Los sistemas de posicionamiento magnético son preferidos respecto a sus contrapartes mecánicas en aplicaciones que requieren posicionamiento de alta precisión como en el caso de la manufactura de circuitos integrados. Esto se debe a que los actuadores electromagnéticos no sufren los efectos de la fricción seca o desgaste mecánico. Sin embargo, estos sistemas poseen fuertes no linealidades que dificultan la tarea de control. Por otro lado, el aprendizaje por refuerzo se ha posicionado como una técnica de entrenamiento de redes neuronales prometedora que está permitiendo resolver varios problemas complejos. Por ejemplo, el aprendizaje por refuerzo fue capaz de entrenar redes neuronales que han logrado vencer al campeón mundial de Go, derrotar a varios jugadores profesionales de ajedrez y aprender a jugar varios videojuegos de la consola Atari. Asimismo, estas redes neuronales están permitiendo la manipulación de objetos por brazos robóticos, un problema que era muy difícil de resolver por medio de técnicas tradicionales. Por esta razón, el presente trabajo tiene como objetivo diseñar un controlador neuronal entrenado por refuerzo para el control de un sistema de posicionamiento magnético de dos dimensiones. Se utiliza una variación del algoritmo Deep Deterministic Policy Gradient (DDPG) para el entrenamiento del controlador neuronal. Los resultados obtenidos muestran que el controlador diseñado es capaz de alcanzar varios setpoints asignados y de realizar el seguimiento de una trayectoria dada. / Tesis

En este trabajo se describe la red neuronal como modelo estadístico no lineal, y se presenta aplicaciones de los métodos de combinación de clasificadores ‘’bagging’’ y ‘’boosting’’ en redes neuronales a las bases de datos sonar e iris, como una alternativa de reducción de la tasa de mala clasificación del método de redes neuronales. / In this thesis is described a neural networks as statistic model non linear and it study the method of the combination of classifiers bagging and boosting in neural networks as an alternative of reduction of the wrong rate’s classifiers for the method of neural networks. As application of this procedures are analyzed the base of dates. They are very known as ‘’ sonar’’ and ‘’iris’’.

En este trabajo se describe la red neuronal como modelo estadístico no lineal, y se presenta aplicaciones de los métodos de combinación de clasificadores ‘’bagging’’ y ‘’boosting’’ en redes neuronales a las bases de datos sonar e iris, como una alternativa de reducción de la tasa de mala clasificación del método de redes neuronales. / -- In this thesis is described a neural networks as statistic model non linear and it study the method of the combination of classifiers bagging and boosting in neural networks as an alternative of reduction of the wrong rate’s classifiers for the method of neural networks. As application of this procedures are analyzed the base of dates. They are very known as ‘’ sonar’’ and ‘’iris’’. / Tesis

La identificación de acciones en secuencias de video es un tema de especial interés para aplicaciones como detección de peleas, identificación de vandalismo, detección de asaltos a transeúntes, detección de contenido no apto para menores, etc. Este interés se encuentra asociado al incremento de cámaras de videovigilancia alrededor del mundo y a la masiva producción de videos en línea cargados a las diferentes plataformas sociales de almacenamiento y distribución de contenido bajo demanda. Debido a ello, se decide utilizar un modelo de detección de acciones humanas y aplicarlo en secuencias de videovigilancia. Dicho modelo utiliza redes neuronales profundas, con la finalidad de poder realizar la tarea de clasificación. El modelo aplicado se basa en el extracción de características convolucionales y temporales utilizando una parte de la red Inception V3 para lo primero y una red LSTM para lo segundo. Finalmente, se aplica el modelo en el dataset UCF101 el cual contiene acciones humanas diversas y luego sobre el dataset VIRAT 2.0 Ground, el cual contiene secuencias de videovigilancia. / Tesis

