PREGUNTAS

1. Qu es cinemtica inversa?
Es la tcnica que permite determinar el
movimiento de una cadena de
articulaciones para lograr que un actuador
final se ubique en una posicin concreta. El
clculo de la cinemtica inversa es un
problema complejo que consiste en la
resolucin de una serie de ecuaciones cuya
solucin normalmente no es nica.
2. Cules es el objetivo de la cinemtica
inversa?
El objetivo de la cinemtica inversa es
encontrar los valores que deben tomar las
coordenadas articulares del robot para que
su extremo se posiciones y oriente segn
una determinada localizacin espacial.
3. A qu se llama una cadena rgida?
Es una figura animada se modela con un
esqueleto de segmentos rgidos
conectados con las articulaciones
4. Cul es el desafo de la investigacin
actual es crear entornos que permitan?
Integrar todas las tcnicas
Introducir seres humanos
Dar sensacin de realidad
5. Cul es el desafo de la investigacin
actual?
Es crear entornos que permitan:
Integrar todas las tcnicas
Introducir seres humanos
Dar sensacin de realidad
6. Qu partes de Inteligencia Artificial se
usan?
Algoritmos genticos.
Redes Neuronales
7. En la actualidad donde se usa la
cinemtica inversa, mencione algunos
rea industrial
Cine

Parque automotor

Balotario - Clustering Avanzado Grupo 1

1. Que servicios se epsera que tenga un
Cluster?
a. Alto rendimiento
b. Alta disponibilidad
c. Balanceo de carga
d. Escalabilidad
2. Que es el Aprendizaje No supervisado?
Es un mtodo de Aprendizaje Automtico
donde un modelo es ajustado a las
observaciones. Se distingue del
Aprendizaje supervisado por el hecho de
que no hay un conocimiento a priori. En el
aprendizaje no supervisado, un conjunto
de datos de objetos de entrada es tratado
3. Diga 3 caracteristicas del aprendizaje no
supervisado
a. No necesitan de un profesor externo
b. Muestran cierto grado de Autoorganizacin
c. La red descubre en los datos de entrada
y de forma autnoma: caractersticas,
regularidades, correlaciones y categoras
4. Que tcnicas utiliza el aprendizaje no
supervisado
Clustering
Visualizacin
Reduccion de la Dimensionalida
Extraccion de Caracteristicas

Jerarquicos
No Jerarquicos
Parametricos
No parametricos
7. Que es el Algoritmo K-Means
k -means es un mtodo de agrupamiento,
que tiene como objetivo la [particin [de
un
conjunto]] n en k grupos en el que cada
observacin pertenece al grupo ms
cercano a
la media
8. Escriba la formula general del algoritmo
K-Means
Dado un conjunto de observaciones (x1, x2,
, xn), donde cada observacin es un
vector real de d dimensiones, k-means
construye una particin de las
observaciones
en k conjuntos (k = n) S = {S1, S2, , Sk
dentro de cada punto.
}. A fin de minimizar la suma de los
cuadrados
9. Describir la complejidad delAlgoritmo
K-Means
Complejidad O(kmdI), donde:-I es el
nmero de iteraciones,-m el nmero de
objetos,-d es el costo de computar una
distancia (depende del nmero de
dimensiones) Si la base de datos no cabe
en RAM tenemos que hacer I lecturas de la
base de datos.

5. Cuales son los objetivos del Clustering

El objetivo de sta tarea es obtener grupos
o conjuntos entre los elementos, de tal
manera que los elementos asignados al
mismo sean similares.
Lo importante del agrupamiento respecto a
la clasificacin es que son precisamente los
grupos y la pertenencia a los grupos lo que
se quiere determinar y a priori, no se sabe
ni como son los grupos ni cuantos hay.
6. Que mtodos utiliza el Clustering

10. Mensione algunas aplicaciones donde

se utrilice Clustering
a. Filtro de Imgenes K-Means
b. Apicacion RapidMiner
c. Support Vector Machine Clasification

RECONOCIMIENTO DE CARACTERES A
TRAVS DE REDES NEURONALES

neuronas, y la segunda capa tiene 28

neuronas;

1.- QUE ES EL RECONOCIMIENTO DE

CARACTERES?

