• No se han encontrado resultados

Sistemas Inteligentes en Ingenieria. Antonio Morán, Ph.D.

N/A
N/A
Protected

Academic year: 2021

Share "Sistemas Inteligentes en Ingenieria. Antonio Morán, Ph.D."

Copied!
66
0
0

Texto completo

(1)

Sistemas Inteligentes en Ingenieria

Antonio Morán, Ph.D.

(2)
(3)

El Ser Humano es Inteligente

Tiene Capacidad Para:

Aprender Razonar

Intuir Mejorar Es Capaz de Trabajar

en Forma Autónoma

Diseño de Sistemas Inteligentes

(4)

Sistema Inteligente

Autónomo Hace su trabajo por si solo.

Conoce objetivos. Los consigue.

Aprende

Aprende de la experiencia.

Mejora cada vez.

No repite errores.

Adaptivo Se adapta a situaciones diferentes.

Responde en situaciones no previstas

Robusto Buena perfomance aun si cambian las condiciones

(5)

Inteligencia Artificial y Sistemas Inteligentes

Como representar

artificialmente la inteligencia del ser humano

Máquinas Inteligentes Materiales Inteligentes Software Inteligente

(6)

Anestesista en Operación

Presión arterial

Nivel adrenalina

Cantidad anestesia

(7)

Anestesista en Operación

Presión arterial

Nivel adrenalina

Cantidad anestesia Sistema

Suministro Automático

Anestesia

(8)

Suministro de Insulina

Paciente

Inyección de insulina cada

6 horas

(9)

Suministro de Insulina

Nivel Glucosa

Nivel adrenalina

Cantidad Insulina Sistema

Suministro Automático

Insulina

(10)
(11)

Robot Inteligente

(12)
(13)

Diseño de Sistemas Inteligentes

Redes Neuronales Lógica Difusa

Algoritmos Genéticos

(14)

Redes Neuronales

Sistemas con capacidad para estimar funciones no-lineales de varias entradas y varias salidas

usando datos de entrada y salida Procesamiento No-Lineal

Procesamiento Paralelo

Auto-ajuste en Tiempo Real

Capacidad para Optimizar Capacidad para Aprender

(15)

Pedro

(16)

Pedro

Cerebro

y = Φ(x)

(17)

Cerebro Dos

y = (x)

(18)

Redes Neuronales

Ingeniería

Procesamiento de señales, imágenes

Economía Medicina

Modelamiento y control de sistemas Diagnósticos

Detección de fallas

Reconocimiento de patrones

Pronósticos Estimaciones

(19)

Predictor de Petróleo en Pozos

Suelo

400 m 50 m

(20)

Predictor de Petróleo

Pozo 1 42 55 14 2 56 42 12 1 1

..

..

Tem Hum Ca Su Tem Hum Ca Su Petróleo

Pozo 2 39 62 20 4 54 40 18 1 0 Pozo 3 33 31 36 1 51 40 31 2 0

Pozo 50 45 51 19 5 60 48 21 3 1

..

Predictor de Petróleo

(21)

Análisis de Riesgo en Entidades Finacieras

Persona 1 Persona 2 Persona 3

Edad 39 35 40

Ingres/mes 2000 2500 1800

Esposa (trabaja) 1 0 0

Número de hijos 1 2 3

Casa propia 0 1 1

Casa (lugar) 2 3 1

Carro (año) 1998 1988 2000

Pagó préstamo 1 0 1

(22)

Análisis de Riesgo en Entidades Finacieras

Estimador de Riesgo

Data

1.0 0.7 0.5 0.2 Función matematica de varias

entradas y una salida

Red Neuronal

(23)
(24)
(25)

Tipos de Redes Neuronales

(26)

Código de una persona

Cara de la persona

y = Φ(x)

Matriz de 20x20 0101001101

Diez dígitos

(27)

Código de una persona

Cara de la persona

y = Φ(x)

0 1 0 1 0 0 1 1 0 1

0 0 0 0 0 0 0 0 1 0

1 1 0 0 1 0 1

Vector de 10 x 1

Vector de 400 x 1

(28)

