PROJECT GLASS : REALIDAD AUMENTADA, RECONOCIMIENTO DE IMÁGENES Y RECONOCIMIENTO DE VOZ.
|
|
- Hugo Salazar Ponce
- hace 7 años
- Vistas:
Transcripción
1 PROJECT GLASS : REALIDAD AUMENTADA, RECONOCIMIENTO DE IMÁGENES Y RECONOCIMIENTO DE VOZ. Lucas García Cillanueva Paloma Jimeno Sánchez-Patón Leticia C. Manso Ruiz
2 PROJECT GLASS Dentro de Google Labs Gafas de realidad aumentada (HMD, head mounted display) Qué ofrecen? Notificaciones : redes sociales, calendario Llamar, mandar mensajes Google Maps Añadir información sobre una imagen en el momento Distinción con las aplicaciones actuales de smartphone: interactividad a través de voz y visualización directa. Video Project Glass
3 SERGEY BRIN, COFUNDADOR DE GOOGLE, PRESENTA LAS GAFAS DE RA (27/06/2012).
4 REALIDAD AUMENTADA Características de esta tecnología Combina mundo real y mundo virtual. Es interactivo en tiempo real. Se registra en 3 dimensiones. Realidad Aumentada VS Realidad Virtual
5 FUNCIONAMIENTO 1. Tomar información del mundo real Con marcadores (trackers) Trackless 2. Asociar dicha información con elementos virtuales pre-asociados 3. Mezclar imagen real + elementos virtuales (pantallas transparentes)
6 PANTALLAS TRANSPARENTES Dos tipos pantalla de mezcla de imágenes (Gafas Google) Otro ejemplo de pantalla de mezcla de imágenes pantalla óptica transparente Basada en HOE (holographic optical element) Según dónde nos coloquemos obtendremos el elemento virtual añadido será diferente. Ejemplo Pantalla holográfica
7 APLICACIONES
8 RECONOCIMIENTO DE IMÁGENES Reconocimiento de patrones Objetivo: lograr una descripción concisa y representativa del universo observado Nombres, características, relacionamientos, comportamiento, etc. Estos elementos se perciben como patrones Los procesos que llevan a su comprensión son llamados procesos perceptuales. Su clasificación: reconocimiento de patrones La mayoría de los datos a ser procesados automáticamente aparecen en forma de imágenes.
9 PROCESAMIENTO DE IMÁGENES Dos tipos de metodologías posibles: Reconocimiento de patrones basado en atributos Reconocimiento de patrones basado en la estructura Sistema de reconocimiento de patrones:
10 CLASIFICACIÓN Supervisada Necesita un profesor que mida el funcionamiento del sistema Maneja información de error o de control, que se emplea para guiar al sistema. Algoritmo para retroalimentación: backtracking No supervisada No utiliza información externa Reajuste automático de los parámetros Autoorganización de la información
11 RECONOCIMIENTO DE CARACTERES Conjunto de métodos y algoritmos que realizan una fase de entrenamiento que al final permitirá reconocer de forma automática caracteres Aplicaciones Reconocimiento de texto manuscrito, de matrículas, indexación en bases de datos
12 RECONOCIMIENTO DE IMÁGENES Representación de colores Los colores primarios son el rojo, el amarillo y el azul. A partir de la mezcla de estos se crean los otros colores Imágenes digitales: rojo (R), verde (G) y azul (B) Una imagen digital está compuesta por una matriz bidimensional de elementos RGB
13 FUNCIONAMIENTO Función diferencia: base del reconocimiento de imágenes; indica la distancia entre dos imágenes Cuán diferentes son dos imágenes Si diferencia = 0 -> las imágenes son idénticas Diversas estrategias para reconocimiento de imágenes digitales según sea la aplicación y los recursos del sistema
14 FUNCIONAMIENTO Se compara la imagen original con una colección de imágenes Cada píxel del cuadro de la imagen original con su correspondiente píxel en la imagen de la colección imágenes Se acumula las distancias entre cada pareja de píxeles para determinar la distancia general entre las dos imágenes. La cantidad de comparaciones necesarias es muy grande. Por cada comparación debe calcularse la distancia entre los píxeles de las dos imágenes y por cada pareja de píxeles debe compararse cada uno de los tres canales RGB
15 GOOGLE GOGGLES Reconoce cualquier objeto mediante fotos realizadas con un móvil y devuelve resultados de búsqueda e información relacionada Actualmente reconoce: Lugares Obras de arte Logotipos Monumentos Texto Vinos Revistas Libros
16 Funcionamiento GOOGLE GOGGLES Identifica puntos de interés en la imagen Identifica cómo se relacionan entre sí Geometría de los puntos El sistema compara ese modelo con otros modelos dentro de una enorme base de datos. Esos otros modelos provienen de imágenes en la web que ya fueron analizadas Busca y coteja la base de datos en busca de un modelo con el que corresponda, sin que sea necesario que empalme perfectamente El sistema debe ser flexible Imagen volteada, reducida o ligeramente torcida
17 VÍDEO Reconocimiento de imágenes que lleva a realidad aumentada TED
18 RECONOCIMIENTO DE VOZ La voz es una de las principales herramientas para la comunicación en la civilización Se desea identificar el mensaje para desarrollar las tareas programadas Reconocimiento de la voz por patrones mediante un aprendizaje inductivo supervisado basado en REDES NEURONALES
19 PARTES Reconocimiento de voz: supone interfaz humano computadora Debe cumplir 3 tareas: Preprocesamiento: convierte la voz para que el reconocedor la procese Reconocimiento: traducción de señal a texto Comunicación: envía lo reconocido al sistema que lo requiere
20 FUNCIONAMIENTO SISTEMA RAH. El problema del reconocimiento automático del habla (RAH) se puede representar de forma estadística: O: secuencia de T medidas de la señal de voz (datos acústicos) W: secuencia de N palabras que pertenecen a un vocabulario conocido P(W\O): probabilidad de que la secuencia de palabras W dada la observación de los datos acústicos O
21 FUNCIONAMIENTO SISTEMA RAH El sistema de reconocimiento debe decidir a favor de la secuencia de palabras W que maximice la probabilidad P(W\O).
