Search

En la era del Big Data, la abundancia de datos ofrece oportunidades sin precedentes para obtener información valiosa sobre el comportamiento y las actividades humanas. Este estudio se centra en el aprovechamiento de los datos recogidos de las aplicaciones móviles utilizadas por los estudiantes de una universidad local para identificar la ubicación de sus hogares y otros puntos de interés compartidos. A través de esta investigación, se pretende mejorar la comprensión de los patrones de movilidad dentro de las comunidades de estudiantes, proporcionando información valiosa para la toma de decisiones en la planificación del transporte y las cuestiones relacionadas con la movilidad en las zonas circundantes. Este artículo presenta una heurística a partir de clustering basado en densidades para detectar las ubicaciones de los hogares a partir de grandes volúmenes de datos, recopilados en tiempo real por una aplicación móvil. Los resultados demuestran una precisión satisfactoria, con potencial de mejora a medida que se adquieren datos adicionales, evidenciando un potencial de posibles aplicaciones y servicios futuros.

Se utilizan técnicas de reconocimiento de patrones para identificar hojas sanas y cuatro enfermedades de la planta del café Coffeea arabica. Las enfermedades son la roya del café, el minador de la hoja, phoma quema y Cercospora coffeicola. Para lograrlo, se ocuparon diferentes técnicas de segmentación, entre ellas Otsu, PCA y método de frontera global. Con el fin de obtener el vector de características, las imágenes se procesaron para extraer las características cromáticas, geométricas y textuales. Por último, se implementaron cuatro algoritmos de clasificación entre los que se encuentran support vector machine, random forest, Naive Bayes y redes neuronales artificiales backpropagation. La mejor precisión obtenida es del 83% con segmentación Otsu y clasificación con redes neuronales artificiales backpropagation.

In low-power hardware implementations for classification algorithms, it is often essential to use physical resources efficiently. In this sense, the use of modulo-M integer operations instead of floating-point arithmetic, can lead to better performance, especially when M represents the dynamic range of an arithmetic block of the Residue Number System (RNS) [1,2]. Following this premise, this work is aiming to provide a methodology for implementing a classifier, specifically a Support Vector Machine (SVM) [3], using modulo-M integers and proposing a method for the use of Residue Number System. [ABSTRACT FROM AUTHOR]

Copyright of HETS Online Journal is the property of Hispanic Educational Technology Services, Inc. (HETS) and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

This paper addresses the centrality of play and paradox for the emergence of symbol formation in the liminal space "between" the opposites that offer constraint on the analytic dyad. Complex Adaptive Systems theory is interwoven with Jungian ideas to consider the importance and, sadly, the diminishment of 'free play' globally. The possible relationship between the state of mind needed for 'free play' as similar to the state while in REM dream sleep is described. A clinical sandtray case provides grounding for the way that the implicit, procedural domain is relevant for shaping the interactions and patterns that emerge in the present moment that reflect both the past and the unfolding future. Amplification related to the patient's cultural background opened an understanding of imaginative engagement with family and friends in her history that revealed attachment alternatives. Further, Greek Hermes as a symbol of connection and paradox is offered along with Egyptian Nut and Seb who represent the need for space and the necessary differentiation that opens room for the flux and flow of creative energy within a system. [ABSTRACT FROM AUTHOR]

The use of technologies in the development of classroom activities contributes to improved educational quality in Higher Education, allowing raising learning results. The scientific problem lies in how to contribute to the identification of learning patterns generated through the Moodle platform. The analytical-synthetic, inductive-deductive, historical-logical, and systematization methods made it possible to identify techniques that allow us to recognize patterns stored in databases. The objective of this study is based on the analysis of the data obtained in the Moodle platform and its processing in Orange tool, using the CRIP-DM methodology. Neural networks were used to predict the final evaluation and the SHAP index to explain the model. It can be seen that the three most important attributes are related to the knowledge acquired and the level of effort. Questionnaires were applied to students, which answered using an indeterminate Likert scale that consists in the assessment of every question with five components instead of only one of them, so, responses are more indeterminate and accurate. [ABSTRACT FROM AUTHOR]

