La presente tesis presenta el diseño de una resistencia integrada, que se requiere en el bloque de filtrado de un dispositivo médico implantable para un sistema de adquisición de señales neuronales con el fin de obtener una alta constante de tiempo y no recurrir a la utilización de resistencias externas en circuitos integrados, siendo así posible abarcar un tópico actual de diseño microelectrónico con alto nivel tecnológico. Se presentan los inconvenientes que existen para su desarrollo, métodos de diseño y los requerimientos del mismo. / Tesis

La Inteligencia Artificial es la disciplina que estudia la forma de diseñar procesos que exhiban características que comúnmente se asocian con el comportamiento humano inteligente. La Inteligencia Artificial sintetiza y automatiza tareas intelectuales y es, por lo tanto, potencialmente relevante para cualquier ámbito de la actividad intelectual humana. Actualmente esta ciencia está comprendida por varios subcampos que van desde áreas de propósito general, como el aprendizaje y la percepción, a otras más específicas como la demostración de teoremas matemáticos, el diagnostico de enfermedades, etc. Uno de los modelos que ha surgido para emular el proceso de aprendizaje es la red neuronal artificial. Las redes neuronales son modelos que intentan reproducir el comportamiento del cerebro humano Una red neuronal consiste en un conjunto de elementos de procesamiento, llamados neuronas, los cuales se conectan entre sí. La organización y disposición de las neuronas dentro de una red neuronal se denomina topología, y viene dada por el número de capas, la cantidad de neuronas por capa, el grado de conectividad, y el tipo de conexión entre neuronas. Una vez determinada la topología de la red neuronal es necesario entrenarla. En la etapa de entrenamiento la red es capaz de aprender relaciones complejas entre entradas y salidas mediante el ajuste de los pesos de las conexiones entre neuronas. Widrow y Lehr identifican una cantidad significativa de algoritmos de entrenamiento. La mayoría de éstos utilizan información del gradiente de una función de error para ajustar los pesos de las conexiones, y se los llaman algoritmos de gradiente descendente Las redes neuronales artificiales han sido aplicadas con éxito en gran cantidad de problemas como por ejemplo reconocimiento de patrones, clasificación, visión, control, predicción, etc

La supervivencia en los negocios altamente competitivos de hoy requiere una visión precisa de la demanda para poner en marcha los planes de producción, inventario, distribución y compra dentro de las empresas; el sector farmacéutico no es la excepción, ues los efectos de las temporadas, promociones, cambios de precios, publicidad, productos con bajo o alto nivel de movimiento y datos atípicos en general afectan en la determinación de la misma. En este contexto, pronosticar por arriba de la demanda tiene entre sus consecuencias el excesivo inventario de fármacos, obsolescencia o caducidad, y por otro lado, pronosticar por debajo de la demanda tiene como consecuencia la pérdida de las ventas y un posible incremento en los costos. Por lo mencionado, el tema se centra en el desarrollo de un sistema que usa las técnicas de redes neuronales artificiales para el pronóstico de la demanda de productos. En este trabajo se propone el uso de una red neuronal (Perceptrón multicapa) para el pronóstico de la demanda de productos farmacéuticos, la cual realizará su fase de aprendizaje con el algoritmo backpropagation que brinda una taza de error de 3.57% en el mejor caso encontrado; su implementación se desarrollará bajo la tecnología de MATLAB para la construcción de la red neuronal y del lenguaje JAVA para el diseño de la interfaz gráfica de usuario. Palabras clave: Pronóstico de la demanda, Backpropagation, sector farmacéutico. / The survival in the highly competitive business of today needs a precise vision of the demand to put in march the plans of production, inventory, distribution and buy inside the companies; the pharmaceutical sector is not the exception, so he effects of the seasons, promotions, changes of prices, trends, products with under or high level of movement and atypical information affects in the determination of the same one. In this context, to predict overhead of the demand it as between his consequences the overstock of medicaments, obsolescence or caducity, and on the other hand, to predict below the demand has as consequence the loss of sales and the possible increase in the costs. For the mentioned, the topic centres on the development of a system that uses the technologies of Artificial Neura Networks and of the diffuse logic for the forecast of the demand of products. This paper proposes the use of a neural network (multilayer perceptron) for the prediction of demand for pharmaceuticals, which will hold its learning phase with the backpropagation algorithm that provides an error rate of 3.57%; its implementation will under MATLAB technology for building the neural network and the JAVA language for the design of the graphical user interface. Keywords: Demand forecasting, Backpropagation, Pharmaceutical sector.