22 FÓRMULA FUNDAMENTA DE RAH
23 FUNCIONAMIENTO SISTEMA RAH. Bloques básicos de sistema RAH Entrenamiento: fase en la que el sistema aprende, a partir de muestras de voz y texto, los modelos acústicos y los del lenguaje. Modelo de Markov. Reconocimiento: fase de RAH en la que la señal acústica es transcrita en una secuencia de palabras.
24 FUNCIONAMIENTO SISTEMA RAH. El entrenamiento de la red neuronal se lleva a cabo mediante el modelo oculto de Markov. Matriz de transición Cuestión:
25 REDES NEURONALES Es una forma de aprendizaje inductivo Aprenden la relación entre sus entradas y sus salidas Se basan en la experiencia La red neuronal más usada es la del Perceptrón Multicapa
26 PERCEPCIÓN MULTICAPA Red formada por una capa de entrada, al menos una capa oculta y una capa de salida. La estructura es la siguiente:
27 BACKPROPAGATION El modelo de aprendizaje más usado en redes neuronales es el de Backpropagation. Algoritmo de descenso por gradiente: retropropaga las señales desde la capa de salida hasta la capa de entrada optimizando los valores de los pesos mediante un proceso de minimización de la función de coste. El proceso consta de dos fases:
28 BACKPROPAGATION Propagación hacia delante: Se propaga la señal desde la entrada a la salida, asignando pesos arbitrarios Se calcula el error entre la salida obtenida y la deseada
29 BACKPROPAGATION Propagación hacia atrás: En función de los errores de la capa de salida, optimiza los valores de los pesos mediante retropropagación del error desde la capa de salida a la capa de entrada a través de las capas ocultas
Análisis de Datos. Introducción al aprendizaje supervisado. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Introducción al aprendizaje supervisado Profesor: Dr. Wilfrido Gómez Flores 1 Conceptos básicos Reconocimiento de patrones (RP): clasificar objetos en un número de categorías o clases.
Más detallesReconocimiento automático de palabras en documentos históricos usando redes neuronales convolucionales
Reconocimiento automático de palabras en documentos históricos usando redes neuronales convolucionales Dra. Ma. de Guadalupe García Hernández Departamento de Ingeniería Electrónica Objetivo general Aplicar
Más detallesInteligencia Artificial. Aprendizaje neuronal. Ing. Sup. en Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani
Inteligencia Artificial Aprendizaje neuronal Ing. Sup. en Informática, 4º Curso académico: 20/202 Profesores: Ramón Hermoso y Matteo Vasirani Aprendizaje Resumen: 3. Aprendizaje automático 3. Introducción
Más detallesProcesamiento de voz - Reconocimiento de voz II
Procesamiento de voz - Reconocimiento de voz II Marc S. Reßl Roxana Saint-Nom 2009 Ingeniería Electrónica Instituto Tecnológico de Buenos Aires Reconocimiento de voz Las técnicas que vimos hasta ahora
Más detallesMaría Gabriela Vintimilla Sarmiento Darwin Alulema
Desarrollo e Implementación de una Aplicación que Traduzca el Abecedario y los Números del uno al diez del Lenguaje de Señas a Texto para Ayuda de Discapacitados Auditivos Mediante Dispositivos Móviles
Más detallesReconocimiento Automático de Voz
Reconocimiento Automático de Voz Presentación basada en las siguientes Referencias: [1] Rabiner, L. & Juang, B-H.. Fundamentals of Speech Recognition, Prentice Hall, N.J., 1993. [2] Rabiner, L. & Juang,
Más detallesRealidad aumentada. Andrés De Freitas C.I Christian Brites C.I
Realidad aumentada Andrés De Freitas C.I. 19.960.207 Christian Brites C.I. 20.676.340 Agenda Definición Tecnología Hardware Displays Dispositivos de mano Dispositivos de entrada Algoritmos y software Aplicaciones
Más detallesReconocimiento de Patrones DRA. LETICIA FLORES PULIDO
Reconocimiento de Patrones DRA. LETICIA FLORES PULIDO 2 CONTENIDO TEMA1: INTRODUCCIÓN TEMA2: APRENDIZAJE MÁQUINA TEMA3: REDES NEURONALES MULTICAPA TEMA4: PROGRAMACIÓN EVOLUTIVA 3 TEMA 2 : APRENDIZAJE MÁQUINA
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesProject Glass: Realidad aumentada, reconocimiento de imágenes y reconocimiento de voz.