5.- COMO SE ELIGE LA ESTRUCTURA A

USAR EN UNA RED NEURONAL (N DE
CAPAS, N DE NEURONAS POR CAPA)?

El Reconocimiento ptico de Caracteres

(ROC), o generalmente como
reconocimiento de caracteres, es un
proceso dirigido a la digitalizacin de
textos, los cuales identifican
automticamente a partir de una imagen
smbolos o caracteres que pertenecen a un
determinado alfabeto, para luego
almacenarlos en forma de datos, as
podremos interactuar con estos mediante
un programa de edicin de texto o similar.
2.- COMO ES LA ESTRUCTURA DE UNA
RED NEURONAL SEGN LOS NIVELES DE
NEURONAS?
Se pueden presentar tres tipos de capas
diferentes:
De entrada: estas capas reciben la
informacin desde el exterior.
De Salida: estas envan la informacin hacia
el exterior
Ocultas: son capas que solo sirven para
procesar informacin y comunicar otras
Capas.
3.- MENCIONE LOS 3 MODELOS MAS
USADOS EN EL RECONOCIMIENTO DE
CARACTERES?
Modelo del Perceptron Monocapa
Modelo de Propagacion
Inversa(Backpropagation)
Modelo de Hopfield
4.-CUAL ES LA ESTRUCTURA BASICA DEL
MODELO DE PROPAGACION INVERSA
PARA RESOLVER RECONOCIMIENTO DE
CARACTERES ALFABETICOS (A-Z)?
La red consta de 35 entradas, una para
cada elemento de la cuadrcula que
representa el smbolo ingresado; tiene 28
salidas para representar a las letras.
La estructura est formada por dos capas,
la primera entonces formada por 35

Bsicamente se elige la estructura segn la

aplicacin y sobre todo en base a la
experiencia que se obtiene al probar
distintas configuraciones y parmetros
(prueba y error).
6.- COMO ES EL ENTRENAMIENTO EN EL
MODELO DE PROPAGACION INVERSA?
Para la Red de Propagacin Inversa el
aprendizaje es de tipo supervisado, esto es
el conjunto de entrenamiento debe constar
tanto de las entradas como de las salidas
deseadas correspondientes. Para el
entrenamiento se intercala las letras puras
(A...Z) con las letras con ruido (Ar...Zr)
7.- COMO ES EL ENTRENAMIENTO EN EL
MODELO DE HOPFIELD?
Una de las principales caractersticas de
esta red es de utilizar aprendizaje no
supervisado, por lo tanto, no requiere del
conjunto de entradas y de salidas
deseadas; lo nico que necesita para su
entrenamiento son los puntos de equilibrio
o las salidas deseadas.
8.- DESCRIBA LA COMPLEJIDAD EN LA
IMPLANTACIN DEL MODELO DE
HOPFIELD
La implantacin es simple debido al tipo de
entrenamiento, una vez hecha la
estructura de datos correspondiente solo
resta por encontrar una buena
configuracin de patrones de
entrenamiento.
9.- CUL ES EL CONSUMO DE RECURSOS
COMPUTACIONALES DEL MODELO
BACKPROPAGATION?

El consumo es alto debido a la fase de

entrenamiento, la cual requiere n
iteraciones hasta que la red converja.
10.- CMO ES LA COMPLEJIDAD EN LA
IMPLANTACIN DEL MODELO DE
BACKPROPAGATION?
Es compleja ya que se requiere un tiempo
considerable debido a la metodologa
prueba y erros para la determinacin de la
cantidad de capas ocultas, nmeros de
neuronas en las mismas y valor de los
factores de aprendizaje.
11.- CMO SE CALCULA LA TAZA DE
ERROR EN EL ALGORITMO
BACKPROPAGATION PARA EL
RECONOCIMIENTO DE CARACTERES?
Mediante la formula: ep2: Error medio
cuadrtico para cada patrn de salida=
Error en cada neurona de la capa de salida
12.- MENCIONE DOS FACTORES QUE
AFECTAN LA EFICIENCIA DEL ALGORITMO
BACKPROPAGATION PARA EL
RECONOCIMIENTO DE CARACTERES
El algoritmo de Backpropagation se ve
afectado en su eficiencia por el calculo del
error cuadrtico medio y el proceso de
balanceo de carga entre los nodos de la red
neuronal.

