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

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

En la presente tesis, se realizó el diseño de una arquitectura para un sistema neurodifuso ANFIS. Se tomó en consideración un sistema de orden cero de dos entradas y una salida, que cuenta con funciones de pertenencia triangulares en los antecedentes de las reglas difusas. Además, se tuvo en cuenta que el entrenamiento del sistema es realizado fuera de línea (off-line), en MATLAB. La arquitectura diseñada se dividió en cuatro bloques: Fuzzificador, Permutador, Inferencia y Defuzzificador. Cada uno de estos bloques fue tratado como un subsistema y descrito por separado para facilitar su diseño. Posteriormente, se procedió a juntar los cuatro bloques, dando como resultado la arquitectura propuesta para el sistema neurodifuso ANFIS. Esta arquitectura fue descrita de manera modular y genérica mediante el lenguaje de descripción de hardware VHDL y fue implementada en los FPGA Spartan-3 XC3S200 de la empresa Xilinx y Cyclone II EP2C35 de la empresa Altera, utilizando las herramientas que se encuentran dentro de los entornos de desarrollo ISE 11 y Quartus II 9.1, respectivamente. El sistema diseñado fue aplicado a la generación de funciones. Primero, se eligió una función no lineal y se llevó a cabo el entrenamiento del sistema en MATLAB para obtener los parámetros de los antecedentes y consecuentes de las reglas difusas. Después, estos parámetros fueron convertidos a una representación binaria en punto-fijo complemento a dos y almacenados en las memorias ROM del código en VHDL. Finalmente, se realizaron simulaciones sobre los dos FPGA, mencionados anteriormente, para verificar la operación del sistema y poder evaluar su desempeño. Entre los resultados obtenidos, destaca que el tiempo requerido por el sistema para calcular un valor de la función es menor a 10 s (trabajando a una frecuencia de reloj de 50 MHz). Este valor es mucho menor al tiempo requerido por la aplicación en MATLAB, el cual fue de alrededor de 100 ms. / Tesis

En el presente trabajo de tesis se diseña un amplificador para ser utilizado como parte de un sistema de adquisición de señales neuronales. La topología elegida para el desarrollo fue la de cascodo plegado de una sola salida (single ended folded cascode), ubicando los moduladores chopper de manera que no haya limitación debido al ancho de banda. Debido a que este trabajo está enfocado a dispositivos implantables, se requiere de un bajo consumo de potencia, así como una pequeña área ocupada. A estos dos requerimientos se suma el de ruido, el cual es de gran importancia al ser esta la primera etapa del sistema. Se utilizó el software CADENCE para realizar distintas simulaciones que comprueban el correcto análisis realizado. Los resultados más importantes previo a la aplicación de la técnica chopper son: el ruido referido a la entrada de 2.92Vrms, con una potencia consumida de 36.78uW utilizando una fuente de alimentación de 3.3V, la ganancia de lazo abierto es de 102.1dB y la ganancia de lazo cerrado es de 45.88dB con un ancho de banda de 7.96kHz. El área ocupada por el circuito es de 0.0073mm2. / Tesis

En la actualidad, la demanda del consumo de energía eléctrica se ha incrementado significativamente. Este fenómeno se ha presentado tanto en el sector doméstico como en el sector industrial. Por lo que es necesario, la construcción de nuevas fuentes energéticas para satisfacer las demandas actuales. Asimismo, se debe considerar el tiempo, el costo y el impacto ambiental que ocasionaría la construcción de las mismas. Ante este hecho, se plantea establecer planes de ahorro de energía eléctrica con ayuda de sistemas inteligentes en instalaciones domésticas para uso racional de la energía eléctrica, como una alternativa eficaz para no recurrir a nuevas fuentes energéticas. En la presente tesis, se tiene como objetivo el diseño de un sistema inteligente por medio de algoritmos de aprendizaje por redes neuronales que permita el uso racional y eficiente de la energía eléctrica en el sector doméstico. El desarrollo de la tesis incluye diseñar dispositivos que nos permitan medir la potencia eléctrica consumida. Estos dispositivos se desarrollarán con la ayuda de un conjunto de sensores de potencia. Como también el diseño y simulación de sensores de presencia que nos permita monitorear la presencia del usuario. En cuanto al control inteligente se desarrollará algoritmos de aprendizaje basadas en redes neuronales, de tal forma que sean capaces de aprender del horario de la rutina del usuario. También, se incluye el diseño de una interfaz adecuada con el usuario que permita el ingreso de datos para su procesamiento y visualización. Además, el diseño de un protocolo de comunicación más adecuada orientada a la domótica. Finalmente, se desarrollarán simulaciones y pruebas del funcionamiento del sistema inteligente, como los dispositivos desarrollados como el conjunto de sensores y el control inteligente. / Tesis

Trata de predecir la demanda de electricidad en la empresa BlueStar Energy Services Inc. con la mayor precisión posible, para poder disminuir las pérdidas que producen el sobre abastecimiento de electricidad, así como la falta de abastecimiento. Cuando la empresa se sobre abastece de energía que no logra vender, tiene pérdidas debido a que la energía eléctrica no puede almacenarse para poder ser vendida con posterioridad. En caso contrario si se produce una falta de abastecimiento, esto traería graves consecuencias para la empresa puesto que no podría satisfacer la demanda de energía eléctrica hecha por sus clientes, y con el fin de subsanar estos inconvenientes tendría que comprar la energía eléctrica a un precio mayor lo cual también acarrearía pérdidas para la empresa. La metodología propuesta para lograr predecir con mayor exactitud la demanda de energía eléctrica es la construcción de una red neuronal, tomando en cuenta factores que afectan el consumo de electricidad, logrando así un mejor pronóstico, que con los modelos de predicción tradicionales .Para esto hemos considerado diversos factores que influyen en el consumo de electricidad por parte de los clientes de la empresa, siendo los factores meteorológicos uno de los más importantes. Asimismo siendo el uso de las redes neuronales un medio de predicción que ha dado importantes resultados en diferentes investigaciones, podría aplicarse también para la predicción de la demanda de energía eléctrica en la empresa BlueStar. Los resultados muestran que a través del uso de redes neuronales, se logró una mejor aproximación de la demanda futura. Entonces podemos concluir que las redes neuronales artificiales son más eficientes en la predicción frente a escenarios desconocidos. / Trabajo de suficiencia profesional

Se comparan dos métodos clásicos de clasificación: Análisis de Regresión Logística y Árboles de Clasificación, con el método de Redes Neuronales. La comparación se realizó en base al poder de clasificación y predicción de los modelos obtenidos en la evaluación del Riesgo Crediticio, siendo Redes Neuronales el mejor método por tener mayor poder de clasificación y predicción. Para el análisis se utilizó una Base de Datos de Riesgo Crediticio. Asimismo, se establecen las ventajas y desventajas en el empleo de cada método. -- Palabras Claves: Análisis de Regresión Logística, Árboles de Clasificación, Redes Neuronales. / --- Two classics methods of classification are compared: Analysis of Logistic Regression and Classification Trees with the method of Neural Networks. The comparison realized through his power of classification and prediction of the models obtains in the evaluation of credit risk, Neural Networks is the best method, because it has high power of classification and prediction. For the analysis used a database of credit risk. Likewise found the advantages and disadvantages in the use of each method. -- Key Words: Analysis Logistic Regression, Classification Trees, Neural Networks. / Tesis