Ingeniero Civil Eléctrico / Un sistema que ayude a determinar la edad de las personas se transforma en una gran ayuda para facilitar una serie de tareas, como estudios de mercadeo, selección de contenidos aptos para ciertos grupos etarios, entre otros sistemas basados en interacciones humanas. El presente trabajo expone el desarrollo de un algoritmo que sea capaz de estimar edad y clasificar en rangos etarios utilizando rostros frontales, realizando para ello un análisis antropométrico de proporciones faciales en conjunto con un análisis de textura de la piel en determinadas zonas claves del rostro. Para ello es que se calculan ciertas proporciones del rostro y, por otro lado, se determina el nivel de arrugas, mediante la obtención de la intensidad, cantidad y distribución espacial de dichos surcos en la piel. Con tales datos se efectúa un procedimiento de clasificación, contrastando un par de algoritmos de aprendizaje computacional conocidos como redes neuronales artificiales y máquinas de soporte vectorial. Para ajustar los parámetros del algoritmo anteriormente descrito, se aplica una optimización por enjambre de partículas. Con todo esto en mente, el clasificador con mejor desempeño es el que en función de la cantidad de grupos previamente definidos (e.g. niño, joven o adulto) entregue la mayor tasa de aciertos, o el que mediante una aproximación de la edad real (en cantidad de años) presente un menor error. Para dichas tareas se obtuvo una clasificación con una tasa de aciertos de un 98% en promedio para 2 clases, y 6 años de error en promedio para la estimación de la edad real del sujeto.

Ingeniero Civil Eléctrico / El objetivo general del presente trabajo de título es diseñar e implementar un modelo matemático que permita realizar predicciones de la demanda de potencia eléctrica de Metro S.A. en tiempo real. El software obtenido permitirá predecir la demanda de potencia eléctrica en un instante de tiempo a futuro, y con esta información se podrá efectuar un control de demanda más eficiente del que se lleva a cabo hoy en día en Metro S.A. Metro de Santiago posee 5 líneas en operación hoy en día, las cuales transportan una cantidad considerable de pasajeros a lo largo del día. En horario punta en la tarde, entre las 18:00 y las 20:00 hrs se efectúa el control de demanda de potencia eléctrica, mediante observación del registrador de consumo con acciones manuales para controlarla. En este escenario, se ha desarrollado un software aplicado en Matlab, que entrena un conjunto de redes neuronales con la información de demanda de potencia eléctrica de Metro a lo largo de 1 año, información entregada por el sistema SCADA de Metro, y luego de la validación de cada red permite realizar predicciones de la demanda de potencia eléctrica con una certeza adecuada para los fines de control buscados. Los resultados obtenidos mediante el entrenamiento de las redes neuronales permiten concluir que las predicciones dependen directamente del tamaño del intervalo de tiempo que se quiere predecir. También se tuvo una dependencia de las predicciones respecto del sistema que se estudiaba. Así, mientras mayor fue la disgregación de las variables del sistema dinámico a estudiar, mejores fueron las predicciones de las redes. De esta forma, se separó el sistema dinámico de Metro S.A. en dos subsistemas, el SEAT (Subestación de alta tensión, L1, L2, L5) y el CDC-Vicente Valdés (Centro de Distribución de Carga, L4, L4A), debido a que poseen alimentación eléctrica y consumos distintos. Para cada sistema se entrenaron 24 redes neuronales, que predicen 5 minutos a futuro, para los 24 instantes de tiempo existentes cada 5 minutos entre las 18:05 y las 20:00 hrs. Como producto del estudio se entrega un software que utiliza las 48 redes neuronales entrenadas con la dinámica eléctrica de Metro S.A. y mediante la supervisión de las variables eléctricas que realiza el sistema SCADA de Metro permite realizar predicciones acertadas dentro del rango de horario de hora punta para cualquier día de semana del año actual. Se concluye que con la ayuda del software existirá la posibilidad de realizar un control de demanda de potencia eléctrica de Metro más eficiente, el cual permita automatizar el control de demanda en tiempo real de la variable potencia eléctrica de Metro S.A.