Uno de los canales en la interacción hombre-máquina es el uso de señales de electromiografía de superficie (SEMG), las cuales, a través de técnicas de procesamiento y clasificación de características pueden proporcionar comandos para controlar dispositivos de asistencia, proporcionar accesibilidad y rehabilitación en personas en situación de discapacidad. Por ello, las metodologías de procesamiento de las señales deben enfocarse en el uso de métodos avanzados que permitan una adecuada identificación de la intención de movimiento de los usuarios. En el presente artículo, se realiza un estudio comparativo de algoritmos de reconocimiento de patrones desarrollados en Matlab para movimientos de miembro superior, relacionados con movimientos de mano y muñeca en personas diestras. Para esto, se utilizó la base de datos pública NinaPro, que proporciona registros de SEMG, mientras un usuario ejecuta diversos movimientos. En total se evaluaron 10 sujetos, 5 hombres y 5 mujeres. El algoritmo desarrollado incluye etapas de preprocesamiento, extracción de características y clasificación de patrones. La etapa de extracción de características incluyó el cálculo de raíz media cuadrática (RMS) de la señal. Se implementaron cuatro métodos de clasificación (KNN, NB, LDA y SVM), los cuales realizan una identificación de ocho movimientos isométricos e isotónicos de mano y muñeca. Como métrica de evaluación se utilizó el porcentaje de clasificación. Además, se realiza un análisis de significancia estadística para determinar diferencias entre clasificadores y grupos poblacionales. Como resultados, se determina que el mejor clasificador implementado es el SVM con un porcentaje de clasificación superior al 90 %, encontrando diferencias significativas entre los resultados de los métodos. No obstante, se observa que los hombres presentan mejores resultados que las mujeres, de acuerdo con la métrica de evaluación.

Copyright of DYNA - Ingeniería e Industria is the property of Publicaciones Dyna SL and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Revista Cubana de Ciencias Informáticas is the property of Universidad de las Ciencias Informaticas (UCI) and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Este trabajo presenta los resultados de una comparación de tres modelos computaciones (reconocimiento de patrones, modelos ocultos de Markov y bolsas de características), para el reconocimiento de gestos por medio del procesamiento de señales biométricas, para un usuario con movilidad reducida. La evaluación involucra ocho gestos diseñados de forma participativa con un usuario con problemas de movilidad y se desarrolló mediante un esquema de validación cruzada, en el que se calcularon métricas de sensibilidad y precisión, para un conjunto de datos formado por diez repeticiones de cada gesto. Los resultados obtenidos permitieron concluir que las bolsas de características son el modelo con mejor desempeño para las dos métricas evaluadas. El modelo de tradicional de reconocimiento de patrones al usar máquinas de soporte vectorial mostró los resultados más estables y los modelos ocultos de Markov presentaron el desempeño más bajo.

El trabajo describe el proceso semi-asistido de desarrollo del estado del arte en investigación. Así, se presenta un prototipo de software basada en inteligencia artificial, un estudio de caso de un proyecto de doctorado y los resultados de una encuesta llevada a cabo a 40 estudiantes de maestría y doctorado, quienes reportan la utilidad de la herramienta. En el documento se presenta la arquitectura, la implementación del prototipo de software y un estudio comparativo con las herramientas existentes. Se discuten las potencialidades del proceso asistido por la herramienta y el impacto positivo que puede tener en la investigación, principalmente en el contexto colombiano. Así también se discuten las técnicas de inteligencia artificial implementadas, la escalabilidad de la herramienta y la facilidad de integrar nuevos análisis y visualizaciones.