ALGORITMOS GENTICOS
Qu hace a un algoritmo evolutivo un
algoritmo gentico?

Por qu el cdigo gray es recomendado

en el uso de representaciones basadas en
codificacin binaria?

Todo algoritmo gentico es considerado

tambin un algoritmo evolutivo, pero
aparte de las
caractersticas de este ltimo, un algoritmo
gentico tambin contiene operadores de
reproduccin especiales especficos, cruce
y mutacin.

En el cdigo Gray los valores adyacentes

difieren en slo un bit.

Cul es la diferencia entre genotipo y

fenotipo?

S es posible, porque en caso se hayan

encontrado soluciones aceptables estas
deben conservarse para evitar la
posibilidad de degeneracin de los nuevas
soluciones.

Genotipo es la codificacin de una solucin

particular, fenotipo es la decodificacin de
esa solucin particular.
Cul es la diferencia entre un cromosoma
y genotipo?
El cromosoma es la estructura donde se
almacena un genotipo, y este es una
codificacin particular para una solucin
particular.
Si la probabilidad de mutacin se
incrementa al 100%, el AG empezar a
comportarse como si la probabilidad de
mutacin fuera del 0%. Por qu ocurre
esto?
Si el cromosoma muta, por lo general unos
pocos bits son cambiados de manera tal
que la solucin varia un poco. Pero si todos
los bits en el cromosoma son mutados
(debido al 100% de probabilidad), entonces
la cadena del cromosoma es invertida. Eso
provoca que no exista mutacin sino
inversin, que provocar que la poblacin
degenere rpidamente. Lo mismo que
ocurre cuando no existe mutacin (su
probabilidad es de 0%).
Es posible utilizar un algoritmo gentico
para problemas cuya funcin de fitness
genera valores negativos?
S es posible, adecuando la funcin para
obtener valores positivos.

Es posible que en alguna poblacin

obtenida en un tiempo t permanezcan
genotipos de poblaciones anteriores? Por
qu?

En el mejor de los casos cundo un

algoritmo gentico debera detenerse?
Debera detenerse cuando en las nuevas
poblaciones haya convergencia hacia un
genotipo similar, esto es, cuando las
soluciones converjan a la solucin ptima
global.
Cuales son los trabajos que realiza el
operador de cruce.
La idea del cruce y El mecanismo del cruce.
Un algoritmo gentico simple que produce
buenos resultados en muchos problemas
prcticos se compone de tres operaciones.
Mencinelos
Reproduccin
Cruce y
Mutacin.
Que modelo de Algoritmo Gentico
Paralelo su caracterstica mas importante
es el uso de mltiples poblaciones y la
migracin de individuos entre ellas.
Los algoritmos de grano grueso.
Mencione el procedimiento del el
algoritmo gentico adaptativo.

 Poblacin inicial
Operadores genticos
Bsqueda local iterativa utilizando en
escalada mtodo GA loop.
Aplicar la heurstica para la regulacin
adaptativa parmetros GA (es decir, las
tasas
de cruce y los operadores de mutacin).
Condicin de parada

Computacin natural y Redes complejas

1. Cuales son las caractersticas de la
computacin natural

Lineales : autosimilitud perfecta

Complejos: autosimilitud estadstica
Caticos: autosimilitud estadstica
7. Cuales son los tipos de Redes Complejas

Colectividad y la interactividad
Es dinmica en el tiempo
Se encuentran patrones emergentes
Complejidad
Bucles de retroalimentacin