Ingeniero Civil de Minas / En el último tiempo, el precio del cobre se ha estado transando con una tendencia sostenida a la baja, lo que ha conllevado implementar un conjunto de medidas a nivel nacional e internacional, para lograr una reducción de costos e incrementos en la productividad de los procesos. Actualmente, los sistemas de asignación dinámica como Jigsaw o Modular no se encargan del reabastecimiento de combustible, el cual es llevado a cabo de manera manual, y este es realizado cuando el equipo notifica que está cercano a la reserva. Por otra parte, estos softwares una vez asignado a descarga el material, no analiza las características de la carga que se transporta en cada camión, por lo que este proceso consiste en que el primero en llegar es el que realiza la actividad. Este trabajo se centró en recuperar tiempos perdidos de los camiones de extracción en las operaciones a cielo abierto de la gran minería, para mejorar el proceso productivo. Esto se logra mediante la implementación de modelos de redes neuronales, usados para la predicción de información, y modelos de optimización, los cuales usarán lo predicho para mejorar el transporte, en los procesos de chancado y abastecimiento de combustible. Para el caso de estudio se tomó una base de datos de 6 meses, contados a partir de febrero del 2015, de una faena donde el movimiento de material es de aproximadamente 450 KTPD y cuenta con una flota efectiva de 54 CAEX. En cuanto al proceso de optimización de chancado, se logró que mediante una red neuronal se predijera el tiempo de proceso de cada carga y luego, se reorganizara el sistema de descarga teniendo en consideración este nuevo parámetro. Considerando un circuito de 5 km de distancia y con una flota 11 CAEX, se consiguió incrementar la utilización de los equipos de transporte en un 1,9% y el tonelaje procesado en un 2,4% en promedio, con una desviación estándar de 0,4% y 0,6% respectivamente, para 10.000 simulaciones, esto implica un ingreso adicional de 16,8 MUS$/año por cada chancador en faena de características similares. En el caso de que se aumentará el largo del circuito, se deberá incrementar el número de camiones, para conseguir los mismos resultados. Para el proceso de abastecimiento de combustible, la red neuronal predice el consumo del equipo, para posteriormente con un modelo de asignación dinámica, crear un proceso autónomo de envió a las diferentes estaciones. En un escenario de 60 CAEX en circulación y con dos petroleras, se generó una reducción de un 65% aproximadamente en la espera de cada camión para reabastecer. Adicionalmente, disminuye el número de recargas necesarias en periodos mayores a una semana, gracias a rellenar más litros por visita. Lo anterior, significó un incremento de un 3,2% en la utilización de los camiones de extracción. Para asegurar la fidelidad de los resultados presentados anteriormente, se realizó un test de confianza al 95%, para descartar que los beneficios fueron aleatorios. De este se concluyó que los valores señalados son estadísticamente significativos. Por último, con estos desarrollos una faena puede recuperar de manera rápida, gracias a algoritmos de predicción y optimización, y a un bajo costo de implementación y operación, tiempos perdidos en sus activos, con lo que se generará mayores ingresos para el negocio. / The copper mining industry is currently experiencing a low-price crisis, which has led to a series of measures at national and international level, to reduce costs and improve productivity in operational processes. Currently, dynamic allocation systems as Jigsaw or Modular is not responsible for the refueling, which is carried out manually and is performed when the operator notifies that his equipment is close to the reserve. Moreover, this software once assigned the discharge point, does not analyze the type of material carried in each haul truck, so this process is the first to arrive is the one who performs the activity. This work focused on recovering some of the wasted time of haul trucks in large open pit operation to improve the production process. This is achieved by implementing neural network models used for forecasting information, and optimization models, which will use this predicted data to improve transport in the processes of crushing and refueling. For the case study it was used a database of 6 months, from February 2015. The mine company has a production of approximately 450 KTPD material and an effective fleet of 54 CAEX. As for the crushing optimization process, this was succeeded using a neural network that predicted the processing time of each charge. Then, with this information the discharge order was reorganized in crushing in view of this new parameter. Now, considering a 5 km circuit and a fleet of 11 trucks, there was an increase of the utilization of the equipment’s on that circuit by 1.9% and 2.4% of extra throughput tonnage, with a standard deviation of 0.4% and 0.6%. This implies an additional income of 16.8 MUS $ / year for each crusher in the mine. In the case the circuit length increase, the same needs to happen with the truck fleet to achieve the same results. For the refueling process, the neural network predicts the fuel consumption of the equipment. Later a dynamic allocation model, create an autonomous sending process to different fuel stations. If it is consider a case with 60 haul trucks in circulation and two available stations. This results in a reduction of approximately 65% of the waiting of each truck to restock. Further on, it was also decreases the number of loads, thanks to fill more liters per visit. Finally, this means an increase of 3.2% in the utilization of haulage equipment. To ensure that the results presented above, has a 95% of confidence, it was performed a test to determinate that the benefits were not randomized. This test concluded that the indicated values are statistically significant. With these improvements, a mine company can recover quickly, thanks to predictive and optimization algorithm, and for a low cost strategy, wasted time in their assets and improve revenues for the business.

