Search

[ES] El reconocimiento de dorsales en fotos de carreras se ha convertido en un área de investigación cada vez más relevante debido a la creciente popularidad del \emph{running} como deporte, y a que los corredores y organizadores de carreras desean tener acceso fácil y rápido a las fotos de los participantes en la misma. La tarea de reconocer los números de dorsal de los corredores en fotos de carreras es desafiante debido a las variaciones en la apariencia de los dorsales, el tamaño, la orientación y la iluminación en las fotos. Además, el reconocimiento de dorsales puede tener aplicaciones prácticas en la identificación y seguimiento de atletas, la mejora de la experiencia de los corredores y la seguridad en eventos deportivos. En este Trabajo de Fin de Grado, se propone desarrollar un modelo de reconocimiento de dorsales en fotos de carreras utilizando técnicas de visión por ordenador y aprendizaje automático. Se explorará el uso de diversas arquitecturas de redes neuronales, como Faster R-CNN y YOLO. Además, se investigará el uso de diferentes técnicas de preprocesamiento de imágenes para mejorar la precisión del modelo., [EN] The recognition of race bibs in photos has become an increasingly relevant area of research due to the growing popularity of running as a sport. Runners and race organizers require easy and fast access to participant photos from the race.However, the task of recognizing runner bib numbers in race photos is challenging due to variations in bib appearance, size, orientation, and lighting in photos. Furthermore, the recognition of bibs can have practical applications in athlete identification and tracking, improving the runner experience, and ensuring safety in sporting events. This Bachelor's Thesis proposes the development of a model for recognizing race bibs in photos using computer vision and machine learning techniques. The use of various neural network architectures, such as Faster R-CNN and YOLO, will be explored to achieve accurate detection and recognition of bibs in race images. Additionally, different image preprocessing techniques will be investigated to improve the model's performance.

La tarea de clasificación de tornillos hasta el momento es solo ejecutada por humanos. De hecho, las fotos no son aceptadas como insumo para la clasificación de tornillos debido a que existe información que no se puede determinar con las imágenes, como el diámetro del tornillo y el paso de la rosca. Con el avance de los modelos del aprendizaje automático de maquina y la inclusión de la clasificación automática de imágenes digitales con arquitecturas de redes neuronales profundas, no se ha explorado la solución de esta tarea, en gran parte, porque el factor trascendental para su entrenamiento es un conjunto de datos apropiado que no existe para este problema. En el presente proyecto se construyó un conjunto de imágenes inédito con el cual se pretende entrenar redes neuronales profundas para la clasificación de los tornillos. Además, se entrenó un modelo de detección de objetos especializados para tornillos el cual funcionará juntamente con el modelo de clasificación para aparte de dar una clasificación se identifique en que parte de la imagen este el tornillo. Por último, los modelos fueron puestos en producción dentro de una interfaz en la cual el objetivo es subir una imagen con tornillos y que los modelos sean capaces de detectar donde están y clasificar sus características The screw classification task so far is only performed by humans. In fact, the photos are not accepted as input for the screw classification because there is information that cannot be determined with the images, such as the diameter of the screw and the pitch of the thread. With the advancement of machine learning models and the inclusion of automatic classification of digital images with deep neural network architectures, the solution to this task has not been explored, largely because the transcendental factor for its training is an appropriate data set that does not exist for this problem. In the present project, a set of unpublished images was built with which it is intended to train deep neural networks for the classification of screws. In addition, a specialized object detection model for screws was trained, which will work together with the classification model so that, apart from giving a classification, it identifies which part of the image the screw is in. Finally, the models were put into production within an interface in which the objective is to upload an image with screws and for the models to be able to detect where they are and classify their features

La lengua de señas es la herramienta de comunicación más utilizadas entre la comunidad de personas con discapacidad auditiva, debido a que permite a sus usuarios comunicarse mediante gestos y movimientos. Aun así, en Colombia y en otros países como India y Estados Unidos se evidencia un reto ante la educación, estandarización y enseñanza de esta lengua, como por ejemplo de cada una de sus variaciones entre zonas geográficas y culturales. Es por esto que metodologías que permitan automatizar el proceso de enseñanza y comunicación de los usuarios de esta lengua ya bien sean sordos u oyentes, son de alta relevancia para lograr la inclusión de las personas sordas o con algún tipo de discapacidad auditiva dentro de un contexto educativo y social. Es así como este trabajo busca estudiar alternativas como algoritmos basados en redes neuronales y aprendizaje automático, con el objetivo de generar un modelo inteligente que reconozca y clasifique diferentes señas del abecedario de la Lengua Americana de Señas (ASL). Todo lo anterior se hará entrenando y validando tres modelos ya utilizados en otros problemas de clasificación de imágenes basados en Redes Neuronales Convolucionales (CNN) a los cuales se explorara sistemáticamente ajustes en su estructura e híper-parámetros para buscar el modelo que mejor se adapte a la correcta clasificación de cada una de los 27 tipos de imágenes parte de las señas del abecedario de la ASL. The sign language is the communication tool that is most used within the hearingimpaired people community, as it allows their users to communicate through gestures and movements. Even though, in Colombia and some other countries in the world as India and the U.S, the challenge with education, standardization and teaching of this language is evident, an example of this are the multiple variations on these languages between the different cultures and geographic zones. For this reason, the methodologies that allows the automatization of the teaching and communication process within the users of this language (even if they are hearing impaired or not), are relevant to accomplish the inclusion within a social and educational context for the deaf people and those with any type of hear impairing. In this order this investigation aims to study alternatives as algorithms based on Neural Networks and Machine Learning, to generate a model that can recognize and classify different hand gestures part of the alphabet from the American Sign Language (ASL). All the mentioned before will be done training and validating three initial models based on Convolutional Neuronal Networks (CNN) which will be explored systematically with adjustments on structure and hyper-parameters to identify the model structure that adapts the better to the appropriate classification of each of the 27 types of images part of the signs on the ASL alphabet.

