como se mencionó anteriormente, los equipos de cómputo actuales poseen una capacidad de procesamiento muy superior a la que existía cuando se desarrollaron sus interfaces de comunicación (principalmente ratón y teclado) y que con el paso del tiempo han demostrado ser muy eficientes, aun con el acelerado avance que ha tenido el área de las computadoras desde su creación. Un estudio en el cual se modela los movimientos del Mouse [1] se demuestra que una interfaz de comunicación que supere la eficiencia del Mouse será difícilmente implementada. No obstante de esta eficiencia, en la actualidad se han encontrado ya aplicaciones para este dispositivo en el cual resulta ineficiente, más en específico podemos hablar de un artículo en el cual se propone una interfaz de usuario que soporte una visualización tridimensional neuroquirurgica [1] en la cual la manipulación de dicha visualización resulta poco manejable con un Mouse por lo que se propone una interfaz de 2 manos para su control. Esta solución satisface las necesidades de la aplicación en específico, sin embargo en el artículo se menciona que un candidato a la solución de crear una interfaz más eficiente no puede ser la solución a todos los problemas, ya que esta forma de atacar el problema obtiene su eficiencia de hacer una adaptación especifica de las interfaces ya disponibles (joystick y Mouse). Este es uno de los problemas que muestra la necesidad de un medio de comunicación más efectivo, hacio un mejor uso de las capacidades computacionales de los equipos con los que ya se disponen y por otro lado, y que al mismo tiempo permita aprovechar de mejor manera las habilidades intelectuales de los usuarios. Es aquí donde surge la propuesta de una interfaz de comunicación que permita un control más rápido y acertado de las tareas que queremos realizar, incluso que funcione con personas que tienen discapacidades motoras, desde personas con Parkinson hasta personas que se encuentren totalmente paralizadas pero que aun disponen de su capacidad intelectual intacta.[2][3][4] Esa es la razón por las que las BCI prometen ser una solución eficiente ya que la base del funcionamiento de estos dispositivos no incluye movimientos físicos, si no las ondas cerebrales del usuario. Por lo cual cumple de entrada con las necesidades de personas con discapacidad motora (pero con capacidades intelectuales intactas). Por otro lado, también puede ser un dispositivo que permita múltiples canales de comunicación con la PC (parte que aun sigue en desarrollo) lo cual puede eliminar la barrera de 2 dimensiones impuesta por el Mouse. Lo que falta por desarrollar de estas interfaces son los múltiples canales de comunicación (ya que hasta ahora se han alcanzado resultados aceptables solo en 2 dimensiones) y la velocidad de comunicación (existen otros problemas a resolver, sin 12

21 embargo estos son los mas buscados) con la PC, ya que en un futuro posible, tal vez podamos hacer un uso más eficiente de los equipos de cómputo si esta interfaz se sigue desarrollando de manera exitosa, dando así como resultado un dispositivo de comunicación adecuado a la nueva generación tecnológica con la que contamos. Los trabajos que hasta ahora se han desarrollado han incursionado en áreas como las redes neuronales [3] y en algoritmos adaptables (teoría de control) [4] en los cuales se han obtenido buenos resultados en la clasificación de las ondas cerebrales, sin embargo, no hay un trabajo que recopile diferentes técnicas que permitan evaluar cual de ellas puede ser el mejor camino hacia encontrar una BCI eficiente. Y es aquí donde nos podemos enfocar al desarrollo de una BCI en la que se puedan probar y proponer diferentes técnicas de reconocimiento de patrones para poder así, realizar una comparativa entre ellas. En resumen, en esta tesis vamos a avanzar de la siguiente manera: Capitulo 1 Introducción.- En esta etapa describimos lo que ésta investigación aborda, desde el concepto global hasta las diferentes etapas que como mínimo se deben cubrir, así como una referencia de los trabajos que previamente se han involucrado con este tema. Capitulo 2 En este capitulo hacemos una revisión de los conceptos teóricos que son utilizados a lo largo de este trabajo, como son los clasificadores estadísticos KNN y Gaussiano, y la Red Neuronal, así como las técnicas de procesamiento de señales como son filtros y análisis espectrales. También se muestra el origen fisiológico de las señales que fueron usadas en ésta investigación. Capitulo 3 En este capitulo asentamos de manera formal los objetivos a alcanzar con esta investigación. Capitulo 4 Este capitulo trata del diseño y desarrollo del protocolo experimental que se utilizó tanto para las pruebas como para la forma de trabajo. Desde la preparación física de los sujetos de prueba así como también el diseño de las pruebas que nos permitieron extraer las componentes de las señales electroencefalográficas que se propusieron para su clasificación. Capitulo 5 En esta etapa proponemos un segundo protocolo experimental con el cual se desarrollan las pruebas finales. Este protocolo es el resultado y consecuencia de los resultados arrojados por el protocolo experimental descrito en el capitulo 4. Este protocolo ocupa componentes alternativas de la señal que permitieron concluir éste trabajo. 13

22 Capitulo 6 Finalmente en este capitulo encontramos los resultados y evaluaciones del prototipo desarrollado en este trabajo. Encontramos resultados estadísticos del desempeño del sistema y también el resultado de las simulaciones hechas por el sistema. Capitulo 7 En esta parte del trabajo hacemos nuestras conclusiones que se deducen de los resultados obtenidos en esta investigación, así como las perspectivas que le pueden dar mas aplicaciones a los resultados obtenidos aquí. 14

23 Capitulo 2 Planteamiento del Problema

24

25 2 Planteamiento del Problema. 2.1 Descripción del Problema. Lo que se propone realizar en este proyecto de investigación, es una interfaz que permita la comunicación entre el usuario y una computadora, hacio uso de sus ondas cerebrales, más en específico, es el desarrollar una interfaz BCI para el control de un cursor en pantalla mediante comandos obtenidos de las lecturas EEG (Figura 2.1-1). Figura Tomada de Parallel Man Machine Training in Development of EEG- Based Cursor Control. Esquema de trabajo de una BCI. Dentro de esta área de investigación existen muchos puntos que aun hay que estudiar para así resolver algunos problemas que aun siguen vigentes, como lo es la optimización del tiempo de entrenamiento y la precisión para interpretar los comandos del usuario. No obstante, este trabajo centrara su investigación dentro de puntos específicos, los cuales son: La caracterización de las señales EEG La clasificación de las ondas EEG La optimización del tiempo de entrenamiento La caracterización de las señales se puede hacer mediante 3 componentes de esta, que entregan información de diferente tipo pero referente a una misma intención del individuo. Las componentes de la señal que se plantean usar son: beta, mu y P300 (Figura 2.1-2), de las cuales las primeras dos están relacionadas con los movimientos del cuerpo y la ultima esta relacionada con el nivel de concentración del individuo con 15