Redes aleatorias
Redes de pequenhos mundos
Redes de libre escala
8. Que es la vitalidad en una red compleja

2. Mencione 4 campos dentro de la

simulacion y emulacion de la naturaleza
Fractales
Teora del Caos
Redes Complejas
Vida Artificial
3. En la computacin natural, que es un
modelo
Es la abstraccin de sistemas del mundo
real o la implementacin de una hiptesis
para investigar cuestiones particulares para
describir los procesos y sistemas.
4. Caractersticas de la inteligencia de
enjambre
Estudia el comportamiento colectivo y
descentralizado de sistemas
Compuesta por una poblacin de agentes
simples
Cada agente esta preocupado con su
propio papel
Vuelan en un espacio n-dimensional
Las partculas recuerdan sus:
Coordenadas actuales Velocidad actual
5. Mencione 4 algoritmos de inteligencia
de enjambre
Optimizacin de colonia de hormigas
Optimizacin enjambre de partculas
Algoritmo de colonia de abejas
Optimizacin Enjambre de Lucirnagas
Cada inteligente de gotas de agua
6. Segn la clasificacin de los fractales,
que similitud poseen ?

Es una medida estructural de una red

complejaDetermina que tan importante es
un nodo para un grafo Esta determinado
por el numero de conexiones que tiene un
vrtice en el grafo
9. En la inteligencia de enjambre
(partculas), cada partcula tiene acceso a:
Su posicin actual
Su velocidad actual
Mejor posicin encontrada de una
partcula en una vecindad
Su aptitud
Mejor solucin obtenida por la vecindad
10. Donde se encuentra almacenada la
informacin en las redes complejas
La informacin se encuentra almacenada
en:
Nodos
Aristas
Mtricas de la red
Modelamiento de la red

DATA MINING
Qu es minera de datos?
Es un conjunto de tcnicas provenientes de
la Inteligencia Artificial y la Matemtica
Compleja, cuya finalidad, en el ambiente
empresarial, es la de encontrar en grandes
bases de datos patrones ocultos, no
triviales e imposibles de detectar mediante
otros mecanismos estadsticos; para luego
extraer dicha informacin, la cual puede
convertirse en el activo ms importante de
una empresa a la hora de toma de
decisiones y encarar futuras estrategias de
negocios.
Mencione al menos 4 tcnicas de minera
de datos
Redes neuronales
rboles de decisin
Regresin logstica
Algoritmos genticos
Mtodo del vecino ms cercano
Regla de induccin
Agrupamiento o Clustering
Qu tipo de informacin se puede
producir con la minera de datos?
Cules son las fases de la minera de
datos?
1. Determinacin de Objetivos
2. Pre procesamiento de los Datos
3. Determinacin del Modelo
4. Anlisis de los Resultados
En qu consiste la etapa de
Determinacin de objetivos en la
minera de
Trata de la delimitacin de los objetivos
que el cliente desea bajo la orientacin del
especialista en data mining.
En qu consiste la etapa de pre
procesamiento de los datos en la minera
Se refiere a la seleccin, la limpieza, el
enriquecimiento, la reduccin y la
transformacin de las bases de datos. Esta
etapa consume generalmente alrededor
del setenta por ciento del tiempo total de
un proyecto de data mining.