Red Neuronal

(29)

Entrenamiento de la Red Neuronal

Inicio

Después de 1,000 etapas

Después de 10,000 etapas

(30)
(31)
(32)
(33)

¿Qué es el Entrenamiento?

x y

x y

y = ax + b

y = ax + bx + c2

(34)
(35)
(36)
(37)
(38)
(39)

Sistema de Reconocimiento de Números

Matriz de 9 x 6

(40)

Sistema de Reconocimiento de Números

9 x 6 = 54 Entradas

10 Salidas 1

0 0 0 0 0 0 0 0 0

0 1 0 0 0 0 0 0 0 0

0 0 1 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 1

(41)

Sistema de Reconocimiento de Números

0 1 0 0 0 0 0 0 0 0

Reconocimiento de 100% en datos de entrenamiento Reconocimiento de 88% en datos de validación

(42)
(43)
(44)

Detección de Anomalías Cardiacas

(45)

Detección de Anomalías Cardiacas

Normal

Fibrilosis auricular

Fibrilosis ventricular

Quistemia

(46)

Red Neuronal

620

Entradas

4 Salidas 1

0 0 0

0 1 0 0

0 0 1 0

0 0 0 1 620 puntos de un periodo

(47)

Validación con Señales Cardiacas Ruidosas

(48)

Red Neuronal

620

Entradas

4 Salidas 1

0 0 0

0 1 0 0

0 0 1 0

0 0 0 1

Reconocimiento al 90% en señales de ruido bajo y medio Reconocimiento al 70% en señales de ruido alto

(49)

Detección y Diagnóstico de Enfermedades

(50)
(51)
(52)

Imagen

Compresora de Imágenes Neuronal

Imagen

(53)

Compresora de Imágenes Neuronal

Lima Miami

Compresor Expansor

(54)

Aplicaciones de Redes

Neuronales en Robot Móviles

Auto-Conducción de Vehículos

Auto-Posicionamiento y

Esquivameinto de Obstáculos

(55)

Automóvil que se Conduce Solo

(56)

Robots en Minería

(57)

Robots en Minería

(58)

Autoconducción de Vehículos

(59)

Autoconducción de Vehículos

(60)

Vehículo

x y

x*

y*



Estructura de Control

(61)

Trayectorias con Neuro-Control

(62)

Trayectorias con Neuro-Control

(63)

Robot Móvil que Esquiva Obstáculos

Posición Inicial

Posición Final

Obstáculos

(64)

Robot móvil que

esquiva obstáculos

(65)
(66)

Gracias por su atención !

[email protected]

Referencias

Documento similar

a) Identificar las funciones de transferencia de los sistemas cuya salida ante entrada escalón en lazo abierto se proporciona en los archivos “P3b_sys1.mat” y

ALFA ROMEO AUDI BMW CHRYSLER DODGE FIAT GM HONDA JEEP LEXUS MERCEDES MITSUBISHI PEUGEOT RENAULT TOYOTA VW ALFA ROMEO AUDI BMW CHRYSLER DODGE FIAT GM HONDA JEEP LEXUS MERCEDES

diseño gráfico, bases de datos, sistemas de autoedición, hojas de cálculo, etc...), la interacción (EAO, Hipermedia, multimedia, sistemas interactivos inteligentes, etc.. El

Con la asignatura Trabajo de Fin de Máster (TFM) y Workshop en Studium se pretende brindar una información detallada sobre el TFM y lograr una mejor divulgación y gestión de los

Artículo 13. Las solicitudes de reconocimiento presentadas, en las que se aleguen créditos obtenidos en títulos universitarios oficiales de Graduado, para la convalidación

Las tecnologías de las ciudades inteligentes utilizan redes de comunicación para recoger información y sistemas de gestión inteligente que, a continuación, exploten dichos datos

• Desarrollamos Software Inteligente con procesamiento de Lenguaje Natural mediante técnicas de Inteligencia Artificial.. • Creamos programas que actúan como una persona real

asociadas a fórmulas proporcionales, están se asientan sobre divisiones político- administrativas, preexistentes. Este es el caso de todos los sistemas de listas de