El presente trabajo tiene como propósito el diseño de un sistema que permita realizar el diagnóstico de fallas en los sensores destinados a mejorar el desempeño de la suspensión semi-activa de un vehículo terrestre, como también diagnosticar fugas del líquido magneto-reológico del amortiguador. Para detectar las fallas en los sensores, se planteó el diseño de un banco de observadores de entradas desconocidas ya que estos tienen la capacidad de lidiar con el desconocimiento del perfil de la carretera, el cual representa una entrada de perturbación no medible para el sistema. La fuga del líquido magneto-reológico del amortiguador se considera como una variación del coeficiente que lo representa, y para detectar esta falla se propuso desarrollar un sistema de estimación paramétrica. Las fallas ocurridas presentan patrones característicos que mediante una red neuronal serán reconocidos y, de esta manera, se puedan aislar las fallas presentes. Los resultados de simulaciones demuestran que el sistema propuesto posee un buen desempeño de diagnóstico incluso ante la presencia de incertidumbres paramétricas. / Tesis

Los sistemas de destilación, desde hace muchas décadas, vienen siendo ampliamente usados en la industria de procesos químicos, especialmente en refinerías y procesos de acondicionamiento y tratamiento de gas natural. Los objetivos típicos en estos sistemas están asociados al cumplimiento de especificaciones sobre la calidad de los productos, y para lo cual usualmente se cuenta con analizadores online para monitoreo de estas especificaciones como es el caso de cromatógrafos, así como análisis en laboratorio mediante técnicas específicas. / Tesis

En esta tesis se utilizan dos métodos para la evaluación sísmica de puentes. Los métodos usados son el análisis dinámico incremental y simulación de Montecarlo usando Redes neuronales artificiales para la generación de curvas de fragilidad. El análisis dinámico incremental arroja una base de datos bastante amplia. El tratamiento estadístico utilizado abarca conceptos tanto de estadística descriptiva como inferencial. Así se presentan histogramas, frecuencias relativas acumuladas, valores de centralización, dispersión etc. Desde el punto de vista poblacional se presentan los valores de media y proporción poblacional para muestras pequeñas. Para la media se usó el teorema del límite central con la distribución t-student y para la proporción la distribución normal. El segundo método es un proceso de simulación con Montecarlo usando redes neuronales artificiales. Montecarlo toma la muestra de manera aleatoria, debido a esto para obtener resultados confiables se necesitan muchas simulaciones que conllevaría a un costo numérico muy alto. Por ello se usó las redes neuronales artificiales como “reemplazo” del modelo estructural no lineal. Para lograr esto la red se “entreno” con una base de datos del modelo estructural. Para la regresión se utilizó una red supervisada tipo feedforward (red hacia adelante), con el algoritmo de entrenamiento backpropagation (retropropación). La conclusión del trabajo confirma que con la red neuronal artificial se obtienen errores aceptables demostrando que es un MÉTODO DE REGRESIÓN poderoso para sistemas no lineales. La metodología propuesta demostró ser un método de simulación práctico debido a que usa redes neuronales entrenadas para generar curvas de fragilidad. Esto debido a que las redes neuronales tienen un costo numérico menor a un análisis dinámico no lineal. / Tesis

En esta tesis se utilizan dos métodos para la evaluación sísmica de puentes. Los métodos usados son el análisis dinámico incremental y simulación de Montecarlo usando Redes neuronales artificiales para la generación de curvas de fragilidad. El análisis dinámico incremental arroja una base de datos bastante amplia. El tratamiento estadístico utilizado abarca conceptos tanto de estadística descriptiva como inferencial. Así se presentan histogramas, frecuencias relativas acumuladas, valores de centralización, dispersión etc. Desde el punto de vista poblacional se presentan los valores de media y proporción poblacional para muestras pequeñas. Para la media se usó el teorema del límite central con la distribución t-student y para la proporción la distribución normal. El segundo método es un proceso de simulación con Montecarlo usando redes neuronales artificiales. Montecarlo toma la muestra de manera aleatoria, debido a esto para obtener resultados confiables se necesitan muchas simulaciones que conllevaría a un costo numérico muy alto. Por ello se usó las redes neuronales artificiales como “reemplazo” del modelo estructural no lineal. Para lograr esto la red se “entreno” con una base de datos del modelo estructural. Para la regresión se utilizó una red supervisada tipo feedforward (red hacia adelante), con el algoritmo de entrenamiento backpropagation (retropropación). La conclusión del trabajo confirma que con la red neuronal artificial se obtienen errores aceptables demostrando que es un MÉTODO DE REGRESIÓN poderoso para sistemas no lineales. La metodología propuesta demostró ser un método de simulación práctico debido a que usa redes neuronales entrenadas para generar curvas de fragilidad. Esto debido a que las redes neuronales tienen un costo numérico menor a un análisis dinámico no lineal. / Tesis