Mexico is the main avocado (Persea americana Mill.) producer in the world; however, this fruit is susceptible to phytopathogenic fungi that reduce quality during postharvest. Therefore, the timely identification of these organisms using non-invasive tools, such as artificial intelligence analysis, is of interest to reduce economic losses. The objective of this study was to implement a machine learning model with a database of digital images of fruits collected in the field, by creating a convolutional neural network (CNN) classifier, training and validating it to identify healthy avocado cv. Fuerte fruits and fruits infected with scab (Sphaceloma perseae Jenkins) or anthracnose (Colletotrichum spp.) from the production area in the State of Morelos, Mexico. Healthy avocado fruits were collected in the field, as well as fruits with the scab and anthracnose from different orchards to generate a set of 569 digital images. Transformations of these increased the dataset to 3983 images. The CNN model was trained with a random partition of 80% of the images and validated for prediction with the remaining 20%. CNN achieved an overall correct classification accuracy of 80% with the validation set. In addition, the classifier was evaluated with a test set of 100 images not included in the original set and achieved an overall correct classification accuracy of 87%. The CNN deep learning classifier implemented in this study represents the feasible use of artificial intelligence for application in avocado disease identification from digital images at the postharvest stage. [ABSTRACT FROM AUTHOR]

La Lengua de Señas es el principal método alternativo de comunicación entre personas con discapacidad en el habla o en la escucha. Sin embargo, la mayoría de la población que no padece esta discapacidad no la comprende. Esto hace que la comunicación de las personas signantes con su entorno social sea casi imposible. En este trabajo se presenta un avance hacia la construcción de un sistema que pueda traducir palabras de la Lengua de Señas Mexicana mediante el reconocimiento de estas a partir de la trayectoria 3D del movimiento de las manos de signantes usando un sensor Kinect. Se construyó un corpus de 53 palabras considerando solo palabras de once campos semánticos. Con el objetivo de eliminar posibles inconsistencias y ruidos en el patrón extraído se usó la adición de puntos intermedios y el algoritmo KNN fue usado para el filtrado. Además, el método descriptor empleado divide el patrón en dos secciones de acuerdo con la cúspide de su trayectoria y mediante la media aritmética se obtienen las posiciones 3D representativas de ambas secciones. Del patrón general, se obtienen también su anchura, altura, profundidad y orientación. Para la clasificación de las palabras del corpus se usa una Red Neuronal Artificial de tipo Perceptrón Multi Capa. Esta red fue entrenada con el algoritmo de Backpropagation y para la validación del sistema reconocedor se realizó utilizando el método K-Fold Cross Validation. El porcentaje de precisión media alcanzado por esta implementación fue del 93.46%.

En este artículo indagamos acerca de los marcadores morfosintácticos y léxicos necesarios para la identificación de la estructura temática oracional en español. El estudio de caso que presentamos se enmarca en un proyecto más amplio, cuyo objetivo es la verificación empírica de la propuesta de la Teoría de la Progresión Temática, el diseño de un algoritmo para su anotación automática y la aplicación de este para la formalización del sentido de los textos.

el presente artículo expone el diseño de una arquitectura de red para reconocimiento de patrones orientada a la clasificación automática de dos tipos de peces: mojarra y tilapia. Se emplea una arquitectura basada en aprendizaje profundo mediante una red neuronal convolucional (RNC) para la cual se determina la base de datos a emplear y los diferentes hiperparámetros que la componen. Se logra obtener, mediante análisis por matriz de confusión, un desempeño del 100% de la red bajo las condiciones controladas el sistema de clasificación, es decir: color de banda transportadora uniforme y uso de luz día.

The protagonist of Satin Island (2015), a novel by British writer, essayist and artist Tom McCarthy, is a business anthropologist who is commissioned to generate a strange global report that "explains everything". Satin Island, thus, is a sort of Tristes tropiques of our time where the protagonist becomes a Lévi-Strauss 2.0 and his work an "Present-Tense Antropology". Based on this starting point, the novel gradually takes the form of an investigation on narratives and stories, on trends and ways of managing the tastes of contemporary society, which, in turn, connects in an explicit way with the artistic, aesthetic and literary theories of Tom McCarthy, close to the proposals of authors such as Simon Critchley or Hito Steyerl. In such theories, pattern recognition, apophenia and communication problems become fundamental keys to a political aesthetics. This article starts from McCarthy's artistic and narrative theories to answer a concrete question: what is the place of art and the human in a reality dominated by pattern recognition. [ABSTRACT FROM AUTHOR]