Project Glass: Realidad aumentada, reconocimiento de imágenes y reconocimiento de voz. Lucas García Ing. Superior De Telecomunicación Universidad Carlos III de Madrid lcillanueva@gmail.com Paloma Jimeno
Más detallesRedes Neuronales Artificiales
Algoritmo de retropropagación Back propagation Es utilizado para entrenar redes neuronales multicapa. Exige que la función de activación de las neuronas sea derivable y creciente. Las funciones comúnmente
Más detallesRed Neuronal Artificial
índice RN Supervisadas - Introducción - El Perceptrón y la estructura multicapa MLP - El aprendizaje retropropagado: BP - Aplicaciones y ejemplos - Características y limitaciones P Campoy 1 Red Neuronal
Más detallesTécnicas de inteligencia artificial. Aprendizaje: Perceptrón multi-capa
Técnicas de inteligencia artificial Aprendizaje: Perceptrón multi-capa Índice Regla delta Modelo computacional Neuronas e hiperplanos Entrenamiento como ajuste supervisado No-separabilidad lineal Backpropagation
Más detallesCapítulo 5. Construcción de una Red Neuronal Artificial Asesora
Capítulo 5. Construcción de una Red Neuronal Artificial Asesora 53 Capítulo 5. Construcción de una Red Neuronal Artificial Asesora 5.1 Construcción de la red A lo largo de las investigaciones realizadas
Más detallesRedes de Neuronas de Base Radial
Redes de Neuronas de Base Radial 1 Introducción Redes multicapa con conexiones hacia delante Única capa oculta Las neuronas ocultas poseen carácter local Cada neurona oculta se activa en una región distinta
Más detallesPresentado por: Josué Andino Denis Flores Jorge Luis Pontón Diego Soria. Andino, Flores, Pontón, Soria 1
Presentado por: Josué Andino Denis Flores Jorge Luis Pontón Diego Soria Andino, Flores, Pontón, Soria 1 Temario Objetivos Introducción Modelos y Terminología Estructura de Datos y Directrices de Lenguaje
Más detallesObtención de los Colores Dominantes de una Imagen
JCEE '07 1 Obtención de los Colores Dominantes de una Imagen M. Corbalán JCEE '07 2 Índice 1) Que se entiende por colores dominantes 2) Qué interés puede tener obtenerlos 3) Objetivo: Cómo se pueden obtener
Más detallesUNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO CENTRO UNIVERSITARIO UAEM ATLACOMULCO REPORTE DE INVESTIGACION
UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO CENTRO UNIVERSITARIO UAEM ATLACOMULCO REPORTE DE INVESTIGACION Qué es el momento en una red backpropagation? U.A. REDES NEURONALES INTEGRANTES: JESUS BARRIOS CRESCENCIO
Más detallesAprendé a encontrar objetos en videos. Docentes: Franco Ronchetti Facundo Quiroga
Aprendé a encontrar objetos en videos Docentes: Franco Ronchetti Facundo Quiroga TEMARIO Introducción al procesamiento de imágenes digitales Introducción a Python y numpy Imágenes color y Filtrado por
Más detallesCONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7)
Tema 1: Conceptos Básicos Sistemas Conexionistas 1 CONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7) 1.- Introducción. 1.1.- Redes Neuronales de Tipo Biológico. 1.2.- Redes Neuronales dirigidas
Más detallesLicense Plate Detection using Neural Networks
License Plate Detection using Neural Networks Luis Carrera, Marco Mora Les Fous du Pixel Image Processing Research Group Department of Computer Science Catholic University of Maule http://www.lfdp-iprg.net
Más detallesTutorial de ENVI Parte 1 Familiarización con el manejo de imágenes en el programa. Raúl Aguilera H.
Tutorial de ENVI Parte 1 Familiarización con el manejo de imágenes en el programa Raúl Aguilera H. ENVI, el extremo de una larga cadena Decenas o centenas de métodos o formas para capturar imágenes. Las
Más detallesTema: Aprendizaje Supervisado.
