Examinando por Materia "Reconocimiento de Patrones"
Mostrando 1 - 4 de 4
Resultados por página
Opciones de ordenación
Publicación Sólo datos Comparativo de los Algoritmos de Dimensión Fractal Higuchi, Katz y Multiresolución de Conteo de Cajas en Señales EEG Basadas en Potenciales Relacionados por Eventos(Fondo Editorial EIA - Universidad EIA, 2017-09-12) FERNANDEZ FRAGA, SANTIAGO; RANGEL MONDRAGON, JAIMELa obtención de información por medio de la medición de señales registradas durante diferentes procesos o condiciones fisiológicas del cerebro es importante para poder desarrollar interfaces computacionales que traduzcan las señales eléctricas cerebrales a comandos computacionales de control. Un electroencefalograma (EEG) registra la actividad eléctrica del cerebro en respuesta al recibir diferentes estímulos externos (potenciales por eventos). El análisis de estas señales permite identificar y distinguir estados específicos de la función fisiológica del cerebro. La Dimensión Fractal se ha utilizado como una herramienta para el análisis de formas de ondas biomédicas, en particular se ha utilizado para determinar la medida de la complejidad en series de tiempo generadas por EEG. El presente documento pretende analizar series de tiempo biomédicas obtenidas por EEG a las cuales se obtendrán la FD por medio de los métodos Higuchi, Katz y Multi-resolución de Conteo de Cajas, que muestre la relación entre el método para la obtención de la Dimensión Fractal y la condición fisiológica de la señal basada en Potenciales Cerebrales Relacionados por EventosPublicación Sólo datos Descripción del comportamiento de películas plásticas multicapa en procesos de termodeformación mediante análisis de fotoelasticidad digital(Fondo Editorial EIA - Universidad EIA, 2018-11-26) Meléndez Lozada, Fernando; Restrepo Martínez, Alejandro; López Giraldo, Francisco EugenioEl objetivo de este artículo es describir en términos del espesor el comportamiento dinámico de la película plástica multicapa en un proceso de termodeformación bajo dos escenarios de temperatura (T1=20°C, T2=60°C) usando la fotoelasticidad como técnica de no contacto. Los colores de interferencia presentados en las imágenes de fotoelasticidad están asociados al espesor de la película plástica y a través del entrenamiento de un algoritmo de aprendizaje tipo ANFIS se relaciona color con espesor. La red neuro-difusa asocia cada intensidad de color del pixel con un espesor medido, obteniendo a la salida una imagen de espesores en escala de grises. Se concluye que los colores de interferencia están directamente correlacionados con el espesor de la película y la temperatura favorece la deformación permitiendo llegar a espesores menores en menor tiempo.Publicación Acceso abierto Interfaz cerebro máquina portátil para accionar un brazo humanoide(Universidad EIA, 2017) Giraldo Pérez, Sebastián; Herrera Sánchez, Daniel; Cuartas Molina, Jairo AntonioEn Colombia las prótesis de miembro superior más usadas son aquellas cuya función es similar a la pinza. Dicha función suele ser accionada por movimientos físicos del portador, en especial de los músculos ubicados sobre el omóplato, bíceps y tríceps. Una de las posibles soluciones a este problema es utilizar los sistemas de interfaz cerebro máquina (ICM), los cuales han permitido que personas en situación de discapacidad, controlen sistemas digitales con el pensamiento (esto incluye los brazos humanoides), pero generalmente requiere una computadora con alto poder computacional para su uso. Este proyecto propone una ICM portátil que permitirá mover un brazo humanoide a través de ondas cerebrales captadas de un usuario. Por lo tanto, el proyecto genera una alternativa al control de prótesis de miembro superior, para aquellos que no pueden desarrollar movimientos para accionarlas. No obstante, la ICM no solo sería funcional para este fin, también se podría integrar con otros sistemas digitales, lo que permitiría desarrollar interfaces útiles para toda clase de usuarios, entre ellos las personas en circunstancia de movilidad reducida. Para llevar esto a cabo, lo primero que se debe hacer es identificar las características de las señales. Además, se debe implementar un sistema de adquisición de señales de electroencefalografía (EEG) portátil. Se identifican algunas posiciones en la corteza cerebral que permiten utilizar un número mínimo de electrodos para poder diferenciar entre tres clases: abrir, cerrar y no ejecutar ningún movimiento. Se implementa un protocolo de entrenamiento para poder adquirir los datos que sirven como base para la extracción de características en la señal de EEG empleando filtros y Common Spatial Pattern (CSP). Luego de esto se utiliza Linear Discriminant Analysis (LDA) con el fin de que el algoritmo sea capaz de asociar estas características a una clase determinada. Para el desarrollo del algoritmo se utiliza Python como lenguaje de programación, ya que este es un lenguaje open-source muy bien documentado y para el cual sus usuarios desarrollan librerías que pueden realizar funciones prácticas para este proyecto.Publicación Acceso abierto Sistema de Visión Artificial Para la Detección Clasificación y Conteo de Piezas Plásticas(Universidad EIA, 2015) Jiménez Gómez, MaricelEn la planta de pintura de plásticos de una empresa del sector automovilístico ingresan piezas continuamente según un plan de producción diario. Dado que no se tiene un sistema automático de conteo y clasificación de las piezas y el actual es poco confiable, los errores en el conteo elevan los costos de producción. Esto se debe a que no se aprovechan los recursos en su totalidad cuando hay piezas faltantes en la producción, lo que conlleva al aumento de desperdicios provenientes de materiales no reutilizables. Con el fin de mejorar este proceso se desarrolla un algoritmo de predicción basado en Máquinas de Soporte Vectorial (SVM), en el cual por medio de un conjunto de características propias de cada pieza se realiza el reconocimiento, la clasificación y el conteo de cada una de estas. Al final, utilizando un prototipo para simular el proceso de la planta, se obtiene como resultado del modelo de predicción desarrollado una sensibilidad y especificidad, para la mayoría de las piezas, de más del 95% de confiabilidad con una velocidad de procesamiento aproximadamente de 200 ms.