En la secuencia de la cadena de valor de la fibra de alpaca,la medición es realizada por observación basada en el conocimiento tradicional. La valorización depende en muchos casos de la experiencia empírica, lo cual dificulta entender la riqueza intrínseca del hato.Dando como consecuencia vellonespoco sostenibles en el tiempo.La contribución principal, pretende comprender el potencial de las alpacas, no sólo por el diámetro de la fibra, sino por sus otras características, estandarizando criteriosa través de los estereotipos. Este trabajo está sustentado sobre publicaciones relacionadas a las características de la fibra en sus diferentes dimensiones, proponiendo una solución que permita asignar un valor característico en los individuos, que resulte equiparable entre su morfología y genética. Diseñando un modelo de redes neuronales artificiales y reglas de asociación, quehizo posible transformar la percepción de los expertos en un valor característico definida por una escala de calificación. Se realizaron diferentes ensayos experimentales en Cusco, Puno y Huancayo. Aplicando la prueba de Friedman, como método de comparación entre tres tratamientos. Se utilizó el estadístico (H0, α<0.05), como parámetro de decisión. Finalmente, el artefactorespondió en forma similar a los otros tratamientos, manteniendo el estándar de la NTP 231.300:2004 y elOFDA-100. Con cierto grado de madurez, este artefacto puede convertirse en referente nacional y ayudar a la toma de decisiones en estrategias de mejoramiento de la especie. -- Palabras clave: Redes Neuronales Artificiales, Reglas de asociación, Fibra Fina, OFDA / -- In the sequence of the value chain the alpaca fiber, the measurement it’s made by observation and supported on classic knowledge. The quality depends in many cases of empirical experience, difficult to understand the herd intrinsic richness. Giving due fleece unsustainable in the time. The main contribution aims understand his alpaca potential. Don’t only for fiber diameter, but for his other characteristics been to standard criteria through of the sterotypes. This job to be supported of publish relational with fiber characteristics in his dimensions different, proposing a solve how allow to assign a characteristic value individuals, resulting comparable between his genetic and morphologic. Designing a model artificial neural network and rules of association, it made possible to transform the perception of the experts on characteristics value defined for a scale of qualify. Were different tests experimental in Cusco, Puno and Huancayo, applying the test of Friedmann, as method of comparison between three treatments. So used the statistical (H0, α<0.05), as parameter of decision. Finally, the artifact responded in form similar from others treatments, keeping the standard NTP 231.300:2004 y el OFDA-100.With true grade of maduraty, this artifact can become in a national framework and to help to making decision in strategies of improvement of the species. -- Keywords: Artificial Neural Network, Rules Association, Fine Fiber, OFDA. / Tesis

La identificación de acciones en secuencias de video es un tema de especial interés para aplicaciones como detección de peleas, identificación de vandalismo, detección de asaltos a transeúntes, detección de contenido no apto para menores, etc. Este interés se encuentra asociado al incremento de cámaras de videovigilancia alrededor del mundo y a la masiva producción de videos en línea cargados a las diferentes plataformas sociales de almacenamiento y distribución de contenido bajo demanda. Debido a ello, se decide utilizar un modelo de detección de acciones humanas y aplicarlo en secuencias de videovigilancia. Dicho modelo utiliza redes neuronales profundas, con la finalidad de poder realizar la tarea de clasificación. El modelo aplicado se basa en el extracción de características convolucionales y temporales utilizando una parte de la red Inception V3 para lo primero y una red LSTM para lo segundo. Finalmente, se aplica el modelo en el dataset UCF101 el cual contiene acciones humanas diversas y luego sobre el dataset VIRAT 2.0 Ground, el cual contiene secuencias de videovigilancia. / Tesis

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.

El objetivo principal de esta tesis fue el desarrollar un sistema de navegación autónomo para la aplicación en robots móviles, para ello se uso el enfoque reactivo por presentar una aproximación más real al problema del planeamiento. El sistema de navegación se dividió en dos partes para fines del diseño; en la primera se desarrolló e implementó un controlador para el planeamiento de la trayectoria mediante el uso de controladores neuro-difusos y el uso de cuadrículas de certeza; mientras que en la segunda parte, se afrontó el problema de la localización del robot en un entorno desconocido, para lo cual se hizo uso de la fusión de sensores odométricos, inerciales y de redes inalámbricas. Para este propósito se diseño e implementó el controlador para diferentes plataformas de simulación, además se implementó el mismo en un robot Pioneer P3-AT, lográndose resultados interesantes que permiten apreciar este algoritmo como una alternativa atractiva en la navegación autónoma de los robots móviles, el método presentado representa un híbrido entre los métodos de navegación por fusión de conductas y los métodos basados en campo de fuerzas por lo cual permite aprovechar las ventajas de ambos métodos. Para la localización se implementó la fusión de sensores presentes en los celulares modernos y sensores de velocidad o encoders, la fusión de sensores se implementó en dos instancias, la primera para la estimación precisa de la orientación por medio de filtros de Kalman y la segunda en donde se realiza la estimación de las coordenadas de la posición con el uso de filtros de Kalman para sistemas no lineales. / Tesis

