Palabras clave
aprendizaje máquina
redes neuronales artificiales
inteligencia artificial
Cómo citar
Resumen
El objetivo fue implementar una red neuronal artificial para mejorar el reconocimiento de figuras geométricas que permita posteriormente, hacer estimaciones sobre formas en un contexto real para crear planos virtuales. Se desarrolló un programa en Matlab para crear la red neuronal y se desarrolló dos bases de conocimiento que contienen quince figuras geométricas diferentes para la etapa de entrenamiento y para la etapa de reconocimiento. Los resultados de la fase de entrenamiento se realizaron en tres procesos obteniéndose porcentaje de 11.35%, 3.55% y 2% de margen error respectivamente, posteriormente vino la etapa de reconocimiento con tres procesos, obteniéndose 40%, 100% y 100% figuras reconocidas respectivamente. Se concluye que, la red neuronal
implementada realizó el reconocimiento de quince figuras geométricas (100%) de forma acertada necesitando tres procesos de entrenamiento y tres procesos de reconocimiento para constatar su aprendizaje.
Palabras clave: Reconocimiento de imágenes, Aprendizaje Maquina, redes neuronales artificiales, inteligencia artificial.
Citas
[2] J. L. Ramirez Arias, A. Rubiano Fonseca y R. Jimenez Moreno, «Object Recognition Through Artificial Intelligence Techniques,» Revista Facultad de Ingeniería, 2020.
[3] L. Sandoval, «ALGORITMOS DE APRENDIZAJE AUTOMÁTICO PARA ANÁLISIS Y PREDICCIÓN DE DATOS,» ITCA-FEPADE, vol. 11, nº 36-40, 2018.
[4] S. J. Russell y P. Norvig, Inteligencia artificial: un enfoque moderno, 2da Ed. ed., Nueva York: Pearson Education, 2004, p. 1212.
[5] G. Cheng y X. Dong, «From Chaos to Order: Methodologies, Perspectives, and Applications.,» World Scientific, 1198.
[6] F. Rosenblatt y C. Laboratory, The pertron: a theory of statistical separability in cognitive systems (Project Para).Cornell Aeronautical Laboratory, 1958.
[7] P. Werbos, «The Roots of Backpropagation: From Ordered Derivatives to Neural Networks and Political Forecasting,» 1994.
[8] I. A. Ruge Ruge y J. D. Alvarado, «Sistema basado en FPGA para la evaluación de redes neuronales orientadas al reconocimiento de imágenes,» Tecnura, vol. 17, nº 36, 2013.
[9] J. C. Herrera Perez, S. M. Medina Ortiz, G. E. Martinez LLanos, K. d. J. Beleño Saenz y J. S. Berrio Perez, «Clasificación de los frutos de café según su estado de maduración y detección de la broca mediante técnicas de procesamiento de imágenes,» Prospectiva, pp. 15-22, 2016.
[10] Q. Yang, «Classification of apple surface features using machine vision and neural networks.,» Computers and Electronics in Agriculture, vol. 1, nº 9, pp. 1-12, 1993.
[11] K. Nakano, «Application of neural networks to the color grading of apples,» Computers and Electronics in Agriculture, vol. 3, nº 18, pp. 105-116, 1997.
[12] H. F. Vega Huertas, «Redes neuronales para el reconocimiento de la calidad morfológica de mangos exportables para la empresa Biofruit del Perú S.A.C.,» Lima, 2011.
[13] H. P. Chan, S. C. B. Lo, B. Sahiner, K. Lam y M. Helvie, «Computer-aided detection of mammographic microcalcifications: Pattern recognition with an artificial neural network,» Med. Phys., nº 22, pp. 1555-1567, 1995.
[14] J. P. Balarini, S. Nesmachnow y M. ´Rodriguez, «Recognition Using Neural Networks over GPU,» CLEI Electronic Journal, vol. 15, nº 3, 2012.
[15] H. d. J. Mesa Yepes, J. W. Brancha Bedoya y C. Lopez Amaya, «Sistema de detección de esquinas en imágenes digitales en tonos de gris, basado en redes neuronales artificiales,» Revista Avances en Sistemas e Informática, pp. 195-200, 2008.
[16] R. Pino, A. Gómez y N. Abajo, Introducción a la Inteligencia Artificial: Sistemas Expertos, Redes Neuronales Artificiales y Computación Evolutiva, España: Universidad de Oviedo, 2001.
[17] G. A. Figueredo Avila y J. A. Ballesteros Ricaurte, «Identificación del estado de madurez de las frutas con redes neuronales artificiales, una revisión,» Revista Ciencia y Agricultura (Rev Cien Agri), vol. 13, nº 1, pp. 117-132, 2016.
[18] R. Hernandez Sampieri, C. Fernández Collado y P. Baptista Lucio, «Metodología de la Investigación,» McGraw-Hill (4ta Ed.), México, 2008.
[19] A. Gilat, Matlab.Una introducciòn con ejemplos prácitcos, Barcelona: Revertè S.A., 2005.
[20] J. González, J. Lez, M. Coaut y V. Hernando, Redes neuronales artificiales: Fundamentos, modelos y aplicaciones.,
Addison-Wesley Iberoamericana, , 1995.
[21] E. Cabello Pardos, «Técnicas de reconocimiento facial,» 2012.
[22] J. Carrasco Ochoa y J. Martinez Trinidad, «Reconocimiento de patrones,» Komputer Sapiens, pp. 5-9, 2011.
[23] T. Morimoto y Y. Hashimoto, «An intelligent control for greenhouse automation, oriented by the concepts of SPA
and SFA - an application to a post-harvest process,» Computers and Electronics in Agriculture, pp. 179-194, 2000.