Objective: To evaluate a group of features in a myoelectric pattern recognition algorithm to differentiate between five angular positions of the wrist during flexion-extension movements. Materials and Methods: An experimental configuration was made to capture the EMG and wrist joint angle related to flexion-extension movements. After that, a myoelectric pattern recognition algorithm based on a multilayer perceptron artificial neural network (ANN) was implemented. Three different groups were used: Time domain characteristics, autoregressive (AR) model parameters, and representation of time frequency using Wavelet transform (WT). Results and Discussion: The experimental results of 10 healthy subjects indicate that the coefficients of the AR models offer the best parameters for classification, with a differentiation rate of 78 % for the five angular positions studied. The combination of frequency and time frequency resulted in a differentiation rate that reached 82 %. Conclusions: An algorithm based on pattern recognition of EMG signals was used to carry out a comparative study of groups of features that allow for the differentiation of the angular position of the wrist in terms of flexion-extension movements. The method has the potential for application in the field of rehabilitation engineering to detect the user's movement intent. [ABSTRACT FROM AUTHOR]

Hoy en día, las redes neuronales artificiales y el deep learning, son dos de las herramientas más poderosas del aprendizaje de máquina, que tienen por objetivo desarrollar sistemas que aprenden automáticamente, reconocen patrones, predicen comportamientos y generalizan información a partir de conjuntos de datos. Estas dos herramientas se han convertido en un potencial campo de investigación con aplicaciones a la ingeniería, no siendo la ingeniería biomédica la excepción. En este artículo se presenta una revisión actualizada de las principales aplicaciones de las redes neuronales y el deep learning a la ingeniería biomédica en las ramas de la ómica, la imagenología, las interfaces cerebro-máquina y hombre-máquina, y la gestión y administración de la salud pública; ramas que se extienden desde el estudio de procesos a nivel molecular, hasta procesos que involucran grandes poblaciones.

La presente tuvo como objetivo determinar la efectividad de aplicar visión artificial en reconocimiento de patrones para la clasificación de frutas en los agronegocios, para ello se ha empleado una base de datos con 50 registros de 6 variedades de frutas donde se consideró 4 características para cada fruta y una muestra de 20 frutas, así mismo se ha empleado la técnica reconocimiento automático de patrones por medio del clasificador bayesiano implementado en Octave, en el experimento se logró reconocer las frutas hasta en un 93.33% y errando en 6.67%. Concluyendo que si es efectivo aplicar la visión artificial en el reconocimiento de patrones para clasificar frutas.

Este trabajo usa imágenes de fluorescencia de células cancerígenas como para validación de resultados obtenidos por segmentación de imágenes de campo claro de células cancerígenas, ya que actualmente la validación consiste en la anotación manual de las imágenes originales. Se usó reconocimiento de patrones y se inició con preprocesamiento de muestras fluorescentes para asegurar la detección de células, considerando área y valores de intensidad. Al segmentar las imágenes de fluorescencia el núcleo de cada célula es detectado, con su forma original. Al calcular la densidad de cada imagen, estas pueden ser agrupadas de acuerdo a su valor de densidad y usadas para la detección de células en muestras de campo claro.

En el presente artículo se expone el entrenamiento de una Red Neuronal Convolucional (RNC) para discriminación de herramientas de uso común en tareas de mecánica, electricidad, carpintería y similares. Para el caso, se toman como objetivos de entrenamiento pinzas, destornilladores, tijeras y alicates, los cuales puedan ser identificados por la red, y permite dotarle a un brazo robótico la facultad de identificar una herramienta deseada - de entre las anteriores - para su posible entrega a un usuario. La arquitectura neuro convolucional empleada para la red presenta un porcentaje de acierto del 96% en la identificación de las herramientas entrenadas.