Los equipos utilizados en la molienda de minerales son los molinos de bolas, encargados de realizar la conminución del mineral. Estos equipos desarrollan elevado consumo de energía a una baja eficiencia de operación. Una de las razones de la baja eficiencia se debe a la dificultad existente para identificar el nivel de carga en el molino. Por ejemplo, al incrementar el nivel de carga al nivel óptimo, los espacios existentes entre las bolas de acero se rellenan con mineral, generando un incremento en el ratio de conminución. Por otro lado, podría pensarse que superar el nivel de carga óptimo incrementa el ratio de conminución. Sin embargo, solo satura el molino y disminuye aún más la eficiencia del proceso. Estos son algunos ejemplos que indican la importancia de conocer el nivel de carga durante la operación. El nivel de carga marca la pauta de una operación óptima y permite incrementar la eficiencia del proceso de molienda. El objetivo de la tesis fue desarrollar un sistema de control neuronal capaz de determinar el nivel de carga instantáneo del molino en base a la experiencia del operador de sala de control y mediciones de variables ampliamente conocidas en la operación de molinos: Presión, Velocidad, Impactos y Tonelaje. La principal ventaja del sistema de control desarrollado es la medición en tiempo real de una variable que no es posible determinar directamente con algún sistema de instrumentación en campo. Adicionalmente, si el molino está operando fuera del nivel óptimo de carga, el sistema de control proporciona las acciones típicas correctivas. El sistema de control neuronal fue desarrollado en las plataformas Control Builder 5.1 y System800xA (Sistema de Control Distribuido) del fabricante ABB. Las señales de campo se integraron al sistema a través de “Cableado Duro” (4…20mA) y “Modbus TCP”. Asimismo, se utilizó el algoritmo neuronal supervisado “Retropropagación” a fin de entrenar la red neuronal. Finalmente, se realizaron pruebas al sistema de control y se obtuvo el nivel de carga del molino con un error máximo de 4.22%. / Tesis

La presente tesis tiene como objetivo mostrar una estrategia diferente ante la problemática del tráfico vehicular, como sabemos el tráfico vehicular es un problema de escala mundial y contribuye negativamente al desarrollo de un país. Esto se puede ver en la cantidad de contaminación, cantidad de horas hombre perdidas, niveles de estrés y la pérdida millonaria en combustible, esta es nuestra motivación para la realización de esta Tesis. Diversas investigaciones han demostrado que las estrategias de control de secuencias rígidas, no dan solución a este problema, por tanto a nivel mundial se han desarrollado diferentes estrategias, basadas en sistemas adaptivos, sistemas adaptivos difusos, sistemas adaptivos difusos con algoritmos genéticos, redes neuronales, estas últimas han sido usadas para predicción de tráfico, reconocimiento de vehículos, etc. El presente trabajo tiene como objetivo lograr la auto organización de semáforos basándose en la cantidad de vehículos esperando el cambio de fase o cambio de estado del semáforo de rojo a verde. Llamaremos auto organización a la acción de los semáforos de cambiar de fase tomando en cuenta un determinado umbral máximo de vehículos, una vez se supere este umbral el cambio de fase se llevará a cabo, para nuestros resultados hemos considerado una intersección simple, la cual consta de una vía principal de 4 carriles y otra de 2 carriles. El presente trabajo consta de tres etapas fundamentales, el censado de los patrones de tráfico, mediante sensores invasivos de tráfico, el controlador, el cual se auto organizará en función a la cantidad de vehículos esperando el cambio de fase y el semáforo, tanto el controlador y el semáforo han sido logrados mediante la red neuronal de retro propagación, esta fue elegida debido a su capacidad para la identificación de sistemas, para poder lograr el modelo del semáforo y el mapeo inverso, para el caso del controlador. Para nuestras simulaciones y comparaciones, se disefló también un sistema de semáforo prefijado, con un tiempo de 55 segundos por cada intervalo del semáforo. Producto de las simulaciones y comparaciones se pudo concluir que el sistema logrado hace que la cantidad de autos esperando se reduzca significativamente, sobretodo en la vía principal (cuatro carriles). Además de reducir el tiempo de espera de los vehículos. Analizaremos el efecto que tiene sobre el sistema cambiar ciertos parámetros como el valor umbral, tiempo mínimo de fase verde, etc. / Tesis