26 respecto a lo que esta vio. Con lo que se propone hacer una combinación lineal de estas tres componentes para poder obtener información mas precisa acerca de lo que el individuo prete hacer. (Sus intenciones). Figura Componentes P300 y mu de un individuo, tomada de Direct Brain Comunication: neuroelectric and metabolic approaches at Tübingen [10]. Las señales que se obtienen de un amplificador EEG son, el resultado de la suma de la actividad de millones de neuronas (Figura 2.1-3), por lo que detectar por ejemplo, las intenciones de movimiento de un individuo no es un paso directo, para esto se tienen que tomar en cuenta la naturaleza de las componentes que se desean medir. a m p l i t u d Tiempo (s) Figura Muestra de una señal EEG de 1 segundo de duración. Tomada de la base de datos que se ha obtenido a lo largo de esta investigación. La señal fue obtenida mientras el sujeto movía el ratón en cuatro direcciones distintas, en este instante, el movimiento fue hacia arriba. Para este trabajo se busca obtener 2 componentes en frecuencia que son beta y mu, y una componente en el dominio del tiempo que es P

27 2.1.1 Componente Frecuencial Beta. En específico, beta es una componente que esta relacionada con la actividad cerebral generada por la concentración. Esta componente esta en el rango de frecuencias que existe arriba de los 12 hz, por lo que es útil para detectar el inicio de actividad mental. Para obtener esta componente es necesario aplicar filtros en un rango de frecuencias entre los 12 y 24 hz, para obtener como resultado lo que se muestra en la figura a m p l i t u d Tiempo (s) Figura Señal de la figura 2.1-3, procesada con un filtro FIR pasa-banda de 12 a 24 hz en Matlab para obtener Beta Componente Frecuencial mu. Esta componente se encuentra dentro del rango de frecuencia de beta, y esta comprida entre los 12 y 16 hz, también conocida como SRM (sensorimotor rythm). Ésta componente reacciona directamente al movimiento, atenuando su amplitud cada vez que hay actividad motora, principalmente de los brazos. De la misma forma que beta, esta componente se obtiene filtrando la señal en un rango de 12 a 16 hz, como se muestra en la figura a m p l i t u d Tiempo (s) Figura Señal de la figura 2.1-3, procesada con un filtro FIR pasa-banda de 12 a 16 hz.en Matlab para obtener mu. 17

28 2.1.3 Componente Temporal P300. P300 es una componente de distinta naturaleza a las anteriores, pues pertenece al tipo de componentes denominadas, Potencial Relacionado a Eventos (ERP por sus siglas en inglés), la cual es una respuesta a un estimulo, que en este caso, P300, es una respuesta a un estimulo visual y cognitivo, que aparece exactamente a los 300 milisegundos después del estímulo y se muestra en la figura Para obtener esta componente, lo que se necesita hacer, es promediar varias lecturas EEG, que son tomadas en sincronia con el estimulo. El orden de amplitud de esta componente es mucho menor al compararla con la amplitud de las componentes en frecuencia de las ondas EEG, por lo que para extraerla, se necesita promediar varias lecturas hechas en el tiempo, las cuales, al tener un comportamiento caótico, se anulan, dejando ver la componente constante en todos los canales. La clasificación de las ondas EEG es totalmente depiente del entrenamiento del sistema clasificador, por lo que es aquí un punto donde podemos buscar una de las mejoras con las que este trabajo intenta contribuir. El entrenamiento define la forma en que el usuario realiza sus acciones y es aquí donde la complejidad del uso de una interfaz de este tipo se manifiesta, ya que las pruebas de entrenamiento que se proponen en los distintos trabajos anteriormente revisados, se muestra que el usuario debe tener un nivel de concentración alto y constante, y al momento de pasar del entrenamiento al uso de la interfaz, el nivel de los usuarios decae, sin razones aparentemente obvias. 18

29 a m p l i t u d Tiempo (s) Figura Componente P300, obtenida del sujeto de prueba B, mientras realizaba movimientos aleatorios con el ratón. Dada la naturaleza de un potencial evocado, no es posible obtenerla de una señal tan corta como la de la figura Ésta señal corresponde a la misma sesión que la de la figura anterior, pero para obtenerla se procesaron 4.7 minutos. Es por eso que en este trabajo se probará una dinámica de entrenamiento distinta, con la esperanza de optimizar los entrenamientos y por e aumentar el nivel de eficiencia de los clasificadores mencionados dentro de este trabajo. 2.2 El entrenamiento Los trabajos revisados hasta la fecha, comparten algo en común, y es el entrenamiento de sus algoritmos de clasificación para detectar los movimientos imaginados por el usuario, algo que ha mostrado ser un problema ya que los sistemas nunca tienen los mismos resultados para los distintos sujetos de prueba usados en los experimentos, no obstante, la existencia de estas diferencias de desempeño de los sistemas con distintos usuarios no es anormal, sin embargo las diferencias son muy grandes para los distintos usuarios. Por lo que en el presente trabajo se implementará una aplicación de entrenamiento retroalimentada, estará basada en leer las ondas EEG mientras el usuario hace movimientos físicos reales (movio el Mouse con el brazo derecho) y gradualmente 19

30 presentar (cada vez mas) distintos distractores visuales que permitan entrenar los algoritmos de clasificación partio desde la premisa de que un sujeto de prueba concentrado en la tarea hasta llegar a un usuario cuyas acciones las realiza de manera natural, lo cual posiblemente entregue resultados mas homogéneos con los diferentes sujetos de prueba, y a la vez nos permita alcanzar uno de los objetivos específicos de esta investigación. Todos estos puntos están contenidos de manera específica en los siguientes objetivos que definen la base de ésta investigación. 2.3 Objetivo General. Análisis, diseño e implementación de una interfaz BCI que sea capaz de controlar un cursor por medio de la clasificación de lecturas EEG de una persona. 2.4 Objetivos específicos. Identificar los puntos óptimos del cerebro que permitan extraer las componentes de las señales EEG que contengan la información del movimiento del brazo derecho. Determinar la combinación lineal que se va a usar en las componentes beta, mu y P300 por medio de Análisis Factorial Discriminante y Análisis en Componentes Principales Generar un clasificador de ondas EEG que identifique los movimientos necesarios para controlar un cursor en 4 direcciones. Para lograr esto, se construirá un clasificador múltiple que contenga internamente tres algoritmos de clasificación, y también se implementarán tres algoritmos que permitan la evaluación de los clasificadores, los cuales son: - Algoritmos de clasificación: KNN : K Próximos Vecinos Clasificador Gaussiano Clasificador basado en Redes Neuronales Backpropagation 20

31 - Algoritmos de evaluación de desempeño: Leave One Out Resubstitution Cross-Validation Finalmente, en cuestión de algoritmos, se implementarán dos métodos para determinar la combinación lineal de las componentes que van a caracterizar las señales EEG en esta investigación. Los algoritmos son: Análisis de Componentes Principales Análisis Factorial Discriminante 21

32

33 Capitulo 3 Conceptos Teóricos

34

35 3. Conceptos Teóricos. 3.1 Estructura básica de una BCI Una Interfaz Cerebro computadora (BCI) tiene como finalidad, establecer la comunicación entre dos entidades que requieren interactuar, es decir, en términos un poco mas generales, una interfaz ofrece un canal de comunicación entre dos entidades, que en este caso, esas dos entidades son el cerebro humano y la computadora. La manera de establecer dicho canal de comunicación entre el cerebro humano y la computadora, es hacio uso de las ondas electroencefalográficas que el cerebro emite como resultado de la actividad sináptica cerebral. Para poder hacer esto se necesitan los siguientes elementos: Electrodos para electroencefalografía. (ver figura 3.1-1(a)) Sistema de adquisición de señales EEG. (ver figura 3.1-1(b)) Software de captura de señales EEG. (ver figura 3.1-1(c)) Organizados de la manera siguiente como se aprecia en la figura (b) (a) (e) (d) (c) Figura 3.1-1: Estructura de una BCI (a) Gorra con electrodos ELECTROCAP (b) Equipo de adquisición de EEG (c) Computadora y software de captura (d) Base de datos EEG (e) Retroalimentación de la PC al Usuario 22