Navigation and obstacle avoidance are important tasks in the research field of au- tonomous mobile robots. The challenge tackled in this work is the navigation of a 4- wheeled car-type robot to a desired parking position while avoiding obstacles on the way. The taken approach to solve this problem is based on neural fuzzy techniques. Earlier works resulted in a controller to navigate the robot in a clear environment. It is extended by considering additional parameters in the training process. The learning method used in this training is dynamic backpropagation. For the obstacle avoidance problem an additional neuro-fuzzy controller is set up and trained. It influences the results from the navigation controller to avoid collisions with objects blocking the path. The controller is trained with dynamic backpropagation and a reinforcement learning algorithm called deep deterministic policy gradient. / Tesis

El presente trabajo presenta un modelo algorítmico que permite la identificación automática a partir de videos de las fases temporales que ocurren durante la ejecución de la técnica de recepción en el vóley. En la etapa inicial se muestra la definición de dichas fases temporales a analizar, así como algunos trabajos relacionados al ámbito de reconocimiento de actividades en el área de ciencias de la computación. De igual manera, se presenta el marco teórico que contiene los conceptos necesarios para el desarrollo de este trabajo. Luego se procedió a definir dos módulos en los que se divide el modelo algorítmico: módulo de detección de jugador y módulo de clasificación de fases. En cada uno de estos módulos se detalla las arquitecturas de los modelos a utilizar así como el pre-procesamiento de los datos y el respectivo método de entrenamiento. Finalmente, se muestra lo obtenido tras la implementación de los módulos detallados anteriormente. Para ello se realizó adicionalmente la recolección de una base de datos de videos con su respectivo etiquetado, la cual fue desarrollada para la presente tesis como parte del proyecto “Caracterización biomecánica del gesto técnico de recepción en el voleibol puesta al servicio del entrenamiento deportivo mediante el desarrollo de un aplicativo móvil integrado a un sistema de captura de movimiento low-cost”, el cual viene siendo desarrollado por el Grupo de Investigación en Robótica Aplicada y Biomecánica. Con ello, se muestran los resultados obtenidos al realizar el entrenamiento de los módulos con esta base de datos. Estos muestran que el modelo implementado consigue identificar correctamente la fase temporal a nivel de frames con una precisión de 92.19%. Además a ello, en los casos donde ocurre un error en la identificación, la fase identificada por el modelo es una contigua a la real, mostrando que el modelo pudo captar la esencia temporal de las fases. / Tesis

Las equimosis poseen un extraordinario interés médico – legal, ya que proporcionan los más valiosos indicios para la reconstrucción de la violencia en los que se produjeron. Tradicionalmente, los médicos de acuerdo a su experiencia utilizan la evaluación visual para determinar la edad de la equimosis, pero esta técnica ha sido sustancialmente subjetiva y ha demostrado ser inexacta y poco fiable. El propósito de este estudio es desarrollar un sistema inteligente que incorpore el procesamiento de imágenes utilizando la técnica RGB de la metodología de colorimetría con el objetivo de obtener el píxel promedio de la zona indurada de la equimosis y una red Perceptrón Multicapa que tiene como variables de entrada el color promedio de la zona indurada obtenido por el procesamiento de imágenes, el color de piel, edad y sexo del lesionado, la presencia de tejido laxo, tejido óseo y tejido vascular, así como también la temperatura ambiental; las cuales han sido cuidadosamente seleccionadas con la finalidad de obtener una mayor precisión en la datación de equimosis. El procesamiento de imágenes se implementó en el lenguaje de programación Java, el cual tiene por finalidad obtener el promedio de los pixeles RGB más influyentes de la zona indurada de la equimosis. Así mismo, la fase de aprendizaje y validación de la red Perceptrón Multicapa se realizó con la herramienta matemática MATLAB, utilizando el algoritmo backpropagation que brindó una taza de error de 1.26% y 1.37% respectivamente. En consecuencia, el sistema inteligente propuesto en esta tesis genera una mayor precisión en la datación de equimosis en comparación al 80% de inexactitud de los diagnósticos de los médicos legales. Palabras clave: datación de equimosis, procesamiento de imágenes, backpropagation. / The ecchymosis has a special medical - legal interest, as these provide the most valuable clues for the reconstruction of violence in which they occurred. Traditionally, doctors according to their experience using visual assessment to determine the age of ecchymosis, but this technique has been substantially subjective and has proven to be inaccurate and unreliable. The purpose of this thesis is to develop an intelligent system that incorporates image processing technique using the RGB colorimetric methodology in order to obtain the average pixel of indurated area of ecchymosis and a multilayer perceptron network whose input variables the average color of the indurated area obtained by images processing, color, age and sex of the injured, the presence of loose tissue, bone tissue and vascular tissue, as well as the ambient temperature, which have been carefully selected in order to obtain a more accurate dating of ecchymosis. The image processing is implemented in the Java programming language, which aims to obtain the average of the RGB pixels most influential of indurated area of ecchymosis. Also, the learning and validation phase of the multilayer perceptron network was performed with the mathematical tool MATLAB, using the backpropagation algorithm which provided an error rate of 1.26% and 1.37%, respectively. In consequence, the intelligent system proposed in this thesis generates a more precise dating ecchymosis compared to 80% of incorrect medical diagnoses. Keywords: Dating of ecchymosis, Image processing, Backpropagation.