ilustraciones, diagramas, tablas Las válvulas antirretornos son complementos de mucha utilidad dentro de las líneas industriales de extracción de café. Estás válvulas pueden presentar fallas durante su funcionamiento debido al desprendimiento del disco, desgaste del asiento o fatiga del resorte, generándose fallas y pérdidas de tiempo en los procesos. Actualmente, el aprendizaje profundo mediante las redes neuronales convolucionales ha permitido investigar y procesar gran cantidad de datos, lográndose excelentes resultados en la predicción del estado de componentes industriales. Es así, como este trabajo se centra en las técnicas de mantenimiento predictivo de vibraciones, ultrasonido y emisión acústica por medio de la captura de señales temporales, análisis de descriptores temporales, estrategias de reducción de dimensionalidad como PCA, tSNE y UMAP, además, del agrupamiento con entrenamiento Kmeans. Adicionalmente, se empleó el método SFS para la selección de las características más significativas de los descriptores temporales y de esta manera mejorar la capacidad computacional del análisis de los datos. Se utilizaron redes NN (Patternet) como clasificadores en el entrenamiento no supervisado y modelos de árbol de decisión para evaluar patrones obtenidos durante los entrenamientos realizados. Además, para el entrenamiento supervisado se emplearon representaciones graficas de espectrogramas y escalogramas, los cuales se obtuvieron con arquitecturas de redes profundas como GoogleNet, SqueezeNet y una red convolucional propuesta desarrollada dentro de la experimentación. La evaluación de los entrenamientos se realizó mediante la matriz de confusión y curva ROC para determinar la eficiencia de los clasificadores empleados. Los resultados obtenidos en esta investigación permitieron determinar el comportamiento de la válvula antirretorno, clasificar el estado (buena o mala) y concluir que, la red GoogleNet para espectrogramas presentó el mejor desempeño con respecto a los demás clasificadores estudiados. Este estudio permitirá en el futuro desarrollar una estrategia predictiva para anticiparse al fallo de la válvula antirretorno. (Texto tomado de la fuente) Non-return valves are very useful complements in industrial coffee extraction lines. These valves can present failures during its operation due to disc detachment, seat wear or spring fatigue, causing failures and loss of processing time. Currently, the deep learning by means of convolutional neural networks has made possible to investigate and process large amounts of data, achieving excellent results in the prediction of the condition of industrial components. Thus, this work focuses on predictive maintenance techniques of vibration, ultrasound and acoustic emission by means of the temporal signals capture, temporal descriptor analysis and dimensionality reduction strategies such as PCA, tSNE and UMAP, as well as Kmeans training clustering. In addition, the SFS method was used for the selection of the most significant characteristics of the temporal descriptors and thus improve the computational capacity of the data analysis. NN (Patternet) networks were used as classifiers in the unsupervised training and decision tree models were used to evaluate patterns obtained during the training. In addition, for the supervised training we used graphical representations of spectrograms and scalograms, which were obtained with deep network architectures such as GoogleNet, SqueezeNet and a proposed convolutional network developed in the experimentation. The evaluation of the training was performed using the confusion matrix and ROC curve to determine the efficiency of the classifiers used. The results obtained in this investigation allowed to determine the behavior of the non-return valve, classify the state (good or bad) and to conclude that, the GoogleNet network for spectrograms presented the best performance with respect to other classifiers studied. This study will allow in the future to develop a predictive strategy to anticipate the failure of the non-return valve. Utilización de válvulas antirretorno tipo clapeta oscilante en procesos de líneas de descarga de borra de café Maestría Magister en Ingeniería Mecánica Diseño experimental el cual obtiene mediciones de variables para establecer un comportamiento o corroborar o descartar una hipotesis planteada en la investigación. Área Curricular de Ingeniería Mecánica

Debido al elevado número de víctimas en accidentes de tráfico, la Comisión Europea ha establecido como una prioridad la reducción de los fallecimientos a través del objetivo "Visión Cero” el cual pretende reducir a cero el número de muertes en carretera para el año 2050. Por esta razón, hoy en día se están incorporando en los vehículos sistemas de ayuda a la conducción, también conocidos como sistemas ADAS (Advance Driver Assitance System), que mejoran su estabilidad, confort y maniobrabilidad. Dentro del parque automovilístico actual, uno de los vehículos involucrados en los accidentes de tráfico son los vehículos comerciales, los cuales, debido a la altura de su centro de gravedad, son más propensos a volcar. Debido a esto, varios trabajos de investigación en el ámbito de la automoción se centran en el desarrollo de sistemas de control para mejorar la estabilidad en vehículos comerciales. Para el correcto funcionamiento de estos sistemas, es necesario conocer en todo momento la dinámica del vehículo a través de variables tales como aceleraciones, velocidades y ángulos. Para que estos dispositivos funcionen de la manera más correcta y segura posible, se deben cumplir dos requisitos fundamentales, precisión en las medidas realizadas y rapidez en la adquisición y procesamiento de los datos, así como en el envío de las ordenes posteriores. Una de las variables de la dinámica lateral de los vehículos comerciales más importantes para poder controlar su estabilidad, es el ángulo de balanceo. Este ángulo se puede medir de manera precisa a través de sistemas GPS de doble antena, pero se trata de un método muy caro por lo que actualmente no se monta en los vehículos en producción en serie ya que incrementaría el precio de estos notablemente. Por otro lado, la obtención de este valor a través de sensores de bajo coste es complicada, por esa razón, muchas investigaciones se centran en el desarrollo de observadores que sean capaces de estimar este ángulo a través de sensores de bajo coste. Para el correcto funcionamiento de los sistemas de control montados en los vehículos, es necesario que los distintos componentes, sensores, controladores y actuadores, se comuniquen entre sí. Para que la comunicación sea lo más eficiente posible se han desarrollado los sistemas de control en red (NCS, Network Control Systems) que permiten que todos los componentes estén conectados a una misma red de manera individual. El problema que existe es que pueden aparecer retardos inducidos por la red, lo que provoca una reducción del rendimiento de estos sistemas y puede comprometer la seguridad del vehículo. Por esta razón, es necesario que los controladores que se incorporen en los vehículos actuales tengan en consideración el posible retardo en el envío de información entre los distintos componentes. Por todo lo indicado anteriormente, en la presente Tesis Doctoral se va a diseñar un controlador de vuelco robusto que sea capaz de compensar retardos en la red de comunicación, es decir, tanto en la señal de entrada al controlador (enviada por el sensor) como la de salida (enviada al actuador). Para evaluar el rendimiento del mismo, se comparará este con un controlador similar pero que no tenga en cuenta el retardo en su diseño. Previo al desaroollo del controlador, se estudiará la precisión de los sensores de bajo coste utilizados en comparación con sus homólogos de altas prestaciones y precio para ver si es viable la utilización de este tipo de sensores para el diseño del controlador propuesto. Asimismo, se va a analizar la velocidad y precisión de procesamiento de las computadoras de bajo coste, para ello se van a utilizar distintos metodos para la estimación del ángulo de balanceo. Para la evaluación de estos sistemas se van a realizar ensayos experimentales en un vehículo y un entorno real sometido a distintas maniobras típicas de una circulación cotidiana. Por último, para afrontar el problema del retardo indicado en párrafos anteriores, Due to the high number of victims in traffic accidents, the European Commission has established as a priority the reduction of deaths through the vision zero objective, which aims to reduce the number of road deaths to zero by 2050. For this purpose, to improve their stability, comfort and manoeuvrability several systems are being incorporated into vehicles. Within the current automobile fleet, one of the vehicles most involved in traffic accidents are heavy duty vehicles which, due to the height of their centre of gravity, are more likely to roll over. Due to this, much of the research work in the automotive field focuses on the development of control systems to improve stability in commercial vehicles. For the correct functionating of these systems, it is necessary to always know the dynamics of the vehicle through variables such as accelerations, speeds and angles. For these devices to work in the most correct and safe way possible, it is necessary that they fulfil two main characteristics. precision in the measurements made and speed in the acquisition and processing of data. One of the most important variables of the lateral dynamics of a vehicle to control its stability is the roll angle. This angle can be precisely measured through dual antenna GPS systems, but it is a very expensive method, and it would significantly increase the price of vehicles. On the other hand, the measurement of this value through low-cost sensors is complicated and not very accurate, for this reason many investigations are focused on the development of observers that can estimate this angle through low-cost sensors. For the correct operation of current vehicle control systems, it is necessary for the different components, sensors, controllers, and actuators to communicate with each other. To make communication as fast as possible, Network Control Systems (NCS) have been developed that allow all components to be connected to the same network individually. The problem that exists is that network-induced delays can appear, which causes a reduction in the performance of these systems and can compromise the safety of the vehicle. For this reason, it is necessary that the controllers that are incorporated in current vehicles consider the possible delay in the communication between the different components. In this Doctoral Thesis a vehicle with low-cost sensors and processors will be instrumented. The precision of the sensors will be evaluated with a high performance and price device, and the speed and processing precision of low-cost computers will be analysed, using them to estimate the roll angle using different methods. For the evaluation of these systems, experimental tests will be carried out on a vehicle and a real environment subjected to different typical manoeuvres of a daily traffic. Finally, to face the delay problem indicated in previous paragraphs, a roll stability controller will be designed that is capable of compensating delays in the communication network, that is, both in the input signal to the controller (sent by the sensor) and output (sent to actuator). Programa de Doctorado en Ingeniería Mecánica y de Organización Industrial por la Universidad Carlos III de Madrid Presidente: José Luis San Román García.- Secretaria: Blanca del Valle Arenas Ramírez.- Vocal: Antonio Javier Nieto Quijorna