36 3.1.1 Los electrodos y el Electrocap Los electrodos que se usan para la extracción de ondas EEG no son muy diferentes a otros tipos de electrodos que se usan para señales biomédicas (ECG por ejemplo), no obstante, la diferencia esta en la forma de colocarlos. Para esto, se ha desarrollado un sistema denominado System [19]. (véase figura 3.1-2) Este sistema esta basado en la relación que existe entre la posición de un electrodo y el área situada por debajo de la corteza cerebral. El nombre, se refiere al hecho de que actualmente las distancias entre los electrodos adyacentes son 10% o 20% del total de la distancia entre la parte frontal y la parte trasera del cráneo, o bien, la distancia entre el lado derecho e izquierdo del mismo. En este sistema, cada electrodo tiene una letra que identifica el lóbulo y un número para identificar la posición en el hemisferio. Las letras F, T, C, P y O se refieren a su posición sobre el cráneo, que son: Frontal, Temporal, Central, Parietal y Occipital. Médicamente hablando, no existe el lóbulo central (C), sin embargo esta colocado solo como referencia. Los electrodos marcados con z se refieren a que están colocados en el centro de ambos hemisferios y los números pares se refieren al hemisferio derecho y los impares al hemisferio izquierdo. A1 y A2 son puntos de referencia que normalmente se colocan en las orejas. Figura 3.1-2: Sistema 10-20, Imagen obtenida de 23

37 Es por esta razón que existen en el mercado gorras con electrodos ya posicionados que facilitan la colocación de los mismos y así mejorar la calidad de la obtención de las señales. En el caso de este proyecto, la gorra ELECTROCAP que se utilizó consta de 20 electrodos posicionados en el sistema Los electrodos en si, se encuentran dentro de un caparazón de plástico como se muestra en la figura La longitud de los cables de los electrodos es de 1.5 metros y llevan una codificación por colores para una rápida identificación. La gorra que se usó es de talla mediana y tiene 20 electrodos, de los cuales solo se usan 18, 16 para canales EEG y 2 para tierra. Figura Electrodo de gorra Electrocap Otro punto necesario a mencionar es el uso de un gel reductor de impedancia para así mejorar la calidad de las señales y asegurar el contacto entre el cuero cabelludo y el electrodo. De esta forma, las personas a las que se les coloca los electrodos no necesitan de ningún tipo de preparación mas que colocar el gel entre el electrodo y su cuero cabelludo Sistema de adquisición de EEG Las ondas electroencefalográficas, son el resultado de la actividad de millones de neuronas en un solo instante. Para enter de manera mas clara el proceso de 24

CAPÍTULO 3 Programación en LabVIEW

CAPÍTULO 3 Programación en LabVIEW CAPÍTULO 3 Programación en LabVIEW 3.1 Conexión física de los elementos Para capturar todas las señales provenientes de los sensores se utilizó una tarjeta de adquisición de datos de National Instruments,

Más detalles

El monitoreo de una variable física requiere supervisión permanente de señales que

El monitoreo de una variable física requiere supervisión permanente de señales que Capítulo 1 Marco Contextual 1.1. Formulación del problema 1.1.1. Definición del problema El monitoreo de una variable física requiere supervisión permanente de señales que varían con el tiempo. Tal información,

Más detalles

Capítulo 3. dependen de él son, por ejemplo, la voz, una onda de radio, un electrocardiograma, etc. El

Capítulo 3. dependen de él son, por ejemplo, la voz, una onda de radio, un electrocardiograma, etc. El Capítulo 3 Procesamiento digital de señales mioeléctricas Las señales se representan matemáticamente como funciones de una o más variables independientes. La variable independiente más común es el tiempo,

Más detalles

Una señal es una magnitud física de interés que habitualmente es una función del tiempo.

Una señal es una magnitud física de interés que habitualmente es una función del tiempo. 1.- Introducción al Procesado Digital de Señales. 1.1.- Introducción. Podemos decir que cuando realizamos cualquier proceso digital para modificar la representación digital de una señal estamos haciendo

Más detalles

Esta investigación esta basada y evolucionada de las redes neuronales pero con visión de crear software.

Esta investigación esta basada y evolucionada de las redes neuronales pero con visión de crear software. Introducción Esta es un nuevo planteamiento al paradigma de la computación y la ingeniería del software, Necesitamos planteamientos nuevos en el area de la Inteligencia artificial que ayuden a el trabajo

Más detalles

SOMI XVIII Congreso de Instrumentación Ingeniería Biomédica EHM1899

SOMI XVIII Congreso de Instrumentación Ingeniería Biomédica EHM1899 ELECTROCARDIOGRAFO PARA PRUEBAS EN ESFUERZO BASADO EN INSTRUMENTACIÓN VIRTUAL (EPESIV) A. Hernández Méndez, J.A. Moreno Espinosa Instituto de Electrónica y Computación, UTM, Carretera a Acatlima km 2.5,

Más detalles

PROYECTO DISEÑO Y CONSTRUCCIÓN DE UN MONITOR DE SIGNOS VITALES BASADO EN UN COMPUTADOR PORTÁTIL

PROYECTO DISEÑO Y CONSTRUCCIÓN DE UN MONITOR DE SIGNOS VITALES BASADO EN UN COMPUTADOR PORTÁTIL PROYECTO DISEÑO Y CONSTRUCCIÓN DE UN MONITOR DE SIGNOS VITALES BASADO EN UN COMPUTADOR PORTÁTIL PRODUCTO INTERMEDIO P01 RELACIÓN ADQUISICIÓN MATERIAL BIBLIOGRÁFICO ACTIVIDAD: A05: Adquisición material

Más detalles

Capítulo III Procesamiento Digital de Imágenes

Capítulo 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 detalles

Diseño de Moda Informatizado

Diseño de Moda Informatizado L as políticas industriales en los países desarrollados del mundo inciden mucho en la tecnología y el diseño industrial. Ambos conceptos tienen gran importancia en la industria en general, pues hacen que

Más detalles

Tema 3. MODELOS. 2.1 Apoyo Informático a la investigación experimental. 2.2 Modelos del cerebro: A. Realistas biológicos.