No description available.

No description available.

Las redes neuronales evolutivas son un caso particular de redes neuronales artificiales en donde los pesos de las conexiones no son determinados por un método de entrenamiento sino por la aplicación de un proceso evolutivo. El método propuesto en esta tesis, NeSR, evoluciona tanto los pesos de conexión como la estructura de la red neuronal. Este método se basa en una codificación indirecta, es decir, no evoluciona redes neuronales sino sistemas de reescritura denominados Sistemas L. Esta representación permite construir una red neuronal, la cual será evaluada en el problema a resolver. Este método tiene la virtud de brindar una poderosa flexibilidad en la estructura de las redes generadas a partir de estos sistemas, aunque requiere un costo de procesamiento extra en el paso de convertir un genotivo (Sistema L) en su fenotipo (Red Neuronal). Las mediciones realizadas demuestran su capacidad para resolver distintos tipos de problemas en forma similar a otros métodos neuroevolutivos.

No description available.

Tesis para optar al grado de Magíster en Finanzas / No disponible a texto completo / En las diferentes disciplinas de la ciencia, podemos ver que todos los días se hacen esfuerzos importantes para poder determinar con mayor certeza los fenómenos a los que nos vemos afectados. Para ello, se han implementado diversas técnicas de predicción con el propósito de obtener mejores resultados frente a estos nuevos eventos. Dichos esfuerzos responden a la necesidad de las personas de disminuir el riesgo en la toma de decisiones y su aversión al riesgo en cuanto a las opciones que tienen que tomar. En las finanzas la historia es muy parecida. Durante mucho tiempo las personas han buscado poder acceder a mayor información, que les permita tomar decisiones de una forma correcta, en donde las posibilidades de "equivocarse" sean las mínimas y el éxito en la toma de decisiones sea lo más alto posible. A medida que ha pasado el tiempo, nos hemos visto expuestos a diversas técnicas para poder predecir los fenómenos futuros, ellas están basadas en la premisa de que los elementos que suceden en la práctica no son un efecto aleatorio, sino que representan de alguna manera tendencias que podrían ser explicadas de cierta forma por algún modelo.

Tesis para optar al grado de Magíster en Finanzas / No disponible a texto completo / En el campo de las finanzas se han desarrollado un sinfín de teorías que intentan explicar o predecir el precio que tomaran las acciones en el futuro.

Actualmente aún existen áreas de la Amazonía donde se puede encontrar especies de plantas que necesitan ser identificadas y estudiadas para poder conocer sus propiedades médicas, nutricionales, industriales, etc. En muchos casos, los especialistas realizan un análisis manual, confiando en sus habilidades sensoriales y experiencia, pero eso demanda tiempo y dinero. Por eso, es importante tener una herramienta efectiva que permita hacer un rápido y eficiente reconocimiento de las plantas. Con este trabajo queremos dar un aporte al área de la investigación de reconocimiento y clasificación de plantas, presentando los resultados de la caracterización de plantas a través de la textura de la hoja. El objetivo es evaluar el método Bouligand-Minkowski basado en dimensión fractal multiescala, usando imágenes digitales para la caracterización de la textura de hojas de la Amazonía del Perú´, con el fin de ayudar a mejorar su identificación y catalogación. Para lograr el objetivo de la investigación se trabajó con dos bases de datos: ImageCLEF 2012, con 101 especies de plantas y PERALD de 27 especies. La primera es la base de datos de validación y la segunda es objeto de la investigación. El paso inicial de este trabajo fue la aplicación de un pre- procesamiento de las imágenes de las plantas. Luego, las imágenes fueron divididas en cuadrados de 128 x 128 pixeles, seleccionando los 5 mejores por cada imagen. Este paso era necesario para facilitar la caracterización de la textura. Después se aplicó el método Bouligand-Minkowski a cada muestra para obtener los descriptores de la textura de la planta. Estos descriptores fueron la entrada al clasificador Multilayer Perceptron generando así un modelo de clasificación de plantas de base de datos PERALD. / Tesis