[ES] Las FPGAs (field-programmable gate array) pueden ser utilizadas para la inferencia de modelos de Redes Neuronales en sistemas embebidos, dado que este tipo de dispositivo presenta una alta eficiencia energética y un alto rendimiento. Asimismo, la posibilidad de diseñar hardware mediante High-level synthesis (HLS) ha disminuido la cantidad de esfuerzo necesario para el desarrollo de código para FPGAs. Por otra parte, existen escenarios en los cuales no se pueda realizar la inferencia completa sobre FPGAs, necesitando un dispositivo CPU para la ejecución de las partes no soportadas. En este trabajo, se ha utilizado el acelerador HLSinf. HLSinf es una implementación de HLS de código abierto de aceleradores personalizados para procesos de inferencia de Redes Neuronales sobre dispositivos FPGA. Además, en este proyecto, se han desarrollado nuevos módulos dentro de este acelerador. Asimismo, se ha integrado el acelerador con la libreria EDDL (European Distributed Deep Learning library), la cual permite la ejecución de modelos sobre varios dispositivos., [CA] Les FPGAs (field-programmable gate array) poden ser utilitzades per a la inferència de models de Xarxes Neuronals en sistemes encastats, donat que aquest tipus de disposi- tiu presenten una alta eficiència energètica i un alt rendiment. Així mateix, la possibilitat de dissenyar maquinari mitjançant High-level synthesis (HLS) ha disminuït la quantitat d’esforç necessari per al desenvolupament de codi per a PGAs. D’altra banda, hi ha escenaris en els quals no es posible realitzar la inferència comple- ta sobre FPGAs, necessitant un dispositiu CPU per a l’execució de les parts no soportades. En aquest treball, s’ha utilitzat l’accelerador HLSinf. HLSinf és una implementació en HLS de codi obert d’acceleradors personalitzats per a processos d’inferència de Xar- xes Neuronals sobre dispositius FPGAs. A més, en aquest projecte, s’han desenvolupat nous mòduls dins d’aquest accelerador. Així mateix, s’ha integrat l’accelerador amb la llibreria EDDL (European Distributed Deep Learning library), la qual permet l’execució de models sobre diversos dispositius., [EN] FPGAs (field-programmable gate array) can be used for the inference of Neural Networks models in embedded systems since this type of device presents high energy efficiency and high performance. Moreover, the ability to design hardware using High-level synthesis (HLS) has decreased the amount of effort required to develop code for FPGAs. On the other hand, there are scenarios in which the complete inference on FPGAs cannot be performed, requiring a CPU device to execute the unsupported parts. In this work, the accelerator HLSinf has been used. HLSinf is an open-source HLS implementation of custom accelerators for DeepLearning inference processes. on FPGA devices. Furthermore, in this project, new modules have been developed within this accelerator. Moreover, the accelerator has been integrated with the EDDL (European Distributed Deep Learning library) library, which allows the execution of models on various devices.

En el contexto colombiano, manejar inventario representa un foco de ineficiencia en las empresas, sobre todo en inventarios medianos y grandes almacenados en bodegas de tamaños acordes. Por ende, surge la pregunta: ¿Qué características, componentes y tecnologías serían necesarias para desarrollar un sistema de información geográfico que permita reducir la intervención humana en el manejo de inventario? El sistema propuesto para solucionar esta problemática es un prototipo que busca localizar etiquetas RFID a través de la integración de tres subsistemas; un sistema radar, una inteligencia artificial y una aplicación web. Cada uno de los subsistemas mencionados se comunican entre sí utilizando el protocolo HTTP con la finalidad de entregar al usuario una experiencia sencilla al momento de acceder a los datos de ubicación de cada una de las etiquetas. Se obtuvo que en condiciones generales el sistema consiguió un error medio de 0.36 metros en la aproximación de la posición de las etiquetas, lo cual indica una buena aproximación en el contexto de aplicación. También se desarrolló una interfaz web que permite la visualización de las aproximaciones del sistema. Se concluyó que los resultados ofrecidos por el sistema de información geográfica dan una buena aproximación de las ubicaciones de las etiquetas teniendo en cuenta el contexto de aplicación para el cual fue diseñado. In colombian context, inventory management represents a big inefficiency focus for enterprises, specially in medium to large inventories stored in accordingly sized warehouses. Therefore, a question arises: ¿What characteristics, components and technologies would be necessary to develop a geographic information system that allows the reduction of human intervention in the inventory management? The system proposed to solve this problem is a prototype that aims to locate RFID tags through the integration of three subsystems; a radar system, an artificial intelligence and a web application. Each of them communicates between one and another using the HTTP protocol with the goal of giving the end user an easy to use experience when accessing the location data per tag. Results show that in general conditions the system achieved a 0.36 meters of average error when estimating the position of the tags, which shows a good approximation in the application context. A web interface was also developed to allow visualization of the system's approximations. Based on the results, it is concluded that the system gives a fairly good approximation of tags’ locations given the application context for which it was designed for.