En qu consiste la etapa de
Determinacin del modelo en la minera
de datos
Se comienza realizando unos anlisis
estadsticos de los datos, y despus se
lleva a cabo una visualizacin grfica de los
mismos para tener una primera
aproximacin. Segn los objetivos
planteados y la tarea que debe llevarse a
cabo, pueden utilizarse algoritmos
desarrollados en diferentes reas de la
Inteligencia
En qu consiste la etapa de Anlisis de
los resultados en la minera de
Verifica si los resultados obtenidos son
coherentes y los coteja con los obtenidos
por los anlisis estadsticos y de
visualizacin grfica. El cliente determina si
son novedosos y si le aportan un nuevo
conocimiento que le permita considerar
sus decisiones
Qu tipos de anlisis se pueden realizar?
Hay muchas opciones, dentro de las cuales
hay dos grandes categoras.
Aprendizaje supervisado:
Cuando se quiere encontrar el
patrn/conjunto de datos/variables que
explican a una variable (por ej. qu
variables nos permiten predecir que un
candidato ser de alto desempeo en la
tarea)
Aprendizaje no supervisado:
Anlisis de datos para encontrar "grupos"
de acuerdo a similitudes en las variables
(podra ser encontrar los "segmentos" de
empleados, como lo hace marketing
cuando quiere identificar los segmentos de
clientes).
Mencione tipos de algoritmos de minera
de datos
Algoritmos de clasificacin
Discretos Continuos
Algoritmos de segmentacin
Algoritmos de regresin
Algoritmos de asociacin
Algoritmos de anlisis de secuencias

PREGUNTAS
1. Qu es un sistema inteligente hibrido?
Es aquel sistema que est formado por
diferentes subsistemas, cada uno mantiene
independencia al momento de inducir
soluciones a problemas dados.
2. Cul es el objetivo principal de los
sistemas inteligentes hbridos?
El objetivo principal es mejorar la eficiencia
y potencia de razonamiento que puede dar
un sistema inteligente aislado.
3. Enumere los modelos de integracin de
los sistemas inteligentes hbridos?
Modelos independientes
Modelos fuertemente acoplados
Modelos totalmente integrados
4. Qu es una arquitectura de agentes?
Es una metodologa particular para
construir agentes. Especifica como el
agente puede ser descompuesto en un
conjunto de mdulos componentes y como
estos mdulos pueden interactuar.
5. Qu es un agente?
Un agente es todo aquello que puede
percibir el ambiente mediante sensores y
responder en tal ambiente mediante
actuadores. Se definen un agente como un
sistema de computacin capaz de actuar
de manera autnoma y flexible en un
ambiente dinmico, impredecible y abierto
6. cules son las arquitecturas de los
agentes?
Arquitecturas reactivas
Arquitecturas deliberativas
Arquitecturas hbridas
7. Cules son las Caractersticas de un
agente?
a) autonoma, capacidad de funcionar sin
intervencin directa de humanos o de
otros agentes, ya que poseen el control de
sus acciones y estado interno
b) reactividad en el sentido de percibir su
entorno y responder a los cambios que se
producen en el mismo

c) capacidad social ya que interactan

mediante un formalismo de comunicacin,
con humanos u otros agentes con la
finalidad de ejecutar las tareas para las
cuales fueron diseados
d) pro-actividad dada la capacidad para
exhibir un comportamiento dirigido por
objetivos.
8. Describa la arquitectura hibrida y sus
ventajas
La propuesta de arquitectura hbrida se
fundamenta en la estructura propia de los
agentes inteligentes, por considerar que
estos son elementos que combinan
diferentes tcnicas que interactan entre s
y con el medio externo.
Los agentes tienen una arquitectura
basada en la interaccin de varios mdulos
con un sistema de realimentacin que
permite su mejor desempeo interno, as
como la medicin y adaptacin de las
acciones de acuerdo con el efecto de ellas
sobre el medio.
9. Beneficios con la hibridacin basada en
agentes
La utilizacin de Agentes nos da la facilidad
el poder modificar parte del ambiente en
cualquier momento sin degenerar a los
otros agentes ya que estos trabajan de
manera independiente a travs de
mdulos separados, pero si dependiente
del punto de vista de los datos usan unos
de los otros.
10. cules son los aspectos formales en la
comunicacin de los agentes
Tres aspectos formales en la comunicacin
entre agentes son los siguientes:
la sintaxis (cmo se estructuran los
elementos de comunicacin),
la semntica (cul es el significado de los
elementos)
pragmtica (cmo se interpretan los
elementos)