Ingeniero Civil / El objetivo principal del trabajo es establecer una metodología para construir un modelo de redes neuronales artificiales (R.N.A.) que utilice como entrada datos de modelos de análisis de estructuras con el fin de estimar los costos de obra gruesa con cierto nivel de precisión o confianza durante la etapa de diseño de un edificio que permita realizar cambios en etapas tempranas para ajustarse a los requerimientos de presupuesto. Además de la metodología, se presenta un modelo matemático resultante del uso de las redes neuronales para estimar los costos. Se desarrolló así una metodología, tanto para extraer variables de entrada para el modelo de redes neuronales desde los modelos de análisis de estructuras, como para la calibración de estas variables, obteniendo una serie de relaciones que permiten reproducir los datos reales de cubicaciones a partir de los modelos de análisis. Complementario a esto, se desarrolló una recolección de variables a partir de una revisión de diversos estudios relacionados al tema de estimación de costos. Se presenta también una metodología para reducir las variables, haciendo uso de software estadístico. Por otra parte, se presenta el procedimiento que se debe llevar a cabo para utilizar el modelo matemático, resultado de la red neuronal y las calibraciones hechas, se presenta el modelo matemático final basado en redes neuronales y se presenta una primera aproximación para estimar, basada solo en las calibraciones de las cubicaciones. Se concluye que los modelos de análisis estructural son una fuente práctica para realizar estimaciones en etapas tempranas de un proyecto, permitiendo realizar cambios de gran impacto en etapas de diseño, para ajustarse a los costos que el mandante está dispuesto a asumir.