[ES] Las técnicas biomecánicas ofrecen a la valoración funcional el registro de las variables implicadas en el movimiento humano. Gracias a ellas ha sido posible cuantificar de manera objetiva estas variables permitiendo establecer patrones de normalidad muy útiles en la ayuda al diagnóstico y seguimiento de los pacientes. Tradicionalmente estas técnicas han precisado de laboratorios grandes con las condiciones controladas, hecho que suponía un hándicap para realizar valoraciones en otros espacios. La posibilidad de poder “acercar” la valoración biomecánica al entorno clínico ha sido uno de los retos para muchos investigadores durante estos últimos años. En este contexto, está cada vez más extendido el uso de dispositivos ágiles y detección rápida de variables biomecánicas con la intención de ser usados en la práctica clínica habitual. Considerando este hecho, se ha llevado a cabo este trabajo con la finalidad de poner a punto una metodología de valoración biomecánica ágil, rápida y sencilla a partir del análisis de movimientos mediante el uso de técnicas de visión e Inteligencia Artificial (IA). Para ello, se ha realizado un estudio de validez entre las técnicas a emplear en esta metodología (las redes neuronales MediaPipe y OpenVINO™) con el sistema de fotogrametría considerado como Gold Standard en el análisis cinemático del movimiento humano. En él se han comparado los valores del rango articular de la rodilla obtenidos a través del software de fotogrametría Kinescan/IBV y los estimados a partir de videos procesados con las redes neuronales MediaPipe y OpenVINO™, considerando el rango articular de la rodilla una de las variables cinemáticas que presenta mayor relevancia clínica por su implicación en las actividades de la vida diaria. Finalmente, los resultados indican que el uso de redes neuronales para estimar rangos articulares puede ser una estrategia válida y de utilidad para ser empleada en dispositivos ágiles de valoración biomecánica., [CA] Les tècniques biomecàniques ofereixen a la valoració funcional el registre de les variables implicades en el moviment humà. Gràcies a elles ha sigut possible quantificar de manera objectiva aquestes variables permetent establir patrons de normalitat molt útils en l'ajuda al diagnòstic i seguiment dels pacients. Tradicionalment aquestes tècniques han precisat de laboratoris grans amb les condicions controlades, fet que suposava un hàndicap per a realitzar valoracions en altres espais. La possibilitat de poder “acostar” la valoració biomecànica a l'entorn clínic ha sigut un dels reptes per a molts investigadors durant aquests últims anys. En aquest context, està cada vegada més estés l'ús de dispositius àgils i detecció ràpida de variables biomecàniques amb la intenció de ser usats en la pràctica clínica habitual. Considerant aquest fet, s'ha dut a terme aquest treball amb la finalitat de posar a punt una metodologia de valoració biomecànica àgil, ràpida i senzilla a partir de l'anàlisi de moviments mitjançant l'ús de tècniques de visió i Intel·ligència Artificial (IA). Per a això, s'ha realitzat un estudi de validesa entre les tècniques a emprar en aquesta metodologia (les xarxes neuronals MediaPipe i OpenVINO™) amb el sistema de fotogrametria considerat com Gold *Standard en l'anàlisi cinemàtica del moviment humà. En ell s'han comparat els valors del rang articular del genoll obtinguts a través del programari de fotogrametria Kinescan/IBV i els estimats a partir de vídeos processats amb les xarxes neuronals MediaPipe i OpenVINO™, considerant el rang articular del genoll una de les variables cinemàtiques que presenta major rellevància clínica per la seua implicació en les activitats de la vida diària. Finalment, els resultats indiquen que l'ús de xarxes neuronals per a estimar rangs articulars pot ser una estratègia vàlida i d'utilitat per a ser emprada en dispositius àgils de valoració biomecànica., [EN] Biomechanical techniques offer functional assessment the recording of the variables involved in human movement. Thanks to them it has been possible to quantify in an objective way all these variables allowing to establish patterns of normality very useful in the help to the diagnosis and monitoring of the patients. Traditionally these techniques have required large laboratories with controlled conditions made that was a handicap to perform evaluations in other spaces. The fact of being able to "bring" the biomechanical assessment to the clinical environment is one of the challenges for many researchers during these last years. In this context, it is widespread the use of agile devices and rapid detection of biomechanical variables with the intention of being used in routine clinical practice. Considering this fact, this work has been carried out in order to set up an agile, fast and simple biomechanical assessment methodology from the analysis of movements through the use of vision techniques and Artificial Intelligence (IA). To this end, a validity study has been carried out among the techniques to be used in this methodology (neuronal network MediaPipe y OpenVINO™) with the photogrammetry system considered as Gold Standard in the kinematic analysis of human movement. It has compared the values of the articular range of the knee obtained through the photogrammetry software “Kinescan/IBV” and estimated from processed videos with neuronal networks (MediaPipe y OpenVINO™), bearing in mind that the articular range of the knee is one of the kinematic variables that shows greater clinical relevance due to this involvement in daily life activities. Finally, results indicate that the use of neural networks to estimate joint ranges can be a valid and useful strategy to be used in biomechanical assessment.