Redes Neuronales aplicadas al

reconocimiento de rostros
1.- Cuales son las etapas del
reconocimiento de patrones?
Adquisicin de datos.
Preprocesamiento.
Extraccin de caractersticas.
Reconocimiento.
2.-Cuales son los requisitos de una buena
representacin de patrones?
Tasa de compresin de datos alta.
Buena capacidad discriminatoria.
Invariancia frente a transformaciones de
los datos.
Robustez frente al ruido.
3.-Que es Una RNA?
Una RNA (REDES NEURONALES
ARTIFICIALES) puede ser considerada como
un grafo dirigido yponderado. Cada uno de
sus nodos representa a una neurona
artificial. Si el arco esde entrada, llevar
asociado en cada momento un valor o peso
(grafo ponderado).Dependiendo de las
caractersticas adicionales del grafo
resultante se establecendiferentes
clasificaciones
4.- Que es Clustering?
El clustering o agrupamiento es una tarea
conocida tambin como clasificacin no
supervisada de patrones. A diferencia del
reconocimiento de patrones, no existen
etiquetas prefijadas de antemano para las
diversas clases. El sistema de por si es
quien extrae las caractersticas
diferencindolas entre clases, y, por lo
tanto, fija las fronteras entre nubes de
puntos.
5.-Cuales son los factores de la capacidad
de generalizacin de los clasificadores,
clsicos o basados en RNA?
Nmero de patrones de entrenamiento.
Las densidades condicionales presentes
en los datos.
La complejidad del clasificador.

6.-Cuales son las etapas de el

reconocmiento de rostros ?
Preprocesamento de la imagen.
Extraccin de caractersticas.
Alguna forma de entrenamiento.
7.- Cuales son las principales formas de
representar imagenes digitalmente ?
representar imgenes digitalmente,
formato vectorial y formato rster
8.-Cuales son los valores que puede
tomar los pixeles en RBG?
En RGB,cada pxel tendr 3 valores de
colores, uno para Red, otro para Creen y
otro para Blue que corresponde a su color
9.-El color de un pxel puede ser
representado de tres maneras:?
Color indexado (indexed-color):
Escala de grises (grayscale):
Color verdadero (truecolor):
10.-Que significa MSB y LSB)
(MSB, Most Significant Byte) al menos
significativo (LSB, Less Significant Byte)
11- Cuales son los objetivos de Un
sistema de reconocimiento de patrones?
Identificar el patrn como miembro de
una clase ya definida (clasificacin
supervisada).
Asignar el patrn a una clase todava no
definida (clasificacin no supervisada,
agrupamiento o clustering).
12.-Cuales son los pasos del algoritmo de
propagacin?
1. Inicializar todos los pesos y umbrales de
la red con valores aleatorios pequeos.
2. Dar como entrada a ia red el primer
patrn p del conjunto de entrenamiento e
inicializar el ET a cero.
3. Realizar la evaluacin de la red.
4. Obtener el error de la red Ep y acumular
este error en ET.
5. Ajustar los pesos (Wji) de la red
aplicando la siguiente regla (regla delta
generalizada):

BALOTARIO DE PREGUNTAS
RECONOCIMIENTO DE VOZ
1. Cuntas formas de reconocimiento de
voz existen?
Hay dos formas de reconocimiento por voz:
una dependiente del texto (modo
limitado) y otro independiente del texto
(modo ilimitado). En un sistema que
utiliza discurso dependiente del texto, el
individuo presenta una frase fija
(contrasea) o una frase programada
dentro del sistema ("Por favor diga
los nmeros: 33-54-63") que mejora la
performance especialmente con
usuarios que cooperan. Un sistema
independiente del texto no posee ningn
conocimiento a priori del fraseo de quien
se presenta y es mucho ms flexible
en situaciones en las que el individuo que
est dando la muestra no est al
tanto de la toma o que no desee cooperar,
lo que presenta un desafo an ms
2. Cules son las principales reas de
trabajo en el campo del procesado de
Codificacin sntesis y reconocimiento
3. Cuales son los principales problemas
en un sistema de dialogo?
Reconocimiento robusto del habla
extraccin de la informacin semntica de
las frases gestin del dialogo generacin de
respuestas y sntesis de voz.
4. En que se clasifica los sistemas de voz
segn el objetivo del reconocimiento
Reconocimiento de palabras aisladas
(Isolated Word Recognition).
Reconocimiento de palabras clave
(Keywords Recognition).
Reconocimiento de habla conectada o
continua (Conected or
Continuous Speech Recognition).
5. Cul es el principal objetivo del
sistema Vocoders?
El objetivo principal de un vocoder es
codificar solo las caractersticas