En la Geociencia las técnicas de Reconocimiento de Patrones encuentran un amplio campo de aplicación. El objetivo de la presente investigación fue identificar las litologías presentes en los acuíferos de la Cuenca Sur de la provincia Artemisa y Mayabeque, y en la Cuenca M-IV-2 de la provincia Matanzas, aplicando la técnica del Análisis Euclidiano de Agrupación sobre parámetros geofísicos de pozo con apoyo muy limitado de descripciones de núcleos. Fue aplicado también el Análisis de Componentes principales y el Análisis de Factores para estudiar la estructura de correlación del sistema de atributos originales. Los resultados obtenidos demuestran el cumplimiento del objetivo trazado y la efectividad de la metodología aplicada, logrando definir tres grupos litológicos básicos diferenciados por su desarrollo cársico y arcillosidad.

Currently, many applications require a precise localization of the objects that appear in an image, to later process them. This is the case of visual inspection in the industry, computer-aided clinical diagnostic systems, the obstacle detection in vehicles or in robots, among others. However, several factors such as the quality of the image and the appearance of the objects to be detected make this automatic location difficult. In this article, we carry out a systematic revision of the main methods used to locate objects by considering since the methods based on sliding windows, as the detector proposed by Viola and Jones, until the current methods that use deep learning networks, such as Faster-RCNN or Mask-RCNN. For each proposal, we describe the relevant details, considering their advantages and disadvantages, as well as the main applications of these methods in various areas. This paper aims to provide a clean and condensed review of the state of the art of these techniques, their usefulness and their implementations in order to facilitate their knowledge and use by any researcher that requires locating objects in digital images. We conclude this work by summarizing the main ideas presented and discussing the future trends of these methods.

Advances in three-dimensional (3D) acquisition systems have introduced this technology to more fields of study, such as archaeology or architecture. In the architectural field, scanning a building is one of the first possible steps from which a 3D model can be obtained and can be later used for visualisation and/or feature analysis, thanks to computer-based pattern recognition tools. The automation of these tools allows for temporal savings and has become a strong aid for professionals, so that more and more methods are developed with this objective. In this article, a method for 3D mesh segmentation focused on the representation of historic buildings is proposed. This type of buildings is characterised by having singularities and features in façades, such as doors or windows. The main objective is to recognise these features, understanding them as those parts of the model that differ from the main structure of the building. The idea is to use a recognition algorithm for planar faces that allows users to create a graph showing the connectivity between them, therefore allowing the reflection of the shape of the 3Dmodel. At a later step, this graph is matched against some pre-defined graphs that represent the patterns to look for. Each coincidence between both graphs indicate the position of one of the characteristics sought. The developed method has proved to be effective for feature detection and suitable for inclusion in architectural surveying applications.

The aim of this exploratory design science research (DSR) study was to design a computer-based teaching simulation tool (CBTST) for training medical imaging (MI) students in chest pattern recognition. A DSR methodology used in the design of the CBTST entailed the following phases: 1) awareness of the problem (proposal design); 2) suggestion; 3) development; 4) evaluation; and 5) conclusion. The CBTST was designed using Microsoft Visual Studio which operates on the Structured Query Language server. The designed CBTST was evaluated using the System Usability Scale (SUS) and MI educators. The designed CBTST evaluation yielded an average score of 70.1 which exceeded the score of 68 which is generally accepted to indicate that the CBTST has good usability. The CBTST proved to be an authentic tool that is user-friendly and allows communication and feedback between the educator and the students. It is envisaged that the implementation of this tool will enhance the future training of MI students in pattern recognition while contributing immensely to the current development of the use of computer-based simulation. [ABSTRACT FROM AUTHOR]

Nowadays, artificial neural networks and deep learning, are two of the most powerful machine learning tools, which aim to develop systems that learn automatically, recognize patterns, predict behaviors and generalize information from data sets. These two tools have become a potential field of research with applications to engineering, with biomedical engineering not being the exception. This article presents an updated review of the main applications of neural networks and deep learning in the areas of omics, imaging, brain-machine and body-machine interfaces, and the management and administration of public health; these areas extend from the study of processes at molecular level, to processes that involve large populations. [ABSTRACT FROM AUTHOR]

