Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Linea de Tiempo

No description
by

Jorge Gonzalez

on 17 October 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Linea de Tiempo

Estado del Arte
LÓGICA DIFUSA
ALGORITMOS GENÉTICOS
RNA
2000-2013

Reconocimiento de Voz
Aplicaciones de I.A
INTERPRETACIÓN DE DATOS DE PRODUCCIÓN LIMPIA EN EL SECTOR AGRÍCOLA
CONCLUSIÓN
entrenamiento de la RNA,
Se lleva a cabo con la finalidad de modificar los pesos de la red en cada una de las capas, de manera que coincida la salida deseada por el usuario con la salida obtenida por la red ante la presentación de un determinado patrón de entrada.
Línea de Tiempo de las
Aplicaciones de las ramas de I.A
LÓGICA DIFUSA
Desentrelazado de señales de video con lógica difusa (2007)
Interpretación de datos de producción limpia en el sector agrícola
Optimización de sistemas para tratamiento de agua (Austria)
El Desentrelazado de señales de video
La conversión de video entrelazadas a progresivas se requiere en numerosos dispositivos como proyectores, DVD, televisores de alta definición o monitores LCD, para adecuar su formato de presentación al formato de trasmisión entrelazado empleado por los sistemas convencionales de televisión.
Procedimiento

El formato entrelazado empleado por los actuales sistemas de trasmisión de señales de televisión permite reducir a la mitad el ancho de banda de la señal transmitida sin afectar significativamente la calidad de las imágenes.

Marcadores anatómicos de los ventrílocuos del corazón
La ventriculografía es una técnica para visualizar las cavidades cardiacas.
Su objetivo principal es definir el tamaño y la forma del ventrículo izquierdo
Muchos de los métodos o técnicas empleados para la obtención de los contornos ventriculares establecen dos etapas o fases de trabajo.
1 fase o etapa previa a la detección, mediante la cual se define un conjunto de puntos que pueden utilizarse para construir un contorno inicial.
2 fase busca optimizar el contorno obtenido en la etapa anterior.
Procedimiento
Las variables discriminantes se obtienen a partir de secuencias de imágenes dinámicas del corazón

Luego se procede a generar las bases de datos necesarias para cada red neural, se configura una matriz, de 180 vectores en relación 1:4.

P=[a1,I1,I2,I3,I4,I5,I6,I7,I8,I9,I10,I11,I,I12….]

Para clasificar a un vector como no marcador, se considero el grado de diferencia que existe entre el mencionado vector- establecido mediante histogramas- y los que representan marcadores.
Optimización de sistemas para tratamiento de agua
Se trata de una solución lógica difusa en la producción de bioquímicos en la industria mas grande de producción de penicilina en Austria, después de extraer la penicilina a partir de los microorganismos que la generan, un sistema de tratamiento de aguas residuales procesa las biomasas sobrantes.

Segmentación de imágenes cerebrales de resonancia magnética.
Las imágenes de resonancia magnética (R.M) pueden mostrar anormalidades que no son visibles en la tomografía computarizadas

Permite detectar y cuantificar los diferentes tejidos cerebrales de una manera automática, mas sensible menos subjetiva y con ello dar un primer paso hacia el diagnostico temprano de la atrofia cerebral.
Metodología de Solución
Generar una ordenación aleatoria de los exámenes.
En función de esta ordenación y empezando en el primer intervalo de tiempo, comenzar a
realizar la planificación de los exámenes
Los exámenes que estén en ambos padres, se transfieren a los hijos de forma automática.
Para completar la planificación de este periodo, se procede a seleccionar, de forma aleatoria,
entre los dos padres otros exámenes de forma que la ocupación de las aulas sea óptima.
La longitud del genotipo.
El número de conflictos entre exámenes en periodos consecutivos.
Aplicación del MPM II
La aplicación del índice de gravedad Mortality Probability Model (MPM II) en nuestra Unidad de Cuidados Intensivos (UCI) nos muestra una mala calibración que obliga a buscar modelos reajustados.Para el reajuste de los modelos utilizamos técnicas basadas en regresión logística (RL) y una red neuronal artificial (RN) (perceptrón multicapa con retropropagación del error)
Pacientes y metodos
Todos los datos demográficos y las variables necesarias para calcular los modelos MPM II-0 (Admisión) y MPM II-24 (24-horas) fueron recogidos por un equipo entrenado.
Planificación de horarios de trabajo.
En los problemas de planificación horaria se busca que unos eventos (e1, e2,...) puedan
llevarse a cabo en unos intervalos de tiempo prefijados (t1, t2,...).
Asegurarse de que todas las relaciones difusas para cada individuo de un videojuego y las preferencias de las armas están en equilibrio puede ser una tarea difícil y consume mucho tiempo. Aquí, la selección genética puede ser utilizada para la optimización de las relaciones difusas. Esta, puede tratar de equilibrar las relaciones difusas para cada una de las propiedades y características del juego.