La predicción de zonas susceptibles a procesos de remoción en masa es una tarea compleja debido a la alta incertidumbre en el espacio y el tiempo. Es por lo anterior que en la presente investigación se construyó una red neuronal de retropropagación con estructuras de dependencia espacio-tiempo (RNA-ET) compuesta por 11 variables estáticas como factores desencadenantes y 4 clúster espacio-temporales los cuales consideran la heterogeneidad espacial diseñados a través de la técnica de GeoSOM. El objetivo principal del trabajo consistió en evaluar si se mejora la exactitud en la predicción de fenómenos de remoción en masa a partir de una RNA-ET en lugar de las actuales técnicas de predicción de fenómenos de remoción en masa. Para el desarrollo de la investigación se contó con un total de 1245 registros históricos de deslizamientos que se han presentado en la ciudad de Bogotá en un periodo comprendido desde 9/01/1996 hasta 4/04/2013, los registros de deslizamientos fueron divididos en dos subconjuntos de datos: el 70% como muestra de entrenamiento y el restante para la validación de los resultados. El modelo de RNA-ET fue validado al comparar su desempeño contra una red neuronal artificial de retropopagación sin estructuras de dependencia espacio-tiempo (RNA-BP). Los resultados indicaron que el modelo de RNA-ET fue 0.03 veces superior que el modelo tradicional de RNA-BP en términos del área bajo la curva (AUC). En conclusión, la presente investigación permitió demostrar que se puede mejorar la exactitud computacional y el desempeño predictivo al incorporar estructuras de dependencia espacio-temporal en una red neuronal artificial, de esta manera este modelo logra generar mapas de susceptibilidad a procesos de remoción en masa de mayor calidad que las actuales técnicas y ayuda a desarrollar políticas que estén enfocadas a reducir su riesgo. Predicting areas susceptible to landslide is a complex task due to the high uncertainty in space and time. It is for this reason that in the present investigation a retropropagation red neural was constructed with space-time dependence structures (ANN-ST) made up of 11 static variables as triggers and 4 space-time clusters which are the specific spatial heterogeneity aa through the GeoSOM technique. The main objective of the work is to evaluate whether the precision in the prediction of mass removal phenomena from an ANN-ST is improved in place of the current techniques of prediction of mass removal phenomena. For the development of the research, there were a total of 1245 historical landslide records that have been presented in the city of Bogota in a period from 9/01/1996 to 4/4/2013, the landslide records were divided into two subsets of data: 70% as a training sample and the rest for the validation of the results. The ANN-ST model was validated by comparing its performance against a backward-propagating artificial red neuron without space-time dependency structures (ANN-BP). The results indicated that the ANN-ST model was 0.03 superior to the traditional RNA-BP model in terms of the area under the curve (AUC). In general terms, this research will confirm the improvement in computational precision and performance by incorporating spatio-temporal dependency structures in an artificial red neuronal, in this way this model manages to generate maps of susceptibility to higher quality mass removal processes than current techniques and helps develop policies that are focused on reducing his risk.

Resumen El propósito de este artículo es hacer una breve introducción a cinco métodos avanzados de predicción de aprendizaje automático, que pueden ser de utilidad para el desarrollo de estudios prospectivos: la regresión logística, las máquinas de vectores de soporte, las máquinas de gradiente potenciado, los bosques aleatorios y las redes neuronales. Además, se explica qué metodología se puede llevar a cabo para asegurar la robustez y validar dichos modelos de predicción. A manera de ejemplo, se presenta cómo el uso de estos métodos permitió identificar las variables financieras más importantes para predecir el desarrollo de actividades de innovación en pymes colombianas. Los resultados del uso de estos métodos pueden permitir la generación de pronósticos al corto y mediano plazo, que sirvan para la realización de estudios prospectivos con métodos más amplios, como la construcción de escenarios, con el propósito de generar propuestas basadas en la evidencia, como hoja de ruta para la planeación y política pública al largo plazo. Abstract The purpose of this article is to make a brief introduction to five advanced machine learning prediction methods which may be useful for the development of prospective studies: logistic regression, support vector machines, gradient powered machines, random forests and neural networks. In addition, it is explained what methodology can be carried out to ensure robustness and validate these prediction models. As an example, it is presented how the use of these methods allowed to identify the most important financial variables to predict the development of innovation activities in Colombian SMEs. The results of the use of these methods may allow generating short and medium-term forecasts that serve to facilitate prospective studies with broader methods, such as the construction of scenarios, with the purpose of generating evidence-based proposals as a roadmap for long-term planning and public policy.

Las consecuencias del uso desmedido de los combustibles fósiles y la disposición final de los residuos sólidos generan afectaciones ambientales, incentivado la búsqueda de alternativas amigables al medio ambiente para la generación de energía. La gasificación es una de las tecnologías en desarrollo que aborda lo anteriormente dicho, este proceso termoquímico es de gran importancia para realizar estudios paramétricos y de automatización, con el fin de mejorar las características del mismo, optimizar el uso de la biomasa y obtener un gas de síntesis de alto contenido de monóxido de carbono. Este proyecto modela una red neuronal tipo multilayer perceptron como estrategia de control inteligente para un reactor de corriente descendente de lecho fijo presente en la Universidad Nacional de Colombia para minimizar el impacto de la generación de alquitranes y la inestabilidad del proceso. La aplicación de las redes neuronales es muy amplia, pero el uso de las mismas en los procesos termoquímicos es una implementación novedosa en este tipo de tecnologías donde es de gran importancia la composición del gas de síntesis. En el proyecto se elabora un software de adquisición de datos para modelar las redes neuronales como estrategia de control inteligente -THERMOBIND- para el análisis de los parámetros de operación del reactor y predecir el comportamiento de los actuadores en función de la concentración del CO y CO2 del gas de síntesis. En la red neuronal se utilizan parámetros de temperatura de combustión, CO, CO2, pérdida de masa, contenido de Carbono contenido de humedad de la biomasa. La arquitectura de la red está basada en multilayer perceptron, para la capa de salida los parámetros de predicción fueron la temperatura de combustión (feedback), caudal de aire y presión de vacío, se encontró que la salida de la red neuronal modelada tiene una capacidad de predicción del 99%,97% y 95% respectivamente, optimizando la fase estable de la gasificación. Los resultados muestran que las redes neuronales como estrategias de control son una gran alternativa para la predicción de los actuadores del reactor, con la aplicación de dicha estrategia se logra generar un gas de síntesis con un 25% de CO. Abstract: The consequences of excessive use of fossil fuels and the final provision of the solid waste, generate environmental affectations worldwide, encouraging the search of friendly alternatives to the environment for the energy generation. Gasification is one of the technologies in development that addresses the above, this thermochemical process it is very important to realize parametric studies and of automation, with the order to improve characteristics of the same, optimize use of biomass and obtain syngas with high carbon monoxide (CO). The project present model a neuronal network of type multilayer perceptron as smart strategy control for a fixed bed downdraft reactor of the National University of Colombia to minimize the impact of the tars generation and process instability. The application of neuronal networks is very wide, but the use of the same in neurochemical processes is an innovative implements in this type of technologies where is the very important the composition of the syngas. In the project, a data acquisition software is developed to model the neural networks as an intelligent control strategy -THERMOBIND- for the analysis of the operating parameters of the reactor and to predict the behavior of the actuators as a function of the concentration of CO and CO2 of syngas. In the neuronal network are used parameters of combustion temperature, CO, CO2, loss of mass, carbon (C) content and moisture content of the biomass. The architecture of the network is based in multilayer perceptron, for the output layer the prediction parameters were the combustion temperature (feedback), air flow and vacuum pressure, it was found that the output of the neuronal network has a prediction capacity of the 99%, 97% and 95% respectively, optimizing the stable phase of gasification.. The results show that neuronal network as strategies of control are a great alternative to the prediction of reactor actuators, with the application of this strategy it is possible to generate a syngas with 25% CO. Maestría

