Examinando por Materia "Redes neuronales artificiales"
Mostrando 1 - 20 de 28
Resultados por página
Opciones de ordenación
Publicación Acceso abierto Aplicación de redes neuronales artificiales en la toma de decisiones del control de inventarios en una PYME(Universidad del Valle, 2025) Vargas Niño, James Adolfo; Gonzalez Velasco, JuliánLa gestión y control de inventarios es uno de los problemas más críticos en las pequeñas y medianas empresas (Pymes), por lo tanto, las decisiones en este ámbito requieren de estrategias que simplifiquen y fortalezcan su papel como actores fundamentales de la economía de un país. Este trabajo analiza la aplicación de las Redes Neuronales Artificiales (RNA) como alternativa para optimizar dichos procesos en una Pyme. La investigación parte de las limitaciones de los métodos tradicionales, que aunque ofrecen cierta utilidad, resultan insuficiente frente a escenarios de alta variabilidad de la demanda, practicas manuales ineficientes, restricciones presupuestales y resistencia al cambio organizacional. Estas condiciones generan riesgos de desabastecimiento o sobreacumulación de inventarios, afectando la eficiencia y competitividad. El estudio se desarrolló en cinco fases: Diagnostico del entorno empresarial, evaluación del nivel de madurez, selección de técnicas de gestión de inventarios, implementación de RNA y validaciones en un caso de estudio. Este enfoque permitió caracterizar las condiciones reales de la organización y demostrar el potencial de las RNA en la toma de decisiones.Publicación Acceso abierto Aplicativo de detección vehicular para apoyar el sistema de detección actual mediante la utilización de UAV(Universidad del Valle, 2022) Ordóñez Hiles, Andrés Felipe; Jaramillo, CiroPara las grandes ciudades la toma de información vehicular se ha convertido en una necesidad constante para cosas como comprender la dinámicas viales, seguridad vial y control vehicular entre muchos otros usos, sin embargo obtener dicha información usualmente requiere de infraestructura costosa y procesos complejos; por consiguiente, en el presente proyecto se desarrolló una metodología para la identificación de vehículos particulares y su posición respecto a la vía mediante el uso de fotogrametría aérea por UAV, el trabajo esta divido en la selección del hardware, selección de los escenarios, detección vehicular y de las posiciones de la placa, extracción de caracteres de la placa, generación de resultados y validación. El UAV utilizado fue un phantom 4 pro v2, la red neuronal utilizada fue una YOLOv4 y se usó un extractor de caracteres tesseract OCR, se obtuvo una precisión media de 87% en la detección de clases para la red neuronal y del 100% para la extracción de caracteres de la placa además de posiciones con errores centimétricos. La metodología planteada es un acercamiento para los sistemas de detección vehicular autónomos mediante UAV que pueden apoyar otras tecnologías existentes.Publicación Acceso abierto Una aproximación práctica a las redes neuronales artificiales.(2017-08-28) Caicedo Bravo, Eduardo Francisco; López Sotelo, Jesús AlfonsoCONTENIDO: Generalidades sobre redes neuronales artificiales -- Redes neuronales perceptron y adaline -- Perceptron multicapa y algoritmo backpropagation -- Red neuronal de Hopfield -- Mapas auto-organizados de Kohonen -- Red neuronal de Base radial (RBF).Publicación Acceso abierto Clasificación de granos de café usando FPGA.(2011-10-13) Hernández, Jorge; Prieto, FlavioEste artículo presenta el desarrollo de un sistema para la clasificación de granos de café, según la etapa de maduración, utilizando redes neuronales artificiales (RNAs). Como herramienta de clasificación se utilizaron dos estructuras de RNAs, perceptrón multi-capa (MLP) y el modelo de red neuronal basado en bloques (BBNN). La estructura MLP fue diseñada e implementada sobre C++ usando el algoritmo de aprendizaje con retro-propagación del error. Para aumentar la velocidad de ejecución de la RNA se implementó bajo dispositivos electrónicos utilizando su paralelismo natural. El modelo BBNN consiste en un arreglo bidimensional de bloques fundamentales y pesos enteros, dirigidos a la fácil implementación sobre dispositivos electrónicos configurables como los arreglos de compuerta programable por campo (FPGAs). La optimización de la estructura usa un algoritmo genético. Esta estructura ha sido implementada y sintetizada sobre la tarjeta Altera Flex 10K FPGAs. El porcentaje de efectividad para la estructura MLP fue 91.7% y para el modelo BBNN fue 89.5%.Publicación Acceso abierto Clasificación de zonas propensas a movimientos en masa como fuente de materiales para avenidas torrenciales en la Cuenca del Río la Paila (Corinto-Cauca) mediante inteligencia artificial(Universidad del Valle, 2022) Paruma Vásquez, Eimy Dayana; Gutiérrez Rondón, Jhonatan Alexander; Ospina Ostios, Lina; Alfonso-Morales, WilfredoLos fenómenos naturales (FN) son eventos que pueden afectar un territorio sin importar su ubicación o su desarrollo económico, relacionándose directamente con los factores condicionantes y detonantes inherentes a la zona donde se