Sistemas Expertos e Inteligencia Artificial. Guía No. 9 1 Tema: Aprendizaje Supervisado. Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos e Inteligencia Artificial Objetivos Específicos
Más detallesUNIÓN INTERNACIONAL DE TELECOMUNICACIONES
UNIÓN INTERNACIONAL DE TELECOMUNICACIONES CCITT E.713 COMITÉ CONSULTIVO INTERNACIONAL TELEGRÁFICO Y TELEFÓNICO (11/1988) SERIE E: EXPLOTACIÓN GENERAL DE LA RED, SERVICIO TELEFÓNICO, EXPLOTACIÓN DEL SERVICIO
Más detallesCONCLUSIONES. La teoría de Redes Neuronales Artificiales, presenta grandes ventajas con
319 CONCLUSIONES La teoría de Redes Neuronales Artificiales, presenta grandes ventajas con respecto a otros modelos típicos de solución de problemas de Ingeniería, una de ellas es su inspiración en modelos
Más detallesRedes neuronales en control de sistemas
Redes neuronales en control de sistemas Marco Teórico Las redes neuronales tratan de emular ciertas características propias de los humanos, una muy importante es la experiencia. El ser humano es capaz
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 detallesCómo leer este libro? PARTE 1. Android Wear CAPÍTULO 1. Introducción a Android Wear y las notificaciones... 19
Contenido Cómo leer este libro?... 15 PARTE 1. Android Wear... 17 CAPÍTULO 1. Introducción a Android Wear y las notificaciones... 19 1.2.1. Relojes inteligentes... 21 1.2.2. Pulseras... 21 1.2.3. Gafas
Más detallesIntroducción. Autoencoders. RBMs. Redes de Convolución. Deep Learning. Eduardo Morales INAOE (INAOE) 1 / 60
Deep Learning Eduardo Morales INAOE (INAOE) 1 / 60 Contenido 1 2 3 4 (INAOE) 2 / 60 Deep Learning El poder tener una computadora que modele el mundo lo suficientemente bien como para exhibir inteligencia
Más detallesDLAI - Aprendizaje Profundo para Inteligencia Artificial
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 230 - ETSETB - Escuela Técnica Superior de Ingeniería de Telecomunicación de Barcelona 739 - TSC - Departamento de Teoría
Más detallesAPRENDIZAJE Y ENTRENAMIENTO. (Neural Nets Capt. 8; Hilera Capt. 3)
Tema 2: Aprendizaje y Entrenamiento Sistemas Conexionistas 1 2.- Aprendizaje o Entrenamiento. 2.1.- Aprendizaje Automático. 2.2.- Tipos de aprendizaje. APRENDIZAJE Y ENTRENAMIENTO. (Neural Nets Capt. 8;
Más detallesComponentes de los SBC. Componentes de los SBC. SBC basados en sistemas de producción. Notas
Componentes de los SBC Componentes de los SBC Queremos construir sistemas con ciertas características: Resolución de problemas a partir de información simbólica Resolución mediante razonamiento y métodos
Más detallesGrado de Ingeniería de Tecnologías de Telecomunicación. Guía de intensificaciones
Grado de Ingeniería de Tecnologías de Telecomunicación Guía de intensificaciones El Grado de Ingeniería de Tecnologías Industriales impartido en la Escuela Técnica Superior de Ingeniería de la tiene nueve
Más detallesUniversidad de Costa Rica Sistema de Aplicaciones Estudiantiles SAE
Página 1 de 8 Plan de Estudio Enfasis 0 Bloque Común(no hay énfasis) Nivel Curso Nombre del curso T P L TP Cred. Requisitos y Req. Equivalentes Correquisitos y Correq. Equivalentes 1 CI1010 INTRODUCCIÓN
Más detallesCoeficientes Cepstrales en Frecuencia Mel y Dynamic Time Warping para Reconocimiento Automatico del Habla
Coeficientes Cepstrales en Frecuencia Mel y Dynamic Time Warping para Reconocimiento Automatico del Habla Jorge Luis Guevara Diaz Semana ciencia de la Computación Escuela de Informática Universidad Nacional
Más detallesRedes Neuronales. Parte II. Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez
Redes Neuronales Parte II Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez UNIDAD TEMÁTICA : REDES NEURONALES Introducción. De/iniciones. Topologías
Más detallesVisión por computadora Computer vision
Visión por computadora Computer vision Conjunto de algoritmos que permiten obtener una representación visual del mundo, suficiente para la realización de una tarea dada. Representación visual El mundo:
Más detallesLA MINERÍA DE DATOS APLICADA A LA BÚSQUEDA DE PATRONES DE SUPERVIVIENCIA EN LA NEOPLASIA MALIGNA DE TRÁQUEA, BRONQUIOS Y PULMÓN
LA MINERÍA DE DATOS APLICADA A LA BÚSQUEDA DE PATRONES DE SUPERVIVIENCIA EN LA NEOPLASIA MALIGNA DE TRÁQUEA, BRONQUIOS Y PULMÓN Miguel Ángel Negrín; Christian González; Jaime Pinilla; Francisco-José Vázquez-Polo
Más detallesEdición y PostProducción de videos
Pág. N. 1 Edición y PostProducción de videos Línea: Editorial: Autor: Tecnología de la Información y Computación Macro Denis Rodríguez García ISBN: 978-612-304-036-9 N. de páginas: 400 Edición: 1. a 2011