[ES] Cuando los profesionales relacionados con el mundo del derecho necesitan acceder a casos judiciales para buscar similitudes o precedentes, requieren repasar un gran número de casos, dedicando mucho tiempo a esta tarea. El TFM que se propone tiene como objetivo principal utilizar técnicas automáticas de clasificación que permitan predecir la presencia de diferentes características (antecedentes penales, embriaguez, etc.) en textos judiciales, y, adicionalmente, clasificar dichos documentos por tipos de condena, tiempos de prisión o multas económicas. De esta forma se pretende reducir el tiempo de búsqueda de documentos legales a abogados y legalistas mejorando así el proceso de preparación de casos judiciales. Para el desarrollo del TFM, se dispone de cientos de miles de documentos legales. Se usarán diferentes técnicas de clasificación haciendo especial énfasis en redes neuronales., [EN] In legal domain, when the experts want to access to old judicial case to search for precedents or similarities, they require a great amount of time to read all the cases. The main objective of this Master's Thesis is helping the experts, not just reducing time searching for documents, but also to find the most similar documents related to their own cases. For this purpose, several machine learning techniques have been used to predict different specific features of legal documents. Thousands of documents are available for this project development. Obtained from the Spanish legal system.

La progresión de los déficits cognitivos en la demencia frontotemporal (DFT) se acompaña de deterioro de la materia blanca. El impacto de la pérdida neuronal en la conectividad de la red estructural en la DFT y sus variantes aún no se comprende de manera rigurosa. Se evaluó el potencial del análisis de conectividad estructural cerebral, a partir de imágenes de difusión (dMRI), en la identificación de alteraciones producidos por la DFT y sus variantes, y la relevancia para su diferenciación. Un total de 137 estudios de dMRI divididos en: 20 pacientes con demencia semántica (DS), 20 con afasia primaria progresiva (APP), 52 con variante comportamental (bvDFT) y 45 controles fueron investigados. La conectividad estructural se estimó para todo el cerebro. Se emplearon dos tipos de análisis: medidas topológicas por teoría de grafos y network-based statistic. La organización topológica en las 3 variantes de DFT se vio significativamente alterada respecto de los controles, en las medidas de fuerza de conexión, longitud de camino y eficiencia global. La bvDFT se caracterizó por una alteración preferencial interhemisférica centrada en la región frontal del lóbulo izquierdo. En la APP se detectaron pequeñas alteraciones en el giro frontal inferior. Mientras que los pacientes con DS mostraron una mayor extensión de redes alteradas, con desconexiones en el lóbulo temporal de ambos hemisferios. Las alteraciones globales de las redes estructurales sugieren un cambio en la eficiencia de intercambio de información, además de que la localización de dichos cambios se puede asociar con el progreso neuropatológico de la DFT. The progression of cognitive deficits in frontotemporal dementia (FTD) is accompanied by white matter deterioration. However, the impact of neuronal loss on the connectivity of the structural network in the FTD and its variants is not well understood yet. This study aimed to evaluate the potential of structural brain connectivity, in the identification of alterations and changes produced by the FTD and its variants, and the relevance of these measures for its differentiation. A total of 137 studies of dMRI divided as follows: 20 patients with semantic dementia (SD), 20 with progressive primary aphasia (PPA), 52 with behavioral variant (bvFDT) and 45 controls were part of the study. The structural connectivity derived from dMRI was estimated for the whole brain. Two types of analysis were executed: topological measures by graph theory and network-based statistic. Global topological organization in the 3 variants of FTD was significantly altered compared to controls, as seen in measures like connection strength, path length and global efficiency. The bvFTD was characterized by a preferential interhemispheric alteration focused on the frontal region of the left hemisphere. In the PPA a few alterations were detected in the inferior frontal gyrus. While patients with SD showed a greater extension of altered networks, due to high disconnections in the temporal lobe in both hemispheres. The global alterations of the structural networks suggest a change in the efficiency of information exchange between brain regions. Likewise, the location of these changes can be related with the neuropathological progress of the FTD. Magíster en Bioingeniería Maestría

Resumen Se ha aplicado redes neuronales artificiales a los datos climáticos de precipitación, temperaturas superficiales de mar en diferentes zonas calificadas como Niño y la velocidad de los vientos alisios con el fin de modelar y predecir el fenómeno El Niño, con seis meses de anticipación a la presencia del mismo. El estudio se realiza en Piura, Perú. Se realiza un análisis preliminar de la información para determinar el grado de correlación entre las variables, luego se ha diseñado el modelado en dos fases, la primera usa las redes neuronales para modelar las variables como series temporales y en la segunda fase se diseña una red neuronal usando MatLab para que simule el comportamiento de las precipitaciones en Piura. Los resultados del estudio muestran que las redes neuronales son una técnica altamente confiable para encontrar un patrón de comportamiento de las precipitaciones y luego para predecir el fenómeno alcanzando una tasa de acierto del 98.4% en la etapa de entrenamiento y de 100% en la predicción del primer semestre del año 2016. Abstract Artificial neural networks have been applied to climatic precipitation data, including surface sea temperatures in different areas classified as El Niño, and speed of trade winds with the purpose of modeling and predicting the climate phenomenon six months in advance to its appearance. The study was done in Piura, Peru. A preliminary analysis of the information is performed to determine the degree of correlation between variables. A model in two phases was later designed. In the first phase, neural networks using MatLab were used to model variables as time series and, in the second phase, a neural network was designed to simulate the nature of rainfall in Piura. The study shows that neural networks represents a highly reliable technique to find a pattern of precipitation and then for predicting the phenomenon with probability of 98.4% in the training step and 100% in the predicting step for the first semester of 2016.

Este documento presenta el informe sobre la auxiliatura de investigación llevada a cabo en el proyecto Sistema de predicción y toma de decisión mediante Redes Neuronales para los activos de inversión: Oro, Euro dólar y Dow jones, en la cual se trabajó con bases de datos históricas de los activos de inversión: Oro, Euro dólar y Dow jones, así como análisis fundamental basado en fuentes secundarias de eventos históricos. Lo cual permite al auxiliar el fortalecimiento y la precisión en los procesos de análisis fundamental y técnico en el ámbito de las finanzas internacionales, la aproximación a predicciones más precisas de activos financieros y una mejora en el proceso investigativo. This document presents the report on research assistance developed in the project: prediction system and decision making through Neural Networks for the investment asset: Gold, Euro dollar and Dow Jones, in which the work was made with historical data bases on the investment asset: Gold, Euro dollar and Dow Jones, whereas fundamental analysis based on secondary information sources about historical events. This allows the auxiliary the strengthen and sharpness in the fundamental and technical analysis process in the international financial field, therefore the approach to more accurate predictions of financial assets and an improvement in the investigation process. Profesional en Negocios Internacionales Pregrado