Tema 3. MODELOS. 2.1 Apoyo Informático a la investigación experimental. 2.2 Modelos del cerebro: A. Realistas biológicos. Tema 3. MODELOS 011 0 01 01 FUNDAMENTOS 1. Modelos computacionales. 2. Computación y Neurociencia. CONTENIDOS 2.1 Apoyo Informático a la investigación experimental. 2.2 Modelos del cerebro: A. Realistas

Más detalles

INTERFAZ CEREBRAL NO INVASIVA PARA CONTROL DE UN SISTEMA DOMÓTICO POR PERSONAS DISCAPACITADAS

INTERFAZ CEREBRAL NO INVASIVA PARA CONTROL DE UN SISTEMA DOMÓTICO POR PERSONAS DISCAPACITADAS 2007 INTERFAZ CEREBRAL NO INVASIVA PARA CONTROL DE UN SISTEMA DOMÓTICO POR PERSONAS DISCAPACITADAS Autores José María Azorín Poveda Ingeniero Informática. Doctor por la Universidad Miguel Hernández de

Más detalles

INGENIERÍA EN MECATRÓNICA

INGENIERÍA EN MECATRÓNICA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Instrumentación Virtual 2. Competencias Desarrollar proyectos de automatización y control, a través del diseño, la administración

Más detalles

Tema 1.- Introducción a la Visión Artificial

Tema 1.- Introducción a la Visión Artificial Tema 1.- Introducción a la Visión Artificial Visión Artificial Avanzada Prof. Dr. Nicolás Luis Fernández García Departamento de Informática y Análisis Numérico Escuela Politécnica Superior Universidad

Más detalles

En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del

En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del 33 En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del sistema de procesamiento de imágenes para controlar un robot manipulador y se describen en la forma como serán

Más detalles

Etapas del desarrollo

Etapas del desarrollo Capítulo 4 Etapas del desarrollo Este capítulo documenta la aplicación del modelo presentado anteriormente, para el caso de la detección y clasificación de eventos sísmicos sobre señales digitales. El

Más detalles

LIC. SAIDYS JIMÉNEZ QUIROZ GRADOS 6 A B CESCOJ

LIC. SAIDYS JIMÉNEZ QUIROZ GRADOS 6 A B CESCOJ LIC. SAIDYS JIMÉNEZ QUIROZ GRADOS 6 A B CESCOJ NÚCLEO BÁSICO N 2: INTRODUCCIÓN A LA INFORMÁTICA SESIÓN DE APRENDIZAJE N 2.2: EL COMPUTADOR Y SUS PARTES. COMPETENCIA: Reconozco que el computador es un artefacto

Más detalles

Calle Cobre No. 433 Fraccionamiento Bonanza Saltillo Coahuila. 8444310785 Aarmas433@hotmail.com

Calle Cobre No. 433 Fraccionamiento Bonanza Saltillo Coahuila. 8444310785 Aarmas433@hotmail.com Calle Cobre No. 433 Fraccionamiento Bonanza Saltillo Coahuila. 84443108 Aarmas433@hotmail.com Introducción. El constante avance tecnológico hace cada día más exigente la actualización y el uso de herramientas

Más detalles

ITI - CAS. Clasificación de Señales EEG en un Sistema BCI. Informe Técnico ITI-SAC-016. Autor: Francesc Benimeli Fecha: 30 de junio de 2006.

ITI - CAS. Clasificación de Señales EEG en un Sistema BCI. Informe Técnico ITI-SAC-016. Autor: Francesc Benimeli Fecha: 30 de junio de 2006. ITI - CAS Informe Técnico ITI-SAC-016 Clasificación de Señales EEG en un Sistema BCI Autor: Francesc Benimeli Fecha: 30 de junio de 2006 c ITI ÍNDICE ÍNDICE Índice 1. Introducción 2 2. Descripción del

Más detalles

CAPÍTULO 6 INSTRUMENTO VIRTUAL

CAPÍTULO 6 INSTRUMENTO VIRTUAL Diseño y implementación de un medidor de frecencia para frecuencias bajas CAPÍTULO 6 INSTRUMENTO VIRTUAL Como se ha ido señalando a lo largo de esta memoria, el objetivo del proyecto no es otro que el

Más detalles

Solución. Sistema Desarrollado por IMP, Solución para Detectar Fugas y Tomas Clandestinas en Ductos de Transporte de Gas y Líquidos.

Solución. Sistema Desarrollado por IMP, Solución para Detectar Fugas y Tomas Clandestinas en Ductos de Transporte de Gas y Líquidos. investigación Fuentes: Instituto Mexicano del Petróleo/ Elizabeth Martínez, PetroQuiMex. Solución Sistema Desarrollado por IMP, Solución para Detectar Fugas y Tomas Clandestinas en Ductos de Transporte

Más detalles

CAPÍTULO 1 INTRODUCCIÓN

CAPÍTULO 1 INTRODUCCIÓN CAPÍTULO 1 INTRODUCCIÓN En este capítulo se plantea de forma general el problema que motivó el presente trabajo de investigación. Asimismo, se abordan y describen los objetivos de esta tesis, exponiendo

Más detalles

Capítulo 1. Introducción. 1.1. Antecedentes

Capítulo 1. Introducción. 1.1. Antecedentes Capítulo 1. Introducción En este capítulo se presenta una descripción general del problema a investigar y el enfoque con el que se aborda. Se establece la necesidad de incorporar técnicas de análisis novedosas

Más detalles

Implementación de un sistema AAC para personas con parálisis cerebral.

Implementación de un sistema AAC para personas con parálisis cerebral. Implementación de un sistema AAC para personas con parálisis cerebral. Shing Fung Lam, Fabio Reinoso, Iván Mendoza, Luisa Correa Universidad Tecnológica de Panamá Facultad de Ingeniería en Sistemas, Resumen:

Más detalles

En las estructuras de datos, muchas de las implementaciones o mapeos de problemas, sus

En las estructuras de datos, muchas de las implementaciones o mapeos de problemas, sus 1 Introducción. En las estructuras de datos, muchas de las implementaciones o mapeos de problemas, sus soluciones o procesos, se basan en matrices binarias. Existen varios métodos y algoritmos que trabajan

Más detalles

Brain Computer Interface (BCI)

Brain Computer Interface (BCI) Brain Computer Interface (BCI) Aplicado al entrenamiento cognitivo y control domótico para prevenir los efectos del envejecimiento Universidad de Valladolid, Grupo de ingeniería Biomédica. Roberto Hornero

Más detalles

Monitoreo de Temperatura Inalámbrico de Bajo Costo Utilizando Radio-Transmisor Comercial

Monitoreo de Temperatura Inalámbrico de Bajo Costo Utilizando Radio-Transmisor Comercial Monitoreo de Temperatura Inalámbrico de Bajo Costo Utilizando Radio-Transmisor Comercial Estrella Vargas Gustavo Adolfo(gaev_722@hotmail.com) 1, Sánchez Zaldaña José Plácido 1, Hernández Castellanos Roberto

Más detalles

Umbral Científico ISSN: 1692-3375 umbralcientifico@umb.edu.co Universidad Manuela Beltrán Colombia

Umbral Científico ISSN: 1692-3375 umbralcientifico@umb.edu.co Universidad Manuela Beltrán Colombia Umbral Científico ISSN: 1692-3375 umbralcientifico@umb.edu.co Universidad Manuela Beltrán Colombia Ballesteros, Dora; Pardo, Hasbleidy Software de análisis de energía en señales electroencefalograficas

Más detalles

La presente tesis pretende que los estudiantes observen la teoría de las acciones de control

La presente tesis pretende que los estudiantes observen la teoría de las acciones de control CAPÍTULO V. CONCLUSIONES. La presente tesis pretende que los estudiantes observen la teoría de las acciones de control de forma virtual al mismo tiempo analicen físicamente los sistemas electrónicos cuando