Más detallesSistema de Desarrollo de Redes Neuronales Celulares
Sistema de Desarrollo de Redes Neuronales Celulares PRESENTA: ING. JOSÉ DE JESÚS MORALES ROMERO DIRECTORES DE TESIS: DR. FELIPE GÓMEZ CASTAÑEDA DR. JOSÉ ANTONIO MORENO CADENAS Contenido Objetivos Antecedentes
Más detallesRed Neuronal para el Reconocimiento de Patrones
Conferencia Taller Sistemas Neuro borrosos 26 de abril de 2017 Red Neuronal para el Reconocimiento de Patrones Juan Carlos Alvarado Pérez juan.alvarado@aunar.edu.co Facultad de Ingeniería Programa de ingeniería
Más detallesREDES NEURONALES ADAPTABLES
REDES NEURONALES ADAPTABLES Unidad 3: Redes neuronales artificiales y modelos de entrenamiento SubTemas 3.2 Perceptron simple Arquitectura Regla delta Multi Layer Perceptrón 3.3 Redes Neuronales Adaptables
Más detalles240AR022 - Reconocimiento de Formas y Aprendizaje Automático
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 707 - ESAII - Departamento de Ingeniería de
Más detallesIntensificación en "Lenguajes e Inteligencia Artificial"
Ingeniería Informática - ETS Informática Métodos y Técnicas Informáticas específicas. Comportamientos humanos que se quieren simular/emular: IA: Vertiente "cognitiva" : Razonamiento, Intelecto,. RF: Vertiente
Más detalles3.7 IDENTIFICACION DE UN SISTEMA DINÁMICO NO LINEAL Descripción del Problema: La identificación de un sistema consiste en
301 3.7 IDENTIFICACION DE UN SISTEMA DINÁMICO NO LINEAL 3.7.1 Descripción del Problema: La identificación de un sistema consiste en determinar una función que relacione las variables de entrada con las
Más detallesExtensión de la Morfología Matemática a imágenes en Color
Departamento de Física, Ingeniería de Sistemas y Teoría de la Señal Grupo de Automática, Robótica y Visión Artificial Extensión de la Morfología Matemática a imágenes en Color Introducción. Imágenes en
Más detallesUNIDAD 3. CANALES Y MÁSCARAS CAPAS - FILTROS
UNIDAD 3. CANALES Y MÁSCARAS CAPAS - FILTROS Objetivo El estudiante aprenderá a utilizar adecuadamente las herramientas correspondientes a las opciones de canales y máscaras, así como las de capas y filtros,
Más detallesÁlgebra Lineal. Tema 6. Álgebra y edición de fotos. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 6. Álgebra y edición de fotos Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR
Más detallesUNIÓN INTERNACIONAL DE TELECOMUNICACIONES
UNIÓN INTERNACIONAL DE TELECOMUNICACIONES CCITT E.721 COMITÉ CONSULTIVO INTERNACIONAL TELEGRÁFICO Y TELEFÓNICO (11/1988) SERIE E: EXPLOTACIÓN GENERAL DE LA RED, SERVICIO TELEFÓNICO, EXPLOTACIÓN DEL SERVICIO
Más detallesPíxel. Un píxel ( picture element ) es la menor unidad homogénea en color que forma parte de una. fotograma de video, gráfico)
La imagen digital Esta formada por una secuencia de ceros y unos que se almacenan en una memoria informática. Cuando es interpretada (leída), los ordenadores la transforman en una imagen visible a través
Más detallesPresencia y versatilidad en un mundo cambiante
Presencia y versatilidad en un mundo cambiante Introducción: Conozca y manipule las herramientas que le ofrece Adobe Systems para crear sitios web dinámicos que además le permitan tener contacto con sus
Más detallesDISPOSITIVOS DE REALIDAD AUMENTADA ( GAFAS )
DISPOSITIVOS DE REALIDAD AUMENTADA ( GAFAS ) OSCAR LEONARDO PARRA ALFONSO La realidad aumentada es una tecnología que mezcla la realidad, enriquecida con lo virtual de tal manera que el usuario combina
Más detallesColores Primarios. Lic. Mauricio Jaques Soto
Color en el diseño Esta información se distribuye bajo licencia Creative Commons. Usted es libre de: Copiar, distribuir y comunicar públicamente Hacer obras derivadas No Comerciales Bajo las condiciones
Más detallesDISEÑO Y CONSTRUCCIÓN DE UN ROBOT CARTESIANO DE 3 GRADOS DE LIBERTAD
DISEÑO Y CONSTRUCCIÓN DE UN ROBOT CARTESIANO DE 3 GRADOS DE LIBERTAD Juan Zuluaga Gómez 1,2,4, Edgar Arcos, Msc 2,3, Julie Berrio, Msc 2,3, Sergio Corredor 2 1 Optimización de procesos con nanotecnología
Más detallesVisión artificial y Robótica. Depto. de Ciencia de la Computación e Inteligencia Artificial
Visión artificial y Robótica Depto. de Ciencia de la Computación e Inteligencia Artificial Contenidos Definición y clasificación Reconocimiento basado en la apariencia Bag of words Deep learning Parte
Más detallesRECONOCIMIENTO DE PATRONES DRA. LETICIA FLORES PULIDO
