PDF de programación - Sistemas Inteligentes en Ingenieria

Imágen de pdf Sistemas Inteligentes en Ingenieria

Sistemas Inteligentes en Ingenieriagráfica de visualizaciones

Publicado el 19 de Mayo del 2017
1.553 visualizaciones desde el 19 de Mayo del 2017
8,1 MB
66 paginas
Creado hace 7a (04/06/2012)
Sistemas Inteligentes en Ingenieria

Antonio Morán, Ph.D.

El Ser Humano es Inteligente

Tiene Capacidad Para:

Aprender
Razonar

Intuir
Mejorar

Es Capaz de Trabajar
en Forma Autónoma

Diseño de Sistemas Inteligentes

Sistema Inteligente

Autónomo Hace su trabajo por si solo.

Aprende

Adaptivo

Robusto

Conoce objetivos. Los consigue.
Aprende de la experiencia.
Mejora cada vez.
No repite errores.
Se adapta a situaciones diferentes.
Responde en situaciones no previstas
Buena perfomance aun si cambian
las condiciones

Inteligencia Artificial y
Sistemas Inteligentes

Como representar

artificialmente la inteligencia

del ser humano

Máquinas Inteligentes
Materiales Inteligentes
Software Inteligente

Anestesista en Operación

Presión
arterial

Nivel

adrenalina

Cantidad
anestesia

Anestesista en Operación

Presión
arterial

Nivel

adrenalina

Sistema
Suministro
Automático
Anestesia

Cantidad
anestesia

Suministro de Insulina

Paciente

Inyección de
insulina cada

6 horas

Suministro de Insulina

Nivel
Glucosa

Nivel

adrenalina

Sistema
Suministro
Automático

Insulina

Cantidad
Insulina

Robot Inteligente

Diseño de Sistemas

Inteligentes

Redes Neuronales

Lógica Difusa

Algoritmos Genéticos

Redes Neuronales

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

usando datos de entrada y salida

Procesamiento No-Lineal
Procesamiento Paralelo
Auto-ajuste en Tiempo Real

Capacidad para Optimizar
Capacidad para Aprender

Pedro

Cerebro

Pedro

y = Φ(x)

Cerebro

Dos

y = (x)

Redes Neuronales

Ingeniería

Economía

Medicina

Procesamiento de señales, imágenes
Modelamiento y control de sistemas
Diagnósticos
Reconocimiento de patrones
Detección de fallas
Pronósticos
Estimaciones

Predictor de Petróleo en Pozos

Suelo

50 m

400 m

Predictor de Petróleo

Pozo 1 42 55 14 2 56 42

Tem Hum Ca Su Tem Hum Ca Su Petróleo
12 1 1

Pozo 2 39 62 20 4 54 40

18 1 0

Pozo 3 33 31 36 1 51 40

31 2 0

..
..

Pozo 50 45 51 19 5 60 48

21 3 1

..

Predictor de

Petróleo

Análisis de Riesgo en Entidades Finacieras

Persona 1 Persona 2 Persona 3

Edad 39 35 40
Ingres/mes 2000 2500 1800
Esposa (trabaja) 1 0 0
Número de hijos 1 2 3
Casa propia 0 1 1
Casa (lugar) 2 3 1
Carro (año) 1998 1988 2000

Pagó préstamo 1 0 1

Análisis de Riesgo en Entidades Finacieras

Data

Riesgo

Estimador de

1.0
0.7
0.5
0.2
Función matematica de varias

entradas y una salida

Red Neuronal

Tipos de Redes Neuronales

y = Φ(x)

Código de una

persona

Cara de la
persona

0101001101
Diez dígitos

Matriz de 20x20

y = Φ(x)

Código de una

persona

Cara de la
persona

0
1
0
1
0
0
1
1
0
1

Vector de

10 x 1

0
0
0
0
0
0
0
0
1
0


1
1
0
0
1
0
1

Vector de
400 x 1

Red Neuronal

Entrenamiento de la Red Neuronal

Inicio

Después de 1,000
etapas

Después de 10,000
etapas

¿Qué es el Entrenamiento?

y

y

x

x

y = ax + b

y = ax + bx + c

2

Sistema de Reconocimiento de Números

Matriz de 9 x 6

Sistema de Reconocimiento de Números

0
0
1
0
0
0
0
0
0
0



0
1
0
0
0
0
0
0
0
0

1
0
0
0
0
0
0
0
0
0
10 Salidas

0
0
0
0
0
0
0
0
0
1

9 x 6 = 54
Entradas

Sistema de Reconocimiento de Números

0
1
0
0
0
0
0
0
0
0

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

Detección de Anomalías Cardiacas

Detección de Anomalías Cardiacas

Normal

Fibrilosis auricular

Fibrilosis ventricular

Quistemia

Red Neuronal

620 puntos de un periodo

620
Entradas

0
1
0
0

0
0
1
0

1
0
0
0
0
0
1
0
4 Salidas

Validación con Señales Cardiacas Ruidosas

Red Neuronal

620
Entradas

0
1
0
0

0
0
1
0

0
1
0
0
0
0
1
0
4 Salidas

Reconocimiento al 90% en señales de ruido bajo y medio

Reconocimiento al 70% en señales de ruido alto

Detección y Diagnóstico de

Enfermedades

Compresora de Imágenes Neuronal

Imagen

Imagen

Compresora de Imágenes Neuronal

Lima

Miami

Compresor

Expansor

Aplicaciones de Redes

Neuronales en Robot Móviles

Auto-Conducción de Vehículos

Auto-Posicionamiento y
Esquivameinto de Obstáculos

Automóvil que se Conduce Solo

Robots en Minería

Robots en Minería

Autoconducción de

Vehículos

Autoconducción de Vehículos

Estructura de Control

x*
y*


Vehículo

x
y


Trayectorias con Neuro-Control

Trayectorias con Neuro-Control

Robot Móvil que Esquiva Obstáculos

Obstáculos

Posición
Final

Posición
Inicial

Robot móvil que
esquiva obstáculos

Gracias por su atención !

amoran@ieee.org
  • Links de descarga
http://lwp-l.com/pdf3595

Comentarios de: Sistemas Inteligentes en Ingenieria (0)


No hay comentarios
 

Comentar...

Nombre
Correo (no se visualiza en la web)
Valoración
Comentarios
Es necesario revisar y aceptar las políticas de privacidad