Más detalles

CAPÍTULO 1 INTRODUCCIÓN, HIPÓTESIS Y OBJETIVOS

CAPÍTULO 1 INTRODUCCIÓN, HIPÓTESIS Y OBJETIVOS CAPÍTULO 1 INTRODUCCIÓN, HIPÓTESIS Y OBJETIVOS 1 INTRODUCCIÓN 1.1 Justificación Esta investigación está motivada por el interés en lograr una mejor comprensión del papel que desempeña la creatividad dentro

Más detalles

VISION ARTIFICIAL APOYADA EN SISTEMAS HÍBRIDOS NEURO-SIMBÓLICOS

VISION ARTIFICIAL APOYADA EN SISTEMAS HÍBRIDOS NEURO-SIMBÓLICOS VISION ARTIFICIAL APOYADA EN SISTEMAS HÍBRIDOS NEURO-SIMBÓLICOS Dr. Gerardo Reyes Salgado Profesor-Investigador / Instituto Tecnológico de Cuautla gerardo.reyes@itcuautla.edu.mx www.itcuautla.edu.mx 1

Más detalles

DISEÑO E IMPLEMENTACIÓN DE UNA TARJETA DE ADQUISICIÓN DE DATOS PARA EL LABORATORIO DE TELECOMUNICACIONES DE LA FIEC.

DISEÑO E IMPLEMENTACIÓN DE UNA TARJETA DE ADQUISICIÓN DE DATOS PARA EL LABORATORIO DE TELECOMUNICACIONES DE LA FIEC. TESIS DISEÑO E IMPLEMENTACIÓN DE UNA TARJETA DE ADQUISICIÓN DE DATOS PARA EL LABORATORIO DE TELECOMUNICACIONES DE LA FIEC. DIRECTOR DE TESIS.- Ing. Francisco Novillo AUTOR Walter Mestanza Vera. Egresado

Más detalles

Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones.

Capítulo 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 detalles

PRÁCTICA 4: IDENTIFICACIÓN Y CONTROL DE UN SERVOMECANISMO DE POSICIÓN CURSO 2007/2008

PRÁCTICA 4: IDENTIFICACIÓN Y CONTROL DE UN SERVOMECANISMO DE POSICIÓN CURSO 2007/2008 PRÁCTICA 4: IDENTIFICACIÓN Y CONTROL DE UN SERVOMECANISMO DE POSICIÓN CURSO 2007/2008 LABORATORIO DE CONTROL AUTOMÁTICO. 3 er CURSO ING. TELECOMUNICACIÓN 1. OBJETIVOS En esta práctica se pretende que el

Más detalles

DOCTORADO EN CIENCIAS COMPUTACIONALES

DOCTORADO EN CIENCIAS COMPUTACIONALES DOCTORADO EN CIENCIAS COMPUTACIONALES Objetivos El programa de Doctorado en Ciencias Computacionales, tiene el propósito esencial de formar profesionales con las siguientes características: Amplio dominio

Más detalles

Escogiendo un sistema host

Escogiendo un sistema host 2002 Emerson Process Management. Todos los derechos reservados. Vea este y otros cursos en línea en www.plantwebuniversity.com. Fieldbus 402 Escogiendo un sistema host Generalidades Experiencia del proveedor

Más detalles

PROGRAM ACIÓN DEL CONTROL

PROGRAM ACIÓN DEL CONTROL CAPÍTULO III. PROGRAM ACIÓN DEL CONTROL M EDIANTE LABVIEW. 3.1 Introducción. El código producido para este tipo de software debe ser altamente confiable, muy eficiente, compacto y preciso cuando maneja

Más detalles

PARTE III OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS MODELADO E IDENTIFICACIÓN ASPECTOS A TENER EN CUENTA MODELADO IDENTIFICACIÓN OBTENCIÓN DE MODELOS

PARTE 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 detalles

Diseñar, analizar, adaptar, operar y construir sistemas analógicos y digitales.

Diseñar, analizar, adaptar, operar y construir sistemas analógicos y digitales. PERFIL PROFESIONAL Diseñar, analizar, adaptar, operar y construir sistemas analógicos y digitales. Crear, innovar, adaptar y transferir tecnología en el ámbito de ingeniería electrónica mediante la aplicación

Más detalles

Development of an upper level software of a ceiling mounted home prototype robot

Development of an upper level software of a ceiling mounted home prototype robot UNIVERSIDAD CARLOS III DE MADRID AALTO UNIVERSITY: SCHOOL OF SCIENCE AND TECHNOLOGY Development of an upper level software of a ceiling mounted home prototype robot Miguel Pérez Cardoso Contenido 1. Objetivo...

Más detalles

forma de entrenar a la nuerona en su aprendizaje.

forma de entrenar a la nuerona en su aprendizaje. Sistemas expertos e Inteligencia Artificial,Guía5 1 Facultad : Ingeniería Escuela : Computación Asignatura: Sistemas expertos e Inteligencia Artificial Tema: SISTEMAS BASADOS EN CONOCIMIENTO. Objetivo

Más detalles

Capítulo 2. Las Redes Neuronales Artificiales

Capítulo 2. Las Redes Neuronales Artificiales Capítulo 2. Las Redes Neuronales Artificiales 13 Capitulo 2. Las Redes Neuronales Artificiales 2.1 Definición Redes Neuronales Artificiales El construir una computadora que sea capaz de aprender, y de

Más detalles

Introducción al PSPICE

Introducción al PSPICE Pspice incluye varios programas, entre ellos está Schematics que es un programa de captura con una interfase directa a otros programas y opciones de Pspice. Con este programa se pueden realizar varias

Más detalles

TIMSS 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 detalles

Sistema de Equilibrio utilizando tecnología Wii

Sistema de Equilibrio utilizando tecnología Wii Sistema de Equilibrio utilizando tecnología Wii Diaz Facundo, Martín Gastón, Roca Sebastián,, Sánchez Mirta Laboratorio de Fisiología del Ejercicio Universidad Maza facundodiaz.bioing@gmail.com Resumen-

Más detalles

ADQUISICIÓN Y GESTIÓN DE DATOS PARA LOS SISTEMAS ELECTROMECÁNICOS, MODELO 9062

ADQUISICIÓN Y GESTIÓN DE DATOS PARA LOS SISTEMAS ELECTROMECÁNICOS, MODELO 9062 A Electrotecnia 0.2 kw ADQUISICIÓN Y GESTIÓN DE DATOS PARA LOS SISTEMAS ELECTROMECÁNICOS, MODELO 9062 DESCRIPCIÓN GENERAL El Sistema de Adquisición y gestión de datos para los sistemas electromecánicos

Más detalles

Introducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla

Introducción. 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 detalles

CAPITULO III MARCO METODOLÓGICO. La presente investigación plantea como objetivo el diseño de un prototipo

CAPITULO 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 detalles

Mejores prácticas para el éxito de un sistema de información. Uno de los problemas de información dentro de las empresas es contar con datos

Mejores prácticas para el éxito de un sistema de información. Uno de los problemas de información dentro de las empresas es contar con datos ANEXO VI. Mejores prácticas para el éxito de un sistema de información Uno de los problemas de información dentro de las empresas es contar con datos importantes del negocio y que éstos estén aislados