RECONOCIMIENTO DE PATRONES DRA. LETICIA FLORES PULIDO 2 CONTENIDO TEMA1: INTRODUCCIÓN TEMA2: APRENDIZAJE MÁQUINA TEMA3: RECONOCIMIENTO DE PATRONES TEMA4: PROGRAMACIÓN EVOLUTIVA 3 TEMA 3 : RECONOCIMIENTO
Más detallesPresentación del Curso Presencial. Diseño Gráfico Digital
Presentación del Curso Presencial Diseño Gráfico Digital Tabla de contenido Presentación del curso... 3 Objetivos de aprendizaje... 4 Contenidos del curso... 5 Competencias previas... 6 Recursos... 6 Aspectos
Más detallesTUTORIAL SOBRE REDES NEURONALES APLICADAS EN INGENIERIA ELECTRICA Y SU IMPLEMENTACIÓN EN UN SITIO WEB
TUTORIAL SOBRE REDES NEURONALES APLICADAS EN INGENIERIA ELECTRICA Y SU IMPLEMENTACIÓN EN UN SITIO WEB MARIA ISABEL ACOSTA BUITRAGO CAMILO ALFONSO ZULUAGA MUÑOZ UNIVERSIDAD TECNOLOGICA DE PEREIRA FACULTAD
Más detallesClasificación automatizada de clases petrofísicas usando análisis de agrupamiento y redes neuronales artificiales
Asociación de Ingenieros Petroleros de México, A. C. XXVIII Jornadas Técnicas 2013 Clasificación automatizada de clases petrofísicas usando análisis de agrupamiento y redes neuronales artificiales Javier
Más detallesLos textos en Internet. Análisis de la oración simple. La literatura en la actualidad Unidad 12. Jaime Arias Prieto
Los textos en Internet. Análisis de la oración simple. La literatura en la actualidad Unidad 12 Los textos en Internet (I) Internet y su contenido Es una red mundial de comunicación que pone a disposición
Más detallesTema 8: Redes Neuronales
Tema 8: Redes Neuronales Pedro Larrañaga, Iñaki Inza, Abdelmalik Moujahid Intelligent Systems Group Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País Vasco http://www.sc.ehu.es/isg/
Más detallesANEXO II.- TEORÍA SOBRE REDES NEURONALES ARTIFICIALES
ANEXO II.- TEORÍA SOBRE REDES NEURONALES ARTIFICIALES 1. Concepto de red neuronal artificial Una red neuronal artificial (RNA) es un modelo matemático que intenta reproducir el modo de funcionamiento y
Más detallesOrganización. Autómatas probabilísticos (AEFP) Definición de Autómata. Modelo de Markov. Ejemplo de AEFP. Modelos basados en autómatas probabilísticos
Organización Modelos basados en autómatas probabilísticos Bioingeniería I Parte I Autómatas determinísticos Autómatas celulares. Aplicación modelos tejido excitable. Parte II Autómatas probabilísticos
Más detallesTeledetección de cultivos de Soja y Pasturas utilizando imágenes satelitales
Captura y Procesamiento Digital de Imágenes Teledetección de cultivos de Soja y Pasturas utilizando imágenes satelitales Martinez, Guillermo Mastaglia, Nicolás Periotti, Santiago Objetivos Dada una parcela,
Más detallesMODELO DE COMPETENCIAS DEL DOCENTE - INVESTIGADOR Resumen de Tesis Doctoral. Dra.Gertrudis Milagros García Barroso
MODELO DE COMPETENCIAS DEL DOCENTE - INVESTIGADOR Resumen de Tesis Doctoral Dra.Gertrudis Milagros García Barroso E-mail gert@etheron.net Los Medios Instruccionales Los medios instruccionales serán analizados
Más detallesPRÁCTICA FUNDAMENTOS DE ALGORITMOS I. Objetivos
Objetivos El alumno conocerá las estructuras básicas para el diseño de algoritmos 1. Conocerá las estructuras secuenciales y de decisión para construir algoritmos 2. Diseñará algoritmos utilizando las
Más detallesPERFIL PROFESIOGRÁFICO PARA IMPARTIR LAS ASIGNATURAS DE LA LICENCIATURA EN INGENIERÍA EN COMPUTACIÓN (PLAN DE ESTUDIOS 2005)
ASIGNATURAS SEMESTRE LICENCIATURA EN OTROS REQUERIMIENTOS Álgebra (1100) 1 Geometría Analítica (1102) 1 Ingeniería, Matemáticas, Física o carreras cuyo contenido en el área de las Matemáticas sea similar
Más detallesRedes neuronales con funciones de base radial
Redes neuronales con funciones de base radial Diego Milone y Leonardo Rufiner Inteligencia Computacional Departamento de Informática FICH-UNL Organización: RBF-NN Motivación y orígenes RBF Arquitectura
Más detallesBases Formales de la Computación: Sesión 3. Modelos Ocultos de Markov
Bases Formales de la Computación: Sesión 3. Prof. Gloria Inés Alvarez V. Departamento de Ciencias e Ingeniería de la Computación Pontificia Universidad Javeriana Cali Periodo 2008-2 Contenido 1 Introducción
Más detallesTECNOLOGÍAS INTELIGENTES PARA EXPLOTACIÓN DE INFORMACIÓN
TECNOLOGÍAS INTELIGENTES PARA EXPLOTACIÓN DE INFORMACIÓN FUNDAMENTOS CURSO DE DOCTORADO Dr. Ramón García-Martínez * * * CONTEXTO La inteligencia de negocio propone un abordaje interdisciplinario que tomando:
Más detallesREDES NEURONALES. Una esquema simplificado de una neurona se muestra en la siguiente figura. Cuerpo celular. Dendrita. Axón.