perceptivas importantes de la voz, con la

menor cantidad de bits que el comn
de los codificadores.
Debido a esto, los vocoders son utilizados
en aplicaciones de limitado ancho de
banda, donde otras tcnicas no pueden
aplicarse.
6. Cules son algunas de las principales
aplicaciones de Vocoders?
Grabacin de mensajes almacenados (Ej.
Nmero equivocado).
Encriptacin de voz en transmisin por
lnea telefnica.
Salida de audio de un computador o
mquina.
Sintetizadores musicales y
experimentacin electrnica del sonido.
7. En qu consiste el proceso de Sntesis
de Voz?
El proceso de sntesis de voz dota a las
mquinas de la capacidad de producir
mensajesorales no grabados
previamente,tomando como entrada
cualquier texto, los sistemas de sntesis de
voz realizan el proceso de lectura de forma
clara e inteligible y con una voz lo ms
natural humana posible. La sntesis de
voz conforma la interfaz oral de
comunicacin entre una mquina y el
usuario
8. En qu consiste el proceso de Analisis
de Voz?
El anlisis de la seal de voz es el primer
paso necesario en cualquier sistema
basado en tecnologas del habla. Dejando
de un lado las tcnicas clsicas de
anlisis de la seal de voz, la investigacin
bsica est encaminada al estudio
de nuevas representaciones tiempofrecuencia y su aplicacin al anlisis de la
voz, la utilizacin estadstica de orden
superior y su aplicacin en algoritmos
de reduccin y cancelacin de ruido, la
utilizacin de modelos auditivos para
la representacin de la seal de voz en
sistemas de reconocimiento del habla,
as como el desarrollo de algoritmos de
deteccin de voz/silencio, pitch y

9.Cules son los software especializados

y ms comerciales en el reconocimiento
de voz?
- ViaVoice de IBM y
- Dragon Naturally Speaking de Dragon
Systems
10. Mencione algunas caractersticas de
ViaVoice de IBM
Permite crear documentos sin necesidad
de teclear.
Se puede dar formato al texto a travs de
sencillas rdenes habladas.
Dispone de un analizador de la voz que
aumenta la precisin del dictado.
Permite escuchar los documentos sin
necesidad de leerlos.
Busca palabras nuevas en documentos
existentes y las aade al vocabulario
personal.
11. Como es el uso de la redes neuronales
para el reconocimiento de voz
Se utilizan los siguientes parmetros:
Parametros de entrada a la red
Vector de caracteristicas
Parametros de salida
12. Mencione algunas aplicaciones
Android basadas en el reconocimiento de
voz
- Cyberon Voice Commander
- Voice Action Plus
- Bsqueda en la Web: Bsqueda por voz
de Google
- Geolocalizacin, cartografa: Google Maps
Navigation

PREGUNTAS VISION ARTIFICIAL (GRUPO

N 6)
1. Qu colores al ser combinados forman
el espectro blanco,

Un sistema de iluminacin
La lente de la cmara

y cuales forman el espectro negro?

Un procesador de imagen, ordenador o

cmara inteligente

Los colores producidos por luces (en el

monitor, televisin, cine,

Una interfaz para notificar el resultado

del anlisis a un

etc.) tienen como colores primarios, al

rojo, el verde y el azul

operador.