Más detalles

Capítulo 1. Estructura y funcionalidad de un sistema de seguridad

Capítulo 1. Estructura y funcionalidad de un sistema de seguridad 1 Capítulo 1. Estructura y funcionalidad de un sistema de seguridad El ser humano siempre se ha movido por el impulso innato de satisfacer sus necesidades básicas, esto lo ha llevado a evolucionar para

Más detalles

INGENIERÍA METAL MECÁNICA

INGENIERÍA METAL MECÁNICA INGENIERÍA METAL MECÁNICA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Instrumentación y control. 2. Competencias Innovar proyectos Metal Mecánicos aplicando la reingeniería

Más detalles

1 Conceptos Básicos de Señales y Sistemas

1 Conceptos Básicos de Señales y Sistemas CAPÍTULO 1 Conceptos Básicos de Señales y Sistemas Cuando se hace referencia a los conceptos de señales y sistemas, su aplicación es válida para una variedad amplia de disciplinas, tales como sismología,

Más detalles

SISTEMAS DE INFORMACIÓN II TEORÍA

SISTEMAS DE INFORMACIÓN II TEORÍA CONTENIDO: EL PROCESO DE DISEÑO DE SISTEMAS DISTRIBUIDOS MANEJANDO LOS DATOS EN LOS SISTEMAS DISTRIBUIDOS DISEÑANDO SISTEMAS PARA REDES DE ÁREA LOCAL DISEÑANDO SISTEMAS PARA ARQUITECTURAS CLIENTE/SERVIDOR

Más detalles

BPM: Articulando Estrategia, Procesos y Tecnología

BPM: Articulando Estrategia, Procesos y Tecnología BPM: Articulando Estrategia, Procesos y Tecnología Resumen: La competitividad es el imaginario que dirige las acciones empresariales en la actualidad. Lograr condiciones que permitan competir con mayores

Más detalles

ASIGNATURA DE GRADO: VISIÓN ARTIFICIAL

ASIGNATURA DE GRADO: VISIÓN ARTIFICIAL ASIGNATURA DE GRADO: VISIÓN ARTIFICIAL Curso 2015/2016 (Código:71014046) 1.PRESENTACIÓN DE LA ASIGNATURA Esta asignatura pretende ofrecer al alumno una panorámica del problema de la percepción visual a

Más detalles

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN)

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) CLASIFICACIÓN NO SUPERVISADA CLUSTERING Y MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) info@clustering.50webs.com Indice INTRODUCCIÓN 3 RESUMEN DEL CONTENIDO 3 APRENDIZAJE

Más detalles

Arquitectura de Aplicaciones

Arquitectura de Aplicaciones 1 Capítulo 13: Arquitectura de aplicaciones. - Sommerville Contenidos del capítulo 13.1 Sistemas de procesamiento de datos 13.2 Sistemas de procesamiento de transacciones 13.3 Sistemas de procesamiento

Más detalles

INTELIGENCIA ARTIFICIAL APLICADA A PERSONAS CON DISCAPACIDAD. Autores: Alejandro E. Reyes Bascuñana (100066982) Javier Santofimia Ruiz (100060449)

INTELIGENCIA ARTIFICIAL APLICADA A PERSONAS CON DISCAPACIDAD. Autores: Alejandro E. Reyes Bascuñana (100066982) Javier Santofimia Ruiz (100060449) INTELIGENCIA ARTIFICIAL APLICADA A PERSONAS CON DISCAPACIDAD Autores: Alejandro E. Reyes Bascuñana (100066982) Javier Santofimia Ruiz (100060449) Introducción Según OMS, el 15% de la población mundial

Más detalles

Capítulo 4. Implementación del lenguaje multitáctil

Capítulo 4. Implementación del lenguaje multitáctil Capítulo 4. Implementación del lenguaje multitáctil En este capítulo se presenta como fue diseñado y desarrollado el servicio de ademanes multitáctiles. Se presentan la arquitectura general del sistema,

Más detalles

SISTEMAS DE INFORMACIÓN PARA ADMINISTRACIÓN DE OPERACIONES. Manufactura Integrada por Computadora (CIM) Qué es es CIM?

SISTEMAS DE INFORMACIÓN PARA ADMINISTRACIÓN DE OPERACIONES. Manufactura Integrada por Computadora (CIM) Qué es es CIM? SISTEMAS DE INFORMACIÓN PARA ADMINISTRACIÓN DE OPERACIONES 2003 Manufactura Integrada por Computadora (CIM) Qué es es CIM? Bajo el nombre de CIM se engloba a un conjunto de aplicaciones informáticas cuyo

Más detalles

SISTEMA DE NAVEGACIÓN POR INTERNET BASADO EN ELECTROOCULOGRAFÍA PARA PERSONAS DISCAPACITADAS

SISTEMA DE NAVEGACIÓN POR INTERNET BASADO EN ELECTROOCULOGRAFÍA PARA PERSONAS DISCAPACITADAS 2009 SISTEMA DE NAVEGACIÓN POR INTERNET BASADO EN ELECTROOCULOGRAFÍA PARA PERSONAS DISCAPACITADAS Investigador Principal José María Azorín Poveda Dr. Ingeniero Informático. Profesor Universidad Miguel

Más detalles

CONFERENCIA REALIDAD AUMENTADA. Ingeniero CARLOS ENRIQUE ORTIZ RANGEL carlos.ortiz@tecnomovilidad.com

CONFERENCIA REALIDAD AUMENTADA. Ingeniero CARLOS ENRIQUE ORTIZ RANGEL carlos.ortiz@tecnomovilidad.com CONFERENCIA REALIDAD AUMENTADA Ingeniero CARLOS ENRIQUE ORTIZ RANGEL carlos.ortiz@tecnomovilidad.com Bogotá, Septiembre 2012 OBJETIVO GENERAL El objetivo es presentar un recorrido actualizado por las diferentes

Más detalles

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING Aprendizaje Automático y Data Mining Bloque IV DATA MINING 1 Índice Definición y aplicaciones. Grupos de técnicas: Visualización. Verificación. Descubrimiento. Eficiencia computacional. Búsqueda de patrones

Más detalles

INGENIERÍA EN MECATRÓNICA

INGENIERÍA EN MECATRÓNICA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Control lógico avanzado 2. Competencias Desarrollar proyectos de automatización y control, a través del diseño, la administración

Más detalles

Resumen. 1. Introducción. 2. Objetivos

Resumen. 1. Introducción. 2. Objetivos Propuesta para la Asignatura Sistemas Industriales en las Titulaciones de Informática F.A. Pujol, F.J. Ferrández, J.L. Sánchez, J. M. García Chamizo Dept. de Tecnología Informática y Computación Universidad

Más detalles

Tema 11: Instrumentación virtual

Tema 11: Instrumentación virtual Tema 11: Instrumentación virtual Solicitado: Tarea 09: Mapa conceptual: Instrumentación Virtual M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom

Más detalles

CAPÍTULO 3. AMBIENTES DE ENSEÑANZA ASISTIDOS POR COMPUTADORA

CAPÍTULO 3. AMBIENTES DE ENSEÑANZA ASISTIDOS POR COMPUTADORA CAPÍTULO 3. AMBIENTES DE ENSEÑANZA ASISTIDOS POR COMPUTADORA 3.1 CAI (Computer Assisted Instruction). La enseñanza asistida por computadora consiste en tecnologías de la información que permiten al estudiante