REDES NEURONALES Las redes neuronales constituyen una poderosa herramienta para modelar sistemas, especialmente no lineales, sean dinámicos o estáticos. En el cuerpo celular se realizan la mayoría de las
Más detallesMuseos: Nuevos medios, nuevos soportes y web 2.0 Centro Internacional del Libro Infantil y Juvenil Centro Internacional de Tecnologías Avanzadas
Museos: Nuevos medios, nuevos soportes y web 2.0 Centro Internacional del Libro Infantil y Juvenil Centro Internacional de Tecnologías Avanzadas Fundación Germán Sánchez Ruipérez 1. Título: Museos: Nuevos
Más detallesReconocimiento visual de ademanes usando MS Kinect - Introducción. Dr. Héctor Avilés Escuela de Invierno de Robótica 2015
Reconocimiento visual de ademanes usando MS Kinect - Introducción Dr. Héctor Avilés Escuela de Invierno de Robótica 2015 Contenido Motivación Dispositivos de captura Reconocimiento visual de ademanes Resumen
Más detallesProyecto Gauss. Una forma diferente y creativa de enseñar y aprender matemáticas. José Luis Álvarez García IES Nº5 de Avilés ATD ITE
Proyecto Gauss Una forma diferente y creativa de enseñar y aprender matemáticas José Luis Álvarez García IES Nº5 de Avilés ATD ITE El proyecto Gauss en la Escuela 2.0 Contenidos educativos digitales. Una
Más detallesAprendizaje para Clasificación con Factorización Matricial Basado en Listwise para Filtrado Colaborativo
2012 Aprendizaje para Clasificación con Factorización Matricial Basado en Listwise para Filtrado Colaborativo Iván López Espejo 22/04/2012 2 Aprendizaje para Clasificación con Factorización Matricial Basado
Más detallesTECNICAS DE PROCESADO Y REPRESENTACION DE LA SEÑAL DE VOZ PARA EL RECONOCIMIENTO DEL HABLA EN AMBIENTES RUIDOSOS
UNIVERSIDAD POLITECNICA DE CATALUÑA Departamento de Teoria de la señal y comunicaciones TECNICAS DE PROCESADO Y REPRESENTACION DE LA SEÑAL DE VOZ PARA EL RECONOCIMIENTO DEL HABLA EN AMBIENTES RUIDOSOS
Más detallesFundamentos de Programación. Sabino Miranda-Jiménez
Fundamentos de Programación Sabino Miranda-Jiménez MÓDULO 1. Introducción a la computación Temas: La computación en el profesional de ingeniería Desarrollo computacional en la sociedad Aplicaciones Software
Más detallesIMPLEMENTACIÓN DE UN SISTEMA DE INFROMACIÓN GEOGRÁFICA (SIG), PARA EL USO, MANEJO Y CONSERVACIÓN DE LOS ECOSISTEMAS COSTEROS
Centro Regional de Enseñanza de Ciencia del Espacio para América Latina y el Caribe 19 de agosto del 2011 IMPLEMENTACIÓN DE UN SISTEMA DE INFROMACIÓN GEOGRÁFICA (SIG), PARA EL USO, MANEJO Y CONSERVACIÓN
Más detallesDISEÑO DE UN LABORATORIO VIRTUAL BASICO DE REDES NEURONALES DE RETROPROPAGACIÓN GUIAS PARA EL DISEÑO DEL LABORATORIO
DISEÑO DE UN LABORATORIO VIRTUAL BASICO DE REDES NEURONALES DE RETROPROPAGACIÓN DESCRIPCIÓN DEL DOCUMENTO: Este documento presenta la construcción de un laboratorio virtual básico para el diseño de redes
Más detallesExperimentos Introducción
Capítulo 5 Experimentos 5.1. Introducción En este capítulo se describirán los desarrollos y resultados de los experimentos realizados con el sistema de reconocimiento de voz presentado en este proyecto.
Más detallesRedes de Neuronas Recurrentes Computación con Inspiración Biológica
Redes de Neuronas Recurrentes Computación con Inspiración Biológica Grupo de Computación Evolutiva y Redes Neuronales Departamento de Informática Universidad Carlos III de Madrid Redes Recurrentes Introducción
Más detallesTRABAJO PRÁCTICO. Realidad aumentada
Orientación: Electromecánica Curso: 7mo B Espacio Curricular ó TTP: TRABAJO PRÁCTICO Realidad aumentada Grupo Nº- Fecha:27/05/2015 Florencia López Ailen Luporini Camila Nacimento Agustín Sciutto NOTA...8
Más detalles28/08/2014-16:52:22 Página 1 de 5
- NIVELACION 1 MATEMATICA - NIVELACION FISICA - NIVELACION AMBIENTACION UNIVERSITARIA 1 - PRIMER SEMESTRE 71 REPRESENTACION GRAFICA 1 - PRIMER SEMESTRE 1 INTRODUCCION A LA INGENIERIA Para Cursarla debe
Más detallesANÁLISIS MULTITEMPORAL VECTORIAL EN ARCGIS
ANÁLISIS MULTITEMPORAL VECTORIAL EN ARCGIS Mini-guía de caso Herramientas en este ejercicio: Geoprocesamiento: Intersección Cálculo de áreas Concatenación de campos en tablas Consolidado de tablas o Summarize
Más detallesIntroducción a las Redes Neuronales
Introducción a las Redes Neuronales Excepto en las tareas basadas en el cálculo aritmético simple, actualmente, el cerebro humano es superior a cualquier computador: Reconocimiento de imágenes, Interpretación
Más detallesCálculo del valor de la resistencia eléctrica de un resistor de 4 franjas, por medio del código de colores utilizando visión por computadora
Maestría en Manufactura Integrada por Computadora Sistemas de Visión en Manufactura Universidad Don Bosco Catedrático: Msc Manuel Cardona Cálculo del valor de la resistencia eléctrica de un resistor de
Más detallesEl problema de la mayoría de las personas e instituciones, es la conservación de sus
2 1.1 Introducción. El problema de la mayoría de las personas e instituciones, es la conservación de sus documentos escritos, especialmente cuando éstos tienen un siglo de antigüedad. Es por esto que se
Más detallesVisión de Alto Nivel
Visión de Alto Nivel Dr. Luis Enrique Sucar INAOE esucar@inaoep.mx ccc.inaoep.mx/~esucar Sesión 1 Introducción 1 Introducción 2 Qué es Visión? Visión es saber que hay y donde mediante la vista (Aristóteles)
Más detallesInvestigar temas de telecomunicaciones, desarrollar habilidades prácticas y analíticas en los estudiantes, impactar el desarrollo regional.