Copyright of Dilemas Contemporáneos: Educación, Política y Valores is the property of Dilemas Contemporaneos: Educacion, Politica y Valores and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Revista Perspectiva Empresarial is the property of Fundacion Universitaria Ceipa and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Los medicamentos son muy utilizados en el mundo actual, estos pueden causar alguna reacción adversa a medicamentos (RAM); al manifestarse en un paciente, el personal facultativo debe ser capaz de cambiar el medicamento por un sustituto con igual efectividad sobre la enfermedad. Esta tarea se realiza de forma manual, consultando el Formulario Nacional de Medicamentos, que no cuenta con la semejanza entre los medicamentos. Para poder identificarlas se utilizaron técnicas de Reconocimiento de Patrones, se agruparon los medicamentos según la RAM que causan, mediante el algoritmo de LC-Conceptual. Esta técnica permite conocer la semejanza que posee el medicamento causante de la RAM con el conjunto de medicamentos suplentes, atendiendo a la RAM que causan, facilitando la prescripción de los mismos.

El presente artículo busca analizar la seguridad estática del sistema, aplicando técnicas avanzadas de minería de datos que permitan evaluar los patrones de seguridad de un sistema eléctrico de potencia en un análisis de estado estacionario ante eventos de contingencia N-1. Los datos son obtenidos a través de flujos de potencia, para efectuar simulaciones de Monte Carlo con scripts desarrollados en Python. Usando el software de simulación DIgSILENT PowerFactory se analizan 10000 escenarios, lo que permite considerar la incertidumbre del sistema según la naturaleza probabilística del mismo. Se calculan los índices de seguridad estática del sistema para clasificar los tipos de contingencias como segura, críticamente segura, insegura y altamente insegura. La minería de datos es desarrollada mediante un algoritmo programado en lenguaje Python con el cual se realiza el diseño del clasificador tipo máquina de soporte vectorial multiclase (SVM Multiclass) el cual es entrenado para determinar si una contingencia es segura o insegura. Los parámetros del SVM fueron obtenidos mediante una optimización con un algoritmo de evolución diferencial (Differential Evolution). Los resultados de la validación del clasificador demostraron que la técnica es muy efectiva para clasificar nuevas contingencias. La metodología se aplica a un sistema de prueba IEEE de 39 barras.

Quality of ornamental plants relies on foliage and flower appearance and evaluation of such characteristics depends on people experience; therefore, more reliable scoring methods are needed. The objective of this research was to explore the usefulness of digital image segmentation with a probabilistic neural network (PNN) classifier from which quality indicators can be obtained for quantifying time-dependent ornamental characteristics. A petunia variety (Petunia multiflora cv. F1 'Glistering Pearls mixed') grown in pots in the Central High Valleys of Mexico was used as model. The variety includes a mixture of genotypes with flowers in many colors. The PNN classifier was trained and tested on six color classes (four flower classes, one foliage class and one background class). From image segmentation, six quality indicators were calculated. For the test sets, the best classification scenario whose inputs were a combination of some of the channels of RGB, CIE-Lab, CIEL* uv, HSV, and CMY color models reached an overall accuracy (OA) of 98% while it was 96% when using the RGB color model alone. The quality indicators identified differences on tends of plant quality associated to flower color. White-flowered plants had larger ground cover per plant and greater ratio of flower area to total plant area, as well as a lower roundness index. Pinkflowered plants had the lowest ground cover per plant and plant perimeter, while they had the largest roundness index. This approach allowed to identify different behaviors of the genotypes based on quality indicators, and it might be used for estimating the period this species keeps its exhibition quality. [ABSTRACT FROM AUTHOR]