Los sistemas de reconocimiento óptico de caracteres (OCR) constituyen un tema activo de investigación. El principal problema es el porcentaje de efectividad que se obtiene en el reconocimiento de caracteres manuscritos, esto es debido a la naturaleza de estos caracteres, la tipografía, la resolución de la imagen, iluminación y otros factores. Los sistemas que reconocen números manuscritos tienen diversas aplicaciones (reconocimiento de cantidades numéricas sobre cheques bancarios, facturas, planillas de conteo de votos electorales, encuestas, etc.), para los cuales se necesita que la tasa de acierto al reconocer los números sea muy elevada (reconocimiento mayor 90% y error cercano 0%). Para lograr esto se implementó un módulo de reconocimiento basado en redes neuronales haciendo uso del toolbox de MATLAB. El módulo de reconocimiento tiene las siguientes etapas: una primera etapa es la segmentación que se encarga de separar la imagen de valor numérico en dígitos individuales, la segunda etapa se encarga de la normalización para obtener muestras parecidas paro lo cual se realiza corrección de la inclinación, espesor del trazo y tamaño, y una última etapa es la clasificación para lo cual se usó la red neuronal de topología “backpropagation”. Luego de las pruebas respectivas se obtuvo un reconocimiento de 95.9% con un porcentaje de error 0.8%, estas pruebas se realizaron con números de buena escritura. Se realizó otras pruebas con una base de datos de números manuscritos (MNIST, base de datos del National Institute of Standards and Technology) con la cual se obtuvo un reconocimiento del 90.11% y error 3.67%. Con esto se puede concluir que la metodología desarrollada es buena cuyas etapas se pueden optimizar para obtener mejores resultados. / Tesis

El presente trabajo realizó el diseño genérico y modular de una red neuronal artificial perceptron multicapa MLP orientada al reconocimiento de dígitos manuscritos en un FPGA mediante el lenguaje de descripción de hardware VHDL. El entrenamiento de esta red se realizó externo al chip, en software, mediante la herramienta de Redes Neuronales del Matlab 7.1 y utilizando como imágenes de entrenamiento la base de datos modificada del NIST (MNIST database). Con esto, se logra que el FPGA se dedique solamente a la tarea de reconocimiento, mas no al aprendizaje de la red. Si se quisiera que se cumpla con otra aplicación, bastará con su reentrenamiento en software para obtener los parámetros necesarios e introducirlos en su descripción y configuración. / Tesis

El presente proyecto tuvo como objetivo final construir un sistema basado en el funcionamiento de redes neuronales para el reconocimiento de caracteres dibujados a mano. El proyecto se divide en 2 fases. La primera fase es la de entrenamiento. En esta fase se entrena al sistema con el algoritmo resilient backpropagation. Para esto se trabaja con una data de entrenamiento, los cuales son una seguidilla de dibujos de caracteres hechos a mano. Al final de la fase de entrenamiento se obtiene los parámetros del sistema de red neuronal, con los cuales se podrá configurar el sistema de red neuronal. La siguiente fase es la fase de testeo. En esta fase se busca saber cuan efectivo ha sido el proceso de entrenamiento del sistema de red neuronal. Para esto, se pone a prueba el sistema ingresándole nueva data la cual nunca ha sido vista por el sistema. A esta data, se le llama data de testeo. Al final de esta fase se obtiene el grado de efectividad del sistema en reconocer acertadamente cada carácter ingresado al sistema. / Tesis