Tesis para optar al grado de Magíster en Finanzas / Con 246 observaciones y 245 variaciones o retornos semanales de días viernes, correspondientes al período comprendido entre el 09 de mayo de 2003 y el 16 de mayo de 2008, se analizó la eficiencia de la Red Neuronal Ward para predecir el signo de las variaciones semanales de los valores cuota de los multifondos pertenecientes a AFP Cuprum S.A. Los mejores modelos producidos por la Red Neuronal, obtuvieron un PPS de 84,4% en su calidad de extramuestral para el Fondo E. El 60% de los modelos obtuvieron un PPS sobre el 64% objetivo. Por su parte, los modelos que obtuvieron rentabilidades utilizando la Red Neuronal del tipo Ward y que sobrepasaron el retorno de la técnica pasiva Buy & Hold, fueron los pertenecientes a los Fondos A, B, C y D. Así, el porcentaje más alto de rentabilidad se encontró en el Fondo A con un valor de un 136,73%, superando en un 13,43% al valor máximo encontrado para la técnica pasiva en el mismo Fondo. Por otra parte, el Fondo que obtuvo la mayor cantidad de modelos que sobrepasó a la técnica pasiva fue el Fondo D con un 80% de acertividad. En las pruebas de Acierto Direccional (DA) de Pesaran y Timmermann se determinó que, con un intervalo de confianza del 95%, un 5% de significancia estadística y un valor crítico de 1,96, el mejor retorno obtenido utilizando Redes Neuronales fue de un 135,92% encontrado en uno de los modelos del Fondo A, superando en un 12,62% a la técnica pasiva. Así también el Test DA determinó que el mejor multifondo en términos generales fue el Fondo D, ya que el 40% obtuvo rentabilidades superiores usando Redes Neuronales sobre el Buy & Hold, y así calificándolos con capacidad predictiva por rechazar la hipótesis nula. En base a lo anterior se concluyó que al utilizar una Red Neuronal Ward como estrategia activa de inversión, hay evidencia empírica que la técnica presenta capacidad predictiva en el Porcentaje de Predicción de Signos sobre el valor cuota de los multifondos previsionales de A.F.P. Cuprum S.A., así como también que la técnica es capaz de determinar los mejores Fondos en cuanto a PPS, rentabilidad de la técnica activa sobre la pasiva y significancia estadística a través del Test DA.

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.

Memoria para optar al título de Ingeniero Civil Electricista / Memoria para optar al título de Ingeniero Civil Industrial / La detección automática de la patología oftalmológica denominada retinopatía diabética tiene el potencial de prevenir casos de pérdida de visión y ceguera, en caso de impulsar la exanimación masiva de pacientes con diabetes. Este trabajo apunta a diseñar y desarrollar un clasificador a nivel de prototipo que permita discriminar entre pacientes con y sin presencia de la enfermedad, por medio del procesamiento automático de imágenes de fondo de ojo digitales. Los procedimientos se basan en la adaptación e integración de algoritmos publicados. Las etapas desarrolladas en el procesamiento digital de las imágenes de retina para este objetivo fueron: localización de vasos sanguíneos, localización de disco óptico (DO), detección de lesiones claras y detección de lesiones rojas. Las técnicas utilizadas para cada una de las etapas fueron, respectivamente: Gabor wavelets y clasificadores bayesianos; características de los vasos y predicción de posición mediante regresores kNN; segmentación mediante fuzzy c-means y clasificación usando una red neuronal multicapas; y, operadores morfológicos ajustados óptimamente. La base de datos de imágenes para el entrenamiento y prueba de los métodos desarrollados cuenta con 285 imágenes de un centro médico local, incluyendo 214 normales y 71 con la enfermedad. Los resultados específicos fueron: 100% de precisión en la ubicación del DO en las 142 imágenes de prueba; identificación del 91,4% de las imágenes con lesiones claras, i.e., la sensibilidad, mientras se reconocieron 53,3% de las imágenes sin lesiones claras, i.e., la especificidad (84,1% de sensibilidad y 84,7% de especificidad a nivel de pixel) en las mismas 142 muestras; y, 97% de sensibilidad y 92% de especificidad en la detección de lesiones rojas en 155 imágenes. El desempeño en la ubicación de la red vascular es medido por el resultado del resto de los pasos. El rendimiento general del sistema es de un 88,7% y 49,1% en cuanto a sensibilidad y especificidad, respectivamente. Algunas medidas fundamentales son necesarias para la implementación a futuro. En primer lugar, acrecentar la base de datos de imágenes para entrenamiento y prueba. Además, es posible pulir cada una de las etapas intermedias de las cuatro grandes fases. Con todo, una ronda de implementación a nivel usuario de un prototipo general permitirá evaluación y mejora de los métodos diseñados y desarrollados.

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