Objetivo General Investigar temas de telecomunicaciones, desarrollar habilidades prácticas y analíticas en los estudiantes, impactar el desarrollo regional. Misión Generar una base de conocimiento en el
Más detallesDeep Learning y Big Data
y Eduardo Morales, Enrique Sucar INAOE (INAOE) 1 / 40 Contenido 1 2 (INAOE) 2 / 40 El poder tener una computadora que modele el mundo lo suficientemente bien como para exhibir inteligencia ha sido el foco
Más detallesCarro de Compras - Tienda Online
Carro de Compras - Tienda Online Principales Características Nuestro carro de compras en línea tiene una interfaz sencilla y le ayudará a proporcionar una agradable y rápida experiencia de compra a sus
Más detallesTABLA DE CONTENIDOS. Dedicatoria. Agradecimientos. Tabla de Contenidos. Índice de Figuras. Índice de Tablas. Resumen
TABLA DE CONTENIDOS página Dedicatoria Agradecimientos Tabla de Contenidos Índice de Figuras Índice de Tablas Resumen I II IV VII X XI 1. Introducción 13 1.1. Descripción del contexto.........................
Más detallesDEPARTAMENTO DE EDUCACIÓN PLÁSTICA Y VISUAL
DEPARTAMENTO DE EDUCACIÓN PLÁSTICA Y VISUAL EDUCACIÓN PLÁSTICA Y VISUAL I (1º ESO). PRIMER TRIMESTRE. OBJETIVOS, CONTENIDOS Y CRITERIOS DE EVALUACIÓN DESARROLLADOS EN EL PRIMER TRIMESTRE. OBJETIVOS 1 Lenguaje
Más detallesSistemas biométricos Huellas dactilares
Sistemas biométricos Huellas dactilares Introducción La Identificación biométrica es la verificación de la identidad de una persona basado en características de su cuerpo o de su comportamiento, utilizando
Más detallesTAREA 1. INTRODUCCIÓN A LOS SISTEMAS OPERATIVOS.
1 TAREA 1. INTRODUCCIÓN A LOS SISTEMAS OPERATIVOS. 1- Cuáles son las principales funciones de un sistema operativo? Los Sistemas Operativos tienen como objetivos o funciones principales lo siguiente; Comodidad;
Más detallesSEÑALES DE SEGURIDAD PARA CENTROS DE TRABAJO.
SEÑALES DE SEGURIDAD PARA CENTROS DE TRABAJO. Qué es la señalización de seguridad y salud? Es la referida a un objeto, actividad o situación determinada, proporciona una obligación o indicación relativa
Más detallesSistema de Monitoreo de CT
SISTEMA DE MONITOREOS DE CENTROS DE TRANSFORMACION (SMCT) El SMCT permite realizar el monitoreo remoto en tiempo real de Centros de Transformación de Distribución de Media Tensión a Baja Tensión, incluyendo
Más detallesCuestionario global de Interacción Humano-Computadora
Cuestionario global de Interacción Humano-Computadora 1er parcial 1. Describa el proceso de interacción y sus componentes. La interacción es el intercambio de acciones entre uno o más entidades en el cual
Más detallesEspecialidades en GII-TI
Especialidades en GII-TI José Luis Ruiz Reina (coordinador) Escuela Técnica Superior de Ingeniería Informática Mayo 2014 Qué especialidades tiene la Ingeniería Informática? Según las asociaciones científicas
Más detallesÍNDICE 1. INTRODUCCIÓN 2. EL CONTEXTO DE USO. Índice / Diseño de Apps infantiles / Morante, M. / 3
ÍNDICE 1. INTRODUCCIÓN 9 1.1. Objetivos de la investigación 1.2. Definición del objeto de estudio: Aplicaciones digitales, lúdicas y educativas para bebés 1.3. Hipótesis de estudio 1.4. Delimitación de
Más detalles