Más detalles

CAPÍTULO I. INTRODUCCIÓN

CAPÍTULO I. INTRODUCCIÓN CAPÍTULO I. INTRODUCCIÓN 1.1 Estado del arte del monitoreo de redes de computadoras. La palabra monitoreo no tiene una definición exacta, pero en el contexto computacional ha adquirido un auge muy grande,

Más detalles

Modelo matemático de las autoclaves industriales

Modelo matemático de las autoclaves industriales AUTOMÁTICA Y ELECTRÓNICA Ingeniería Electrónica, Automática y Comunicaciones, Vol. XXIII, No. 2, 2002 Modelo matemático de las autoclaves industriales J. E. González y R. Misa Empresa Laboratorio Farmacéutico

Más detalles

Documento de Competencias. Facultad de Informática, UPV/EHU. 1 Estructura general del Grado TE1 TE2 TE3 TE4 TE5 TE6 TE7 TE8

Documento de Competencias. Facultad de Informática, UPV/EHU. 1 Estructura general del Grado TE1 TE2 TE3 TE4 TE5 TE6 TE7 TE8 Documento de Competencias Grado en INGENIERÍA INFORMÁTICA Facultad de Informática, UPV/EHU 1 Estructura general del Grado 1.1 Fundamentos de Tecnología de los Principios de Diseño de Sistemas Digitales

Más detalles

Una investigación australiana reveló que posiblemente la disminución

Una 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 detalles

MÁQUINA DE VECTORES DE SOPORTE

MÁQUINA 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 detalles

Contenidos, criterios de evaluación y mínimos TECNOLOGÍAS 3º de ESO CRITERIOS DE EVALUACIÓN

Contenidos, criterios de evaluación y mínimos TECNOLOGÍAS 3º de ESO CRITERIOS DE EVALUACIÓN CONTENIDOS Bloque 1. Contenidos comunes a todos los bloques. Familiarización con las características básicas del trabajo tecnológico, por medio de: planteamiento de problemas, discusión de su interés,

Más detalles

TECNOLOGIAS DE INTERFAZ CEREBRO ORDENADOR

TECNOLOGIAS DE INTERFAZ CEREBRO ORDENADOR TECNOLOGIAS DE INTERFAZ CEREBRO ORDENADOR Por Maricruz López Pérez Computación Básica 1 CONTENIDO introduccion... 2 La tecnología BCI (Brain-Computer Interface)...3 Caracteristicas e inicio...3 FUNCIONAMIENTO...

Más detalles

Análisis espectral de señales periódicas con FFT

Análisis espectral de señales periódicas con FFT Análisis espectral de señales periódicas con FFT 1 Contenido 7.1 Introducción a la Transformada Discreta de Fourier 3-3 7.2 Uso de la Transformada Discreta de Fourier 3-5 7.3 Método de uso de la FFT 3-8

Más detalles

Mejora de Laboratorios Tradicionales mediante el uso de Instrumentación Virtual

Mejora de Laboratorios Tradicionales mediante el uso de Instrumentación Virtual Mejora de Laboratorios Tradicionales mediante el uso de Instrumentación Virtual Abstract: La instrumentación tiene que ver con el conjunto de equipos y dispositivos mediante los cuales se puede supervisar

Más detalles

El texto extenso Taller de Búsqueda de Recuperación de Información en Bases de Datos en la Red Capital de Bibliotecas Públicas

El texto extenso Taller de Búsqueda de Recuperación de Información en Bases de Datos en la Red Capital de Bibliotecas Públicas Título de la ponencia: Taller de Búsqueda de Recuperación de Información en Bases de Datos en la Red Capital de Bibliotecas Públicas Información del autor(es): Nombres y apellidos: Sergio Alfonso Grado

Más detalles

MINERIA DE DATOS Y Descubrimiento del Conocimiento

MINERIA DE DATOS Y Descubrimiento del Conocimiento MINERIA DE DATOS Y Descubrimiento del Conocimiento UNA APLICACIÓN EN DATOS AGROPECUARIOS INTA EEA Corrientes Maximiliano Silva La información Herramienta estratégica para el desarrollo de: Sociedad de

Más detalles

Prototipo de virtualización de un caso de estudio para fundamentar la virtualización en el SNEST

Prototipo de virtualización de un caso de estudio para fundamentar la virtualización en el SNEST L u n a G a r c í a F e l i p e - M a r t í n e z Z a m u d i o M a r í a d e L o u r d e s V Í N C U L O S J U L I O D E 2 0 1 3 VOLUMEN 10 NÚMERO 2 Prototipo de virtualización de un caso de estudio para

Más detalles

Objetivo. Desarrollo. Entradas analógicas del sistema DAQ. Sección 1 Adquisición de datos por medio de la DAQ del NI ELVIS

Objetivo. Desarrollo. Entradas analógicas del sistema DAQ. Sección 1 Adquisición de datos por medio de la DAQ del NI ELVIS Autor: Pedro I. López Contacto: dreilopz@gmail.com www.dreilopz.me Licencia: Creative Commons Attribution 3.0 Unported (CC BY 3.0 http://creativecommons.org/licenses/by/3.0/) Fecha: Febrero 2012. En ninguna

Más detalles

LISTADO DE PROYECTOS DEL CAMPUS PRAKTIUM UPV-FUNCAE 2012. ETS de Ingeniería Informática Grado en Ingeniería Informática

LISTADO DE PROYECTOS DEL CAMPUS PRAKTIUM UPV-FUNCAE 2012. ETS de Ingeniería Informática Grado en Ingeniería Informática 34 Conexión de móviles Android a dispositivos externos. INF05 Los teléfonos móviles con sistema operativo Android, son un fenómeno social. Existen multitud de aplicaciones, pero pocas pueden "salir" de

Más detalles

Capítulo 2 Silueta. Figura 2.1 Tetera capturada por la cámara con la silueta resaltada

Capítulo 2 Silueta. Figura 2.1 Tetera capturada por la cámara con la silueta resaltada Capítulo 2 Silueta 2.1 Silueta La silueta de un objeto es muy importante porque es lo que nos da las pistas visuales de cómo es que está formado, nos dice dónde están sus límites y ayuda a diferenciar

Más detalles

Visión Artificial. Por Elisabeth Pérez

Visión Artificial. Por Elisabeth Pérez Visión Artificial Por Elisabeth Pérez Indice Qué es la Visión Artificial? Visión Artificial Diversos nombres Áreas de Aplicación Visión Artificial en Sistemas de Calidad Los pasos a tener en cuenta Áreas

Más detalles

CAPITULO V. IMPLEMENTACIÓN DE UNA HERRAMIENTA INTEGRADA DE RED

CAPITULO V. IMPLEMENTACIÓN DE UNA HERRAMIENTA INTEGRADA DE RED CAPITULO V. IMPLEMENTACIÓN DE UNA HERRAMIENTA INTEGRADA DE RED En el presente capitulo se presenta una aplicación que aborda una herramienta de monitoreo de redes para soportar estudios de disponibilidad.

