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.

La presente tesis desarrolla un regulador cuadrático gaussiano LQG con control neuronal para un prototipo cuadrocóptero. Se presentan el modelamiento directo, el cual involucran las ecuaciones diferenciales que gobiernan la dinámica de movimiento del cuadrocóptero y el modelamiento inverso, en donde el cuadrocóptero o sistema pasa por un proceso de identificación de sistema realizado por una red neuronal artificial basada en un modelo paramétrico. Luego, se entrena otra red neuronal que emula el comportamiento de un controlador óptimo que forma parte del regulador cuadrático gaussiano LQG. Este está compuesto por el controlador óptimo de estados llamado regulador cuadrático lineal y el estimador de estados óptimo, el filtro de Kalman. Debido a la complejidad de diseño del controlador y el estimador, estos se importan a manera de código. Ambos modelamientos se llevan al entorno Matlab y Simulink para poder realizar la simulación. Se compara tanto el modelamiento directo como el inverso ante distintas entradas de referencia. Esto se aprecia a través de la red neuronal que logra comportarse como el sistema y la red neuronal que emula al controlador, corroborando la aplicación de redes neuronales en el campo de teoría de control. / Tesis

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

El presente trabajo trata sobre el análisis de la demanda de efectivo en las oficinas de provincia de una entidad bancaria tomando como base la metodología que se sigue actualmente a fin de identificar oportunidades de mejora que permitan tener resultados óptimos en los indicadores establecidos. Este análisis está centrado en la evaluación de la exactitud y precisión que son necesarias en el cálculo de los pronósticos de demanda para cada tipo de oficina existente, de manera que se puedan aplicar los modelos y la metodología que permitan obtener información más cercana a la realidad. En los primeros capítulos se definen los conceptos y etapas del proceso de extracción del conocimiento, para luego, por medio de estos, describir y explicar las redes neuronales, método elegido para la solución de la problemática expuesta. Asimismo, se detalla la situación actual del proceso que es objeto de análisis, identificando los factores que serían relevantes para la ejecución del modelo. En los capítulos posteriores, se procedió con el análisis de los datos obtenidos, de modo que se puedan identificar las variables relevantes que se incluirían dentro del modelo. De igual forma, se describe la lógica y los parámetros a tomar en cuenta para el mismo, y que dan origen a las diferentes etapas de prueba y error para llegar a los resultados esperados. Para ello, se recopilaron los datos necesarios de los movimientos en las oficinas los cuales sirvieron como datos de entrada para las redes neuronales generadas. El software empleado fue NeuralTools 5.7, debido a los beneficios que éste proporciona, desde el manejo de datos en hojas de cálculo, las cuales utilizan la interfaz de MS Excel, hasta el uso de herramientas y aplicaciones dinámicas que permiten manipular los datos de forma más sencilla optimizando tiempos. Finalmente, se procedió con la evaluación de los resultados obtenidos, haciendo la comparación de los valores predichos con los resultados reales, logrando alcanzar un porcentaje de exactitud de 93.18% para los pronósticos de una oficina mixta y de 91.98% para los de una oficina captadora, generando una expectativa de ahorro de S/. 25,000.00 anuales. / Tesis

La presente tesis tiene como objetivo diseñar un sistema de reconocimiento de gestos manuales que traduzca gestos a necesidades básicas de la persona, con el fin de ayudar a personas de la tercera edad que padecen problemas del habla. Dicho sistema de reconocimiento de gestos es aplicado en un guante electrónico que extrae señales de la mano. Para el desarrollo de la tesis, se hace uso de dos ejes de modelamiento: modelamiento directo y modelamiento inverso. Primero, se modela por análisis paramétrico (modelamiento directo) a una mano antropomórfica que responde a los movimientos del guante electrónico; luego, se aplica identificación de sistemas por red neuronal mediante algoritmos de retropropagación a los modelos obtenidos por análisis paramétrico, con el fin de utilizar estos modelos basados en redes neuronales en el sistema de reconocimiento de gestos. Este segundo paso es el modelamiento inverso y la razón de su aplicación se fundamenta en el hecho de que se desea obtener un sistema que posea tolerancia a fallas, la cual es una propiedad de las redes neuronales. Finalmente, se diseña un núcleo de reconocimiento de gestos, el cual reconoce patrones en la data resultante de las redes neuronales. Dicho núcleo de reconocimiento de gestos es también una red neuronal y, a diferencia de otros tipos de sistemas de reconocimiento de patrones, tiene la capacidad de aprender a partir de data experimental y generar soluciones en base a lo aprendido. Los resultados obtenidos en la culminación del proyecto son que ante la presencia de ruido aditivo blanco gaussiano, el sistema alcanza un índice de reconocimiento de 99.98% cuando las condiciones son ideales (a una relación señal a ruido de 30 dB); manteniéndose por sobre 99% cuando la relación señal a ruido es mayor a 18.88 dB; por otro lado, si la relación señal a ruido en las entradas del sistema es igual a 13.67 dB, el sistema es capaz de reconocer gestos con una efectividad de 90%. Así mismo, se demuestra que el sistema es tolerante a fallas y a circunstancias no previstas en el diseño, manteniendo su porcentaje de reconocimiento por sobre 90% en condiciones ideales ante estas adversidades. / Tesis