[ES] Trabajar con grandes cantidades de datos de una manera inadecuada, el acceso a ellos y la manera de realizar los cálculos a la hora de programar puede afectar enormemente y de manera negativa al tiempo de ejecución de cualquier aplicación. Cuando se trata con imágenes médicas para la segmentación automática debemos hacer frente a todos estos problemas, y para solucionarlos vamos a hacer uso tanto de la paralelización de la aplicación entre distintos núcleos de procesamiento, como de la reorganización de código y uso correcto de los datos para conseguir una mejora en el tiempo de cómputo del programa. Por otro lado, se ha intentado abordar el problema del contorneado automático de órganos usando redes neuronales artificiales, prescindiendo de la anterior aplicación para buscar un mayor índice de acierto y proporcionar mejores resultados usando esta tecnología., [EN] Working with large amounts of data in an inadequate form, the access to it and the way to perform calculations when programming can affect enormously and negatively to the time of execution of any application. When it comes to automatic segmentation of medical images we must face all the problems mentioned and solve them, to do that we need to use both the parallelization of the application between different processing cores, and the reorganization of code and the correct usage of data to get an improvement in the computing time of the program. On the other hand, we have tried to solve the problem about automatic segmentation of organs using artificial neural networks without the previous application to get a higher success rate and better results using this technology.

[EN] Obtention of Wi-Fi signals from mobile devices inside of comertial locals, analysis of the data in order to classify where the users are, data visualization using online tools and creation of marketing campaings for clients, [ES] Obtención de señales Wi-Fi de terminales móviles dentro de locales comerciales, análisis de datos para clasificación de ubicación, visualización de datos y creación de campañas de marketing para clientes del comercio

Se propone una metodología basada en redes neuronales para la programación de pedidos en un ambiente job shop-open shop. El problema de programación de la producción en sistemas job shop consiste en definir la mejor secuencia de pedidos para minimizar el tiempo total de proceso (makespan) u otras variables relevantes. Diversas técnicas inteligentes se han aplicado para resolver este tipo de problema. 2in embargo, estás presentan dificultades prácticas cuando se requieren cambios de programación, pues exigen reconfigurar nuevamente el problema para obtener una nueva solución. La metodología propuesta entrena la red mediante la combinación de los tiempos de proceso en cada nodo, por medio de funciones de transferencia multiplicadas por pesos que son generados por el algoritmo de programación de la red. La red neuronal propuesta permite obtener soluciones no solo para un problema en particular, sino para los nuevos que surjan sin necesidad de hacer una nueva reconfiguración. Las soluciones encontradas fueron comparadas con otras técnicas de programación de la producción, encontrándose desempeños superiores en el makespan del orden del 30% al 164%. A methodology based on neural networks is proposed for solving the job shop-open shop scheduling problem. The job shop scheduling problem consist of defining the best order sequence to minimize the total processing time (makespan) or other relevant variables. 2everal intelligent techniques have been applied to solve this kind of problem. However, when reprogramming is required these techniques present practical difficulties since they require to be restructured to find a new solution. The proposed methodology trains the network by combining the processing times at each node, through transfer functions that are multiplied by weights obtained from the algorithm of network programming. The proposed neural network obtains solutions not only for a particular problem but also for new situations without requiring a problem reconfiguration. When compared with other techniques, the obtained solution showed a superior performance ranging from 30% to 164% in terms of the makespan.

El objetivo de este trabajo ha sido la mejora de la implementación de un toolkit de entrenamiento y evaluación de redes neuronales ya existente, incluyendo una versión en lenguaje CUDA para ser ejecutada en GPUs. El toolkit de partida utilizado en este proyecto se denomina "April" (acrónimo de "A Pattern Recognizer In Lua") y ha sido desarrollado con los lenguajes C++ y Lua por los directores de este proyecto final de carrera y permite entrenar redes neuronales artificiales de tipo feedforward utilizando el algoritmo de retropropagación del gradiente. El uso de bibliotecas de cálculo matricial, como la biblioteca MKL de Intel, junto al uso del modo de entrenamiento conocido como "bunch" permite acelerar de manera sustancial las etapas de evaluación y entrenamiento de estas redes, lo cual resulta casi imprescindible en la práctica cuando los experimentos reales requieren periodos de tiempo que van de varios días a varias semanas de CPU. A pesar de las características del toolkit original, resulta muy conveniente

Este artículo introduce la arquitectura de un CBM (mantenimiento basado en la condición) en una aplicación eléctrica. La detección de fallas de manera oportuna y eficiente constituye uno de los retos más importantes asociados al CBM y el enfoque basado en modelos en el medio para conseguirlo. Un caso de estudio en un motor sincrónico de imanes permanentes (PMSM) es ejecutado para ilustrar cómo el modelado es utilizado en la implementación de un CBM. El monitoreo fue implementado en tiempo real usando Matlab® y dSpace®. Se emplea como indicadora de falla la diferencia entre los valores de la componente secuencial negativa para las corrientes predichas usando una red neuronal multicapa y la corriente obtenida del motor. Resultados experimentales demostraron la efectividad del modelo propuesto en la detección de la falla de cortocircuito en el estator en distintos niveles de severidad y carga, obteniendo una confiabilidad en la detección mayor al 95%. This paper introduces condition-based maintenance (CBM) architecture regarding an electrical application. Appropriate and efficient fault detection constitutes one of the major challenges associated with CBM and a model-based approach constitutes the way to achieve it. A case study using a permanent magnet synchronous motor (PMSM) is presented to illustrate implementing CBM using a neural network motor model. CBM may be implemented in real time using Matlab and dSpace. The difference between line currents' negative sequence components, predicted by a multilayer neural network, and the current values acquired from the motor is used as fault indicator. Experimental results have shown the efficiency of the proposed model in detecting several stator winding short faults in differing load conditions and fault severity, obtaining up to 95% reliability.

El objetivo de este trabajo es realizar predicciones del tipo de cambio peso-dólar utilizando Redes Neuronales Artificiales (RNA´s), para lo cual la investigación se basó en determinar la relación existente entre los resultados obtenidos y los tipos de cambio vigentes en las fechas de estudio, determinar el tipo de red neuronal que más se adapta a la predicción de tipos de cambio y analizar el comportamiento de las variables de la RNA en el proceso de predicción de los tipos de cambio. Para lograr esto, utilizando el software Easy-NN-plus, seleccionamos información de doce variables económicas de 2005 que sirvieron como entrada a un sistema de redes neuronales, en el que la salida era el tipo de cambio. Una vez realizado el entrenamiento de la red y establecidos los valores de las variables de entrada para el proceso de predicción, se obtuvieron los valores del tipo de cambio para el primer mes de 2006; de esta forma, se realizaron dieciocho pruebas, utilizando diferentes combinaciones de variables. Los resultados obtenidos muestran márgenes de error bajos entre las predicciones y los resultados reales. The objective of the present work is to realize predictions of the type of change peso-dollar being used Artificial Neuronal Networks (ANR´s), for which, the investigation was based to determine the existing relation between the obtained results and the effective types of change in the dates of study, to determine the type of neuronal network that adapts more to the prediction of types of change and to analyze the behavior of the variables of the ANR in the process of prediction of the types of change. In order to obtain this, using software Easy-N-extra, we selected information of twelve economic variables of the year 2005 that served as entrance to a system of neuronal networks, in that the exit was the type of change. Once realized the training of the network and established the values of the variables of entrance for the prediction process, the values of the type of change for the first month of year 2006 were obtained; of this form, eighteen tests were realized, using different combinations from variables. The obtained results show to low allowable errors between the predictions and the real results.