This paper describes a process of semi-automatic systematic reviews in scientific research. On the one hand, it is presented a software prototype based on artificial intelligence, semi-automatic systematic reviews tool. On the other hand, a study case of a phd thesis project shows the maps and information with aggregate value. In addition, the software prototype were evaluated by 40 students of master and Ph.D projects, they report the utility of the software tool by a survey. This work presents the modules and functionalities, software architecture and software deployment. Furthermore, a comparative study of a set of similar software tools has been conducted according to the following criteria: input files, analysis and mapping, and software license. Finally, it is discussed the results of the comparative study, the implementation of artificial intelligence techniques, the software scalability and the easiness of include new analysis and maps. [ABSTRACT FROM AUTHOR]

Copyright of Revista Técnica Energía is the property of Centro Nacional de Control de Energia CENACE and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Dilemas Contemporáneos: Educación, Política y Valores is the property of Dilemas Contemporaneos: Educacion, Politica y Valores and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

This paper presents a research centered on the impact of muscle fatigue on a pattern recognition scheme for myoelectric control that uses three features sets and a Linear Discriminant Analysis classifier. Separability and repeatability between classes were used to evaluate the features changes while muscle fatigue was induced. Results show that while muscle fatigue is increasing over time, both separability and repeatability of the classes decrease. Finally two training schemes that use data acquired under fatigue, multiconditional training and selective classification, were evaluated using the Total Error Rate (TER). Results indicate that, when LDA classifier was trained whit no-fatigue, moderated fatigue and fatigue data, TER decreased for moderated and fatigue data, but increased for no-fatigue data. On the other hand, using three LDA classifiers for each of the condition, TER decreased to 9.26 % and 11 % in moderated fatigue and fatigue cases, while no-fatigue cases were not affected. [ABSTRACT FROM AUTHOR]

En este trabajo se presentan los resultados del diseño y desarrollo de un algoritmo basado en inteligencia artificial para el reconocimiento de patrones de vocablos del idioma español, utilizando Coeficientes Cepstrales en las Frecuencias de Mel o (MFCC), para representar el habla a través de la percepción auditiva del ser humano. La utilización de MFCC permitió caracterizar las señales de voz teniendo en cuenta el posible ruido presente en el ambiente de grabación, lo cual ayudo a la obtención de patrones comunes entre estas señales cuando presentan alteraciones. Como resultado se obtuvo un reconocimiento superior al 95% de las tres vocales escogidas, en este caso la /a/,/e/,/o/, entre un grupo de 22 muestras por vocal para el entrenamiento y 11 muestras para la validación. Las muestras fueron obtenidas de 11 personas, todas del género masculino.

Los aditivos químicos son ampliamente utilizados en la industria del petróleo; éstos varían de acuerdo al proceso tecnológico en los que están involucrados según su funcionalidad. En su caracterización se determinan un conjunto de propiedades físico-químicas para certificar que cumplen con las especificaciones de calidad establecidas. Los métodos de ensayo que se emplean son laboriosos, consumen tiempo y volúmenes de muestra. En el presente trabajo se demuestra la factibilidad de emplear los datos que se obtienen de la espectroscopia infrarroja de rango medio conjuntamente con los métodos de reconociendo de patrones para caracterizar dos aditivos: uno antiestático utilizado para la transportación y carga de combustibles y el otro un inhibidor de corrosión. Se utilizó el método de análisis por componentes principales para la exploración de los datos, con vistas a visualizar la presencia de agrupamientos de similar comportamiento en las muestras de estudio. Para el proceso de clasificación se utilizó el modelo blando independiente por analogías de clase, los diferentes modelos de pruebas se construyeron a partir de un conjunto de entrenamiento de muestras representativas. Para comprobar el desempeño de los mismos y minimizar los problemas relacionados con ajustes, se validaron a partir de conjuntos de muestras independientes. La sensibilidad y selectividad obtenidas en las etapas de entrenamiento y validación fueron iguales a 1; los modelos no presentaron errores de clasificación por lo que pueden ser utilizados para el control de calidad de los aditivos estudiados.