Dentro del ámbito educativo nacional, la Inteligencia espacial, a pesar de haber demostrado estar relacionada con una serie de habilidades que permiten y estimulan la creación y el desarrollo matemático y científico, no es muy reconocida y posee pocas herramientas que ayuden a su desarrollo en niños de edad preescolar, etapa en la que este se recomienda ampliamente. Sumado a esto encontramos la necesidad de herramientas que contribuyan en la enseñanza cuyos requerimientos han crecido en cantidad y complejidad en las últimas décadas, y que involucren modos innovadores de llevar el conocimiento aprovechando las tecnologías disponibles. La necesidad de contribuir con la educación también surge de los requerimientos del Aprendizaje Adaptativo, el cual es una metodología que, a través de la adecuación del nivel del contenido que se desea enseñar, permite al estudiante una experiencia de aprendizaje personalizada y más efectiva en resultados. Esta metodología aprovecha las posibilidades de interacción que proporcionan las tecnologías de información y la capacidad de procesamiento de los equipos informáticos para lograr su objetivo. La presente tesis describe el desarrollo de una aplicación educativa gamificada de apoyo en el desarrollo de la Inteligencia espacial en niños de etapa preescolar, e involucra el uso de tecnologías que permitan adaptar al estudiante la dificultad del juego presentado por el aplicativo. Para esto se hizo uso de métodos de Ajuste Dinámico de la Dificultad, a través de redes neuronales y aprendizaje supervisado. El entorno de juego está basado en el uso de representaciones virtuales de bloques lógicos, mediante los cuales se le presenta al alumno una figura la cual este debe imitar manipulando, mediante la pantalla táctil, otro conjunto bloques similares. Se evaluaron siete métricas en el desempeño del usuario relacionadas a cuan correcta es su respuesta en los siguientes conceptos: Encaje, ubicación, forma, tamaño, color, rotación y textura. Mediante estas métricas la aplicación elige el siguiente escenario a presentar al usuario ajustando diez atributos en dicho escenario. El proceso de adaptación busca introducir las métricas del usuario a un rango de acierto deseado y se realiza en dos pasos. Primero, se realiza sin presencia del usuario un entrenamiento de redes neuronales mediante propagación hacia atrás con información de casos base. Este primer paso permite obtener una versión inicial de la adaptabilidad. Y segundo, luego de cada ronda, se evalúa la respuesta del usuario mediante un conjunto de eventos que determinan la efectividad de la red neuronal para introducir a un usuario especifico al rango deseado, y se modifica la red usada para ese usuario con los resultados obtenidos. En los resultados del proyecto se observó que la metodología empleada es efectiva para el caso propuesto, logrando introducir las métricas en el rango luego de un número de rondas jugadas. La evaluación de requerimientos computacionales (velocidad, efectividad, robustez y eficiencia) y funcionales (claridad, variedad, consistencia y escalabilidad) para una AI adaptativa también muestra resultados positivos. Sobre la rapidez de la solución, la respuesta para ambos modelos (solo entrenamiento inicial y modificación por eventos) es imperceptible para el usuario. En cuanto eficacia se logró resultados positivos, logrando mejorar las métricas respecto a un algoritmo manual en más del 70% de los casos y obteniendo un aumento promedio comparándola a un algoritmo manual de +0.012 para las redes neuronales y +0.02 para el aprendizaje supervisado. Estos valores representan el 13% y el 22% de la máxima mejora posible respectivamente. En cuanto a la robustez y eficacia, ambos modelos lograron adaptar la respuesta al usuario en la mayoría de casos y en un número similar de rondas, aunque el aprendizaje supervisado mostró ser más efectivo en el primer criterio, mejorando los resultados del algoritmo manual. Respecto a la variedad de los escenarios presentados se obtuvo, mediante la modificación por eventos, una menor variación entre estos, lo que se relaciona con la mejor adaptabilidad alcanzada. Y sobre la escalabilidad, ambos modelos mostraron resultados positivos para los tres niveles de desempeño evaluado, aunque el aprendizaje supervisado muestra ser más efectivo. Estos resultados permiten identificar beneficios en el uso de esta metodología específicamente para el ámbito evaluado, así como identificar en qué casos específicos es más efectiva. Los resultados positivos encontrados que en conjunto indican que se ha logrado realizar una aplicación que cumple en presentar al usuario un entorno adaptativo, hacen válido el seguir este camino para futuras investigaciones en la exploración de las aplicaciones gamificadas educativas de apoyo a la inteligencia espacial. / Tesis

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