Más detalles

Simulación 4D en el Control de Sistemas Mecatrónicos

Simulación 4D en el Control de Sistemas Mecatrónicos 12 Simulación 4D en el Control de Sistemas Mecatrónicos Anibal Cotrina Facultad de Ingeniería Electrónica y Eléctrica, Universidad Nacional Mayor de San Marcos, Lima Perú RESUMEN: En el presente artículo

Más detalles

Luis Esteban Peñaherrera Sandoval Ing. de Software

Luis Esteban Peñaherrera Sandoval Ing. de Software DESARROLLO DE UN SISTEMA DE APRENDIZAJE INTERACTIVO PARA EL ÁREA DEL IDIOMA INGLÉS CON EL SOPORTE DEL KINECT DE MICROSOFT- CASO PRÁCTICO PARA NIÑOS DE 6 A 8 AÑOS EN EL CENTRO EDUCATIVO ILINIZAS. Luis Esteban

Más detalles

Reconocimiento de imágenes

Reconocimiento 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 detalles

Soluciones de monitoreo de OMICRON

Soluciones de monitoreo de OMICRON Soluciones de monitoreo de OMICRON Monitoreo de descargas parciales de activos de alta tensión M/G Prolongación de la vida de servicio de los activos de alta tensión Por qué monitorear? La degradación

Más detalles

Visualización y modelado de elementos geográficos en dispositivos móviles. Capítulo 5: Aplicaciones cliente

Visualización y modelado de elementos geográficos en dispositivos móviles. Capítulo 5: Aplicaciones cliente Capítulo 5: Aplicaciones cliente 46 5.1 La aplicación cliente en la Pocket PC La aplicación desarrollada para el cliente en un dispositivo móvil como corresponde a la Pocket PC necesita una capa muy delgada

Más detalles

Acerca del Libro. Información básica. Título: Visión Artificial y Procesamiento Digital de Imágenes usando Matlab Autor: Iván Danilo García Santillán

Acerca del Libro. Información básica. Título: Visión Artificial y Procesamiento Digital de Imágenes usando Matlab Autor: Iván Danilo García Santillán Acerca del Libro Información básica Título: Visión Artificial y Procesamiento Digital de Imágenes usando Matlab Autor: Iván Danilo García Santillán ISBN: 978-9942-01-790-1. 8 capítulos. 133 páginas. Ibarra

Más detalles

Tema: Hardware de una Computadora. Profesora : LSC Sujey Anahí Díaz Herrera

Tema: Hardware de una Computadora. Profesora : LSC Sujey Anahí Díaz Herrera Área Académica: Informática I Tema: Hardware de una Computadora Profesora : LSC Sujey Anahí Díaz Herrera Periodo: Enero-Junio de 2012 Tema: Hardware de una computadora Abstract Computerswork by two basic

Más detalles

CAPITULO I PROCESAMIENTO DIGITAL DE SEÑALES PORTAL DE DESARROLLO

CAPITULO I PROCESAMIENTO DIGITAL DE SEÑALES PORTAL DE DESARROLLO 3 4 CAPIITULO II PROCESSAMIIENTO DIIGIITAL DE SSEÑALESS PORTAL DE DESSARROLLO Cotidianamente escuchamos la frase mundo digital, pero hasta donde estamos concientes de esta realidad que vivimos. Hasta hace

Más detalles

INGENIERÍA EN INFORMÁTICA. Ingeniero en Informática

INGENIERÍA EN INFORMÁTICA. Ingeniero en Informática Facultad de Ingeniería Av. Paseo Colón 850 (C1063ACV) Ciudad de Buenos Aires Tel.: (011) 4343-0893 Fax: (011) 4345-7262 Página web: www.ingenieria.uba.ar Correo electrónico: academica@fi.uba.ar INGENIERÍA

Más detalles

Interferómetro de Fizzeau Física III

Interferómetro de Fizzeau Física III Interferómetro de Fizzeau Física III Universidad Nacional de Mar del Plata Facultad de Ingeniería Fecha de Entrega: Jueves 20 de noviembre de 2014 Alumnos: Avalos Ribas, Ramiro Cardoso, Federico Furno,

Más detalles

Capítulo 2. Tecnologías en la Educación Primaria

Capítulo 2. Tecnologías en la Educación Primaria Capítulo 2. Tecnologías en la Educación Primaria En el siguiente capítulo se abarcará el aspecto de software educativo que existe en la actualidad en México, a partir de estos se plantea la relevancia

Más detalles

Figura 1. Circuito simple con una batería, dos pedazos de alambre conductor y una bombilla

Figura 1. Circuito simple con una batería, dos pedazos de alambre conductor y una bombilla Experimento 3 BATERÍAS, BOMBILLAS Y CORRIENTE ELÉCTRICA Objetivos 1. Construir circuitos sencillos con baterías, bombillas, y cables conductores, 2. Interpretar los esquemáticos de circuitos eléctricos,

Más detalles

AUTOMATIZACIÓN EN EL PROCESO DE MANUFACTURA

AUTOMATIZACIÓN EN EL PROCESO DE MANUFACTURA AUTOMATIZACIÓN EN EL PROCESO DE MANUFACTURA email: avelasquez@urp.edu.pe Fabricación Antigua Antiguamente para aumentar la produccion, era necesario idear la manera mas efectiva de evitar los tiempos muertos

Más detalles

JENNIFER NATHALY MUÑOZ RENGIFO FERNANDO ARIAS LEANDRO ORDÓÑEZ ANTE. Ing. JUAN SEBASTIAN CABRERA

JENNIFER NATHALY MUÑOZ RENGIFO FERNANDO ARIAS LEANDRO ORDÓÑEZ ANTE. Ing. JUAN SEBASTIAN CABRERA FASE DE DESARROLLO II ADQUISICIÓN DE SEÑALES EMG (Detección de movimientos de Extensión y Flexión) ADQUISICIÓN DE SEÑAL DESPLIEGUE Y ALMACENAMIENTO EN SOFTWARE JENNIFER NATHALY MUÑOZ RENGIFO FERNANDO ARIAS

Más detalles

Generalidades Computacionales

Generalidades Computacionales Capítulo 2 Generalidades Computacionales 2.1. Introducción a los Computadores Definición: Un computador es un dispositivo electrónico que puede transmitir, almacenar, recuperar y procesar información (datos).

Más detalles

3. RENDIMIENTO Y CARACTERISTICAS DE UN COMPUTADOR (1 clase)

3. RENDIMIENTO Y CARACTERISTICAS DE UN COMPUTADOR (1 clase) CURSO BÁSICO DE INFORMÁTICA E INTERNET TEMAS: 1. CONCEPTOS INFORMÁTICA BÁSICA (2 clases) 1.1. Hardware Monitor. Torre. Parlantes. Cámara. Disco duro. Procesador. El teclado. El mouse. 1.2. Software 1.3.

Más detalles

LINEAMIENTOS GENERALES PARA LA IMPLEMENTACIÓN DE PROCESOS ELECTRÓNICOS

LINEAMIENTOS GENERALES PARA LA IMPLEMENTACIÓN DE PROCESOS ELECTRÓNICOS LINEAMIENTOS GENERALES PARA LA IMPLEMENTACIÓN DE PROCESOS LINEAMIENTOS GENERALES PARA LA IMPLEMENTACIÓN DE PROCESOS Ministerio de Tecnologías de la Información y las Comunicaciones Programa de Gobierno

Más detalles