(RGB) cuya fusin, crean y componen la luz

blanca.
El color magenta, el cyan y el amarillo son
los colores bsicos de
las tintas que se usan en la mayora de los
sistemas de impresin.
La mezcla de los tres colores primarios
pigmento en teora debera

5. Enumere y explique la clasificacin del

ruido.
Gaussiano: Produce pequeas
variaciones en la imagen;
generalmente se debe a diferentes
ganancias en la cmara,
ruido en los digitalizadores, perturbaciones
en la transmisin.

producir el negro.

Impulsional (sal y pimienta): el valor que

toma el pxel no

2. Enumere cuales son los modelos de

color.

tiene relacin con el valor ideal, sino con el

valor del ruido que

Modelo RGB

toma valores muy altos o bajos (puntos

blancos y/o negros)

Modelo CMYK
Modelo HSI

causados por una saturacin del sensor o

por un valor mnimo

3. Qu modelo de color usa el ser humano

para interpretar

captado, si se ha perdido la seal en ese

punto.

los colores de su entorno?

Multiplicativo: La imagen obtenida es el

resultado de la

Usamos el modelo HSI, puesto que

nosotros describimos los

multiplicacin de dos seales.

colores en su tono (H), saturacin (S) y su

brillo o intensidad (I).

6. Explique acerca de los tres conceptos

bsicos que se usan

4. Cules son los componentes de un

moderno sistema de

para la segmentacin de una imagen.

visin?

Similitud: los pxeles agrupados del

objeto deben ser similares

respecto algn criterio (nivel de gris, color,

borde, textura,....).
Conectividad: los objetos corresponden a
reas de pxeles

una regin.
8. Enumere las estrategias para la eleccin
de un umbral
ptimo

con conectividad. Las particiones

corresponden con regiones

Ajuste gaussiano.

continuas de pxeles.

Minimizacin de la varianza interclase.

Discontinuidad: los objetos tienen formas

geomtricas que

Entropa del histograma.

Anlisis de la concavidad.

definen unos contornos. Estos bordes

delimitan unos objetos de

Mtodos basados en momentos.

otros.

9. En qu consiste el cdigo de cadena?

7. Completa con respecto a las tcnicas

basadas en los bordes

Es una de las tcnicas utilizadas en la

extraccin de contornos

Transformada de Hough: Este algoritmo

trata de detectar

de imgenes a las cuales se les ha aplicado

un procedimiento

formas geomtricas sencillas en una

imagen.

de segmentacin, es la del seguimiento de

contornos para su

La umbralizacin es una tcnica de

segmentacin ampliamente

codificacin.

utilizada en las aplicaciones industriales.

10. Cul es el objetivo de la aproximacin

poligonal?

Al aplicar un umbral, la imagen de niveles

de grises quedar

El objetivo de una aproximacin poligonal

es captar la esencia de

binarizada.

la forma del contorno con un polgono del

menor nmero posible

La segmentacin por histograma es una

tcnica global que se

de lados.

basa en considerar una definicin clara de

los objetos respecto

11. A qu se le llama firma? De un

ejemplo.

del fondo

Una firma es una representacin funcional

unidimensional de un

La segmentacin orientada a las regiones

est basada en los
criterios de similitud y continuidad de los
pxeles que forman

contorno y se puede generar de varias

formas.

Una de las ms simples es representar la

distancia desde el centro
al contorno como una funcin del ngulo.
12.Enumere y describa los enfoques de un
sistemas de
reconocimiento
Heursticas: Esta metodologa es la que
hace uso de la
experiencia y la intuicin humana.
Matemticas: Este tipo de metodologa
hace uso de las
propiedades comunes de los patrones y se
basan en las reglas
de clasificacin formuladas en un marco
matemtico.
Lingsticas: Las tcnicas de este tipo
reducen un objeto
(habitualmente ya binarizado) a un
conjunto de elementos
estructurales o primitivas.
Redes neuronales: Las redes neuronales
se parecen al
reconocimiento estadstico, pero la
implementacin es muy
diferente; el modo de anlisis implica la
configuracin de una
red de neuronas artificiales y el
entrenamiento de la red para
determinar su interaccin.