En este trabajo se estiman modelos de corto plazo para pronosticar la inflación de bienes transables y no transables en Colombia. Estos modelos no existían en el Banco Central antes de 2004 y son de gran utilidad para la toma de decisiones de política monetaria. También se evalúan los beneficios, en términos de análisis y de capacidad pronóstico, de utilizar métodos que capturen la posible no linealidad de la curva de Phillips en los datos colombianos. Aunque existen diferentes razones que justifican una relación no lineal de corto plazo entre producto e inflación, cada una de ellas sugiere una forma diferente para la curva. Por esta razón, se utilizan redes neuronales artificiales (ANN) y los mínimos cuadrados flexibles (FLS), procedimientos que tienen la gran ventaja de que no imponen de antemano ninguna forma funcional que pueda sesgar los resultados. Una vez se hace la estimación de los modelos de inflación de transables y de no transables, se comparan los pronósticos de estos dos modelos no lineales con los de dos estimaciones lineales, se analizan las funciones de impulso respuesta de cada uno de los modelos y además se realiza una prueba de no linealidad. Se encuentra que la curva de Phillips en Colombia podría ser no lineal y por tanto, resulta pertinente considerar modelos no lineales para su estimación. Finalmente, con estos modelos se intenta explicar el proceso de desinflación que ha vivido la economía colombiana en los últimos años tanto en la inflación de transables, como en la de no transables. In this work models of short term are considered to foretell the inflation of transables and non transables goods in Colombia. These models did not exist in the Central bank before 2004 and are very useful for the decision making of monetary policy. Also the benefits are evaluated, in capacity and analysis terms prognosis, to use methods that capture the possible nonlinearity of the curve of Phillips in the Colombian data. Although different reasons exist that justify a relation nonlinear of short term between product and inflation, each one of them suggests a different form for the curve. Therefore, the flexible square minimums are used artificial neuronal networks (ANN) and (FLS), procedures that have the great advantage of which they beforehand do not impose any functional form that can slant the results. Once the estimation is made of the models of inflation of transables and of non transables, the prognoses of these two nonlinear models with those of two linear estimations are compared, the impulse functions are analyzed answer of each one of the models and in addition a test of nonlinearity is made. One is that the curve of Phillips in Colombia could be nonlinear and therefore turns out pertinent to consider models nonlinear for his estimation. Finally, with these models it is tried to explain the process of desinflación that has lived the Colombian economy in the last years as much in the inflation on transables, like in the one of non transables.

In this work, the development of a system for the processing of signals from a sensor array, based on artificial neural networks is presented. Simple applications are presented to show the performance and the potential of the proposed system. The implementation was tested with a sensoric array of gas sensors intended to identify vapors of different compounds. En este trabajo se presenta el desarrollo de un sistema para el procesamiento de señales provenientes de un arreglo sensórico mediante la implementación de redes neuronales artificiales. Ejemplos simples de aplicación se presentan para demostrar al potencialidad del sistema y su adaptabilidad a diferentes entornos.

En este trabajo se propone un procedimiento para la predicción de la cobertura y la tasa efectiva de transferencia de datos para transmisiones en espectro ensanchado en sus variantes de secuencia directa y salto de frecuencia, para cualquier edificación, a partir la predicción de la potencia recibida, la dispersión de retardo y el desvanecimiento rápido, usando una base de datos arquitectónica. Para ello se utiliza un modelo de trazado de rayos complementado con redes neuronales del tipo perceptrón multicapa. El procedimiento de predicción expuesto aquí fue aplicado con éxito en redes 802.11b en interiores, lográndose errores menores de 3dB en la predicción. In this paper a model to predict covering area and data through-put for direct sequence and frequency hopping spread spectrum systems, is described Previously is ipredicted the receive power, delay spread, and fast fading, using an architectonical database. With that purpose a ray-tracing model, with multilayer perceptron neural network complementation, is proposed. This model was applied to indoor 802.11 networks, where errors less than 1.3m, for covering area, and 14% for data through-pat are achived.

Aproximadamente el 80% de toda la información existente en el mundo corresponde a información georreferenciada. Esto crea una creciente necesidad de disponer de herramientas más flexibles, precisas y fáciles de usar para la visualización, exploración y clasificación de grandes volúmenes de datos geoespaciales. En esta investigación preliminar se comparan diferentes técnicas para representar y clasificar datos georreferenciados utilizando dos tipos de redes neuronales: mapas autoorganiztivos de Kohonen (SOM) y el método Gas Neuronal (NG). El estudio incluye dos tipos de análisis: visualización y clasificación. Para el estudio correspondiente a visualización se escogieron dos tipos de datos: En primer lugar se seleccionó una muestra de 23000 coordenadas (x,y,z) de una zona montañosa de Colombia con el objetivo de analizar la capacidad de cada uno de los métodos para modelar el terreno, es decir para presentar visualmente la forma del relieve. El segundo conjunto de datos corresponde a la población de cada uno de los 1090 municipios de Colombia (coordenadas x, y, y población total). El objetivo poder visualizar geográficamente la densidad poblacional de cada una de las regiones. Para el análisis de clasificación igualmente se seleccionaron dos conjuntos de datos: el primero corresponde a la codificación climática de los municipios de Colombia; el segundo a la clasificación de los municipios en su respectivo departamento. Para los casos de visualización, SOM mostró un mejor desempeño que NG, dándose el caso contrario para los ejemplos de clasificación. Approximately 80% of all existing information in the world correspond to geo-referenced information. This creates an increasing necessity to have tools more flexible, precise and easy to use to the visualization, exploration and classification of great volumes of geospatial data. Additionally its necessary achieve smaller times to process this kind of information. In this preliminary investigation, different techniques are compared to visualize and to classify geo-referenced data using two types of neuronal networks: Kohonen's maps (SOM) and the Neural Gas Method (NG). For the visualizaton cases, SOM showed a better performance than NG, ocurring the opposite case for the classification examples.