Aplicación a videojuegos
APLICACIÓN
Cuando cada bot ha luchado con un número específico de otros bots, se hace un ranking de los mejores. Estas clasificaciones se pueden basar en el número de victorias y derrotas (función fitness).
Cuanto mejor sea la clasificación del bot, mayor será la probabilidad de reproducción de este.
El último paso en este proceso es la mutación de la relaciones difusas del nuevo individuo. Para ello, se cambian ligeramente los valores de las relaciones difusas con valores aleatorios
REDES NEURONALES ARTIFICIALES
(RNA)
Marcadores anatómicos de les ventrílocuos del corazón
Reconocimiento de Voz
Aplicación con las variables del MPM II (Modelo de Probabilidad de Mortalidad)
ALGORITMOS GENETICOS
Segmentación de imágenes cerebrales de resonancia magnética.
Planificación de horarios de trabajo.
Aplicación a videojuegos
Resultados
En las primeras pruebas hechas a las redes neuronales implementadas para para distinguir los ventrículos del corazón, de un total de 21 imágenes muestra, las redes desempeñaron un trabajo un trabajo satisfactorio en 15 de ellas dando un rendimiento de 70%.
Uso de interpolacion
Procedimiento
Etapa de entrenamiento

Paso 1: el operador selecciona entre 3 y 5, puntos de cada sustancia que se va a segmentar
Paso 2: la red neural se construye y al mismo tiempo se entrena a partir de los valores de gris de los pixeles seleccionados en las diferentes imágenes

Etapa de consulta

Paso 3: se consulta a la red ya entrenada indicando como patrones de entrada a los niveles de gris de un nuevo conjunto de imágenes.
Paso 4: se crea una nueva imagen con intensidades diferentes para cada pixel según la clase de sustancia a la que ha sido asignado.
Paso 5: se visualiza las estructuras segmentadas con diferentes colores.
Cuando existe movimiento, la información de las líneas del campo anterior no es fiable, siendo preferible aplicar una interpolación espacial entre los pixeles del campo actual.
I0 (x, y, t)= (1- y(x, y, t)).IT (x, y, t) + y (x, y, t). Is(x, y, t)
Donde I0 (x, y, t) representa la luminancia de un determinado pixel.
X e y son las coordenadas espaciales del pixel en el fotograma
t indica el numero de orden del fotograma en la secuencia IS e IT
y indica el grado de movimiento mediante un valor de comprendido entre 0 y 1.
Notas :
La detección del grado de movimiento permite dirigir y optimizar el proceso de Desentrelazado. Si no existe movimiento las líneas no trasmitidas en un campo pueden obtenerse a partir de la información del campo anterior mediante lo que se llama “una técnica de interpolación temporal”.
Los algoritmos de Desentrelazado aplican diferentes técnicas de interpolación para generar la imagen completa a partir de la información transmitida en los sucesivos campos.
Resultados y conclusiones
Presenta un método de segmentación automática de imágenes de R.M cerebrales.
El método es preciso y eficiente siendo obtenidos los resultados prácticamente independientes del experto, permite clasificar diversas imágenes con un error del 1% y un bajo tiempo de cálculo
Problema :
Se contienen microorganismos, y restos de sales de nutrientes, los cuales son el material base para fertilizantes de alta calidad que se venden como coproductos de la producción de penicilina.
Pera el lodo fermentado se decanta y el agua sobrante se vaporiza.
Uso de la logica difusa :
El fin es deducir los costos del proceso de vaporización, por lo que el proceso de decantación del agua y las sustancias para fertilizante deben ser optimizados.
Así se implemento una solución utilizando la lógica difusa para dejar de operar manualmente este proceso.
Definición del problema:
"Clasificar una empresa agrícola en función de su desempeño en producción limpia".
Definición de un conjunto
X = (x1, x2, x3,.........xn) de criterios a considerar. En nuestro caso se define:
x1 = cantidad de agua ocupada en la producción de tomate (m3/ha)
x2 = cantidad de pesticida ocupado en la producción de tomate (Ug/1)
Asignar un peso o grado de importancia a cada uno de los criterios, el cual puede ser generado a partir de: estadísticas, panel de expertos.
Conclusión
Por medio de la lógica difusa se puede caracterizar una empresa agrícola con diferentes grados de eficiencia en función del manejo de los recursos de que dispone, pero a diferencia de un sistema tradicional de comparación con una norma preestablecida
2da. Fase
Fase de validación de la red frente a cualquier patrón de entrada que le sea presentado. Se empleó una arquitectura Backpropagation con tres capas, la capa de entrada, oculta y la de salida.
Modelo de RNA
Para el desarrollo de nuestra aplicación utilizamos una arquitectura de perceptrón multicapa (MLP-multilayered perceptron) entrenado con algoritmo de retropropagación del error (backpropagation).
Comparación y resultados
Para comparar los distintos modelos medimos su capacidad de discriminación y calibración; la discriminación calculando el porcentaje de pacientes correctamente clasificados (PCC) con el punto de corte a 0,5, y la calibración usando el test de Hosmer-Lemeshow C31.
Se analizan un total de 964 pacientes.

Nuestra población se define por tener pocos pacientes programados (quirúrgicos), que nos conduce a una mortalidad hospitalaria alta y un incremento en la estancia media en UCI.
Full transcript