presentan. Colombia por su topografía, el clima y su ubicación geográfica, es un país propenso a la ocurrencia de diferentes FN como los movimientos en masa (MM). Adicionalmente, si a dichas condiciones se le suman variables políticas, económicas y sociales que dificultan el acceso a los territorios como los comprendidos por la cuenca del río La Paila (municipio de Corinto, Cauca), se hace imperativo desarrollar metodologías que permitan dotar a las comunidades de instrumentos que mejoren su capacidad de respuesta ante la posible ocurrencia de MM. El presente trabajo de grado desarrolla una metodología basada en técnicas de inteligencia artificial, las cuales permitieron predecir la ocurrencia o ausencia de un MM considerando tanto los factores condicionantes (geología, usos del suelo y pendientes) como los detonantes (precipitaciones). Se observó una buena correlación entre las variables analizadas como lo muestra la curva de aprendizaje, la cual tuvo una tendencia a estabilizarse y la precisión se mantuvo por encima del 80 % en la mayoría de épocas definidas en el entrenamiento. Aunque el modelo construido arrojó una validación de entrenamiento óptima y la validación de los resultados con un AUC de 0.98 para predicciones con 10 días de anticipación; los resultados cartográficos presentan inconsistencias espaciales debido a la escala de los datos utilizados para el entrenamiento y las predicciones. Se concluye que si bien las variables usadas presentan una alta correlación para la identificación de posibles MM, se hace necesario mejorar la escala de los datos fuente buscando que la precisión cartográfica de los resultados mejore y así su comportamiento espacial muestre patrones físicos acordes al fenómeno estudiado.Publicación Acceso abierto Desarrollo de una herramienta para identificar la presencia de baches en vías asfálticas, utilizando técnicas de percepción remota e inteligencia artificial(Universidad del Valle, 2025) Caicedo Guarama, María del Pilar; Hernández, Francisco LuisLos baches constituyen una de las patologías más comunes y estudiadas del pavimento a nivel mundial, afectando la seguridad, los costos de transporte y la calidad de vida en países como Estados Unidos, Reino Unido, India y Japón (Koch & Brilakis, 2011; HemaMalini et al., 2021; Chitale et al., 2020). La aparición de estas fallas, asociadas a procesos de infiltración de agua, fatiga del pavimento y tráfico pesado, ha impulsado el desarrollo de sistemas automatizados de inspección basados en visión por computador y aprendizaje profundo. En este contexto global, Colombia no es la excepción, presentando un deterioro vial significativo y afectaciones recurrentes para los usuarios (Gil, 2023; INVIAS, 2022). Por lo anterior, teniendo en cuenta el crecimiento de las tecnologías y el aumento de investigaciones relacionadas con la inteligencia artificial, machine Learning y Deep Learning enfocadas a la detección de objetos; se propone el desarrollo de una aplicación web llamada GeoBach para el reconocimiento de baches en vías asfálticas por medio del uso de modelos de redes neuronales convolucionales (CNN). El objetivo de esta aplicación web es facilitar el proceso de inspección visual para la detección de baches en pavimentos asfálticos a través de la toma de fotografías con VANT; así mismo permite llevar un registro de estos con coordenadas donde fueron capturadas las imágenes, con el conteo de baches, medidas en metros y con la capacidad de descargar la información por medio de un archivo de tipo CSV. Para el desarrollo de este trabajo, se hizo uso de React que permitió desarrollar el frontend de la aplicación de la mano con el principio DRY (Don’t Repeat Yourself); el backend se construyó con Python y FastAPI, facilitando la gestión de solicitudes por parte del usuario. La aplicación resultante llamada GeoBach se encuentra conectada con un modelo de detección de YOLOV7 Tiny resultante de un proceso de doble entrenamiento, el primer modelo se entrenó con un dataset más robusto en comparación con el segundo que fue utilizado con el propósito de ajustar el modelo a características más específicas; finalmente como resultado se obtuvo un mAP @0.5 del 70.7%, una recuperación (recall) de 69.7% y una precisión del 70.17%.Publicación Acceso abierto Detección de defectos mecánicos internos láminas de CFRP basada en un clasificador tipo RNA y el algoritmo de contraste CTFF(Universidad del Valle, 2016) Ospina Muñoz, Jhoan David; Restrepo Girón, Andrés David; Morales, Wilfredo AlfonsoLas técnicas de ensayo no destructivo en la industria están en constante evolución, ya que permiten examinar los materiales sin alterar de forma permanente las propiedades físicas, químicas o mecánicas. Adicionalmente, las técnicas de ensayo termográfico no destructivo, permiten estimar la calidad de manera rápida, sencilla y sin contacto. Desde este enfoque, se plantea detectar los defectos en láminas de plástico reforzado con fibra de carbono (CFRP) aplicando Redes Neuronales Artificiales como clasificador de una secuencia de imágenes IR usando características de contraste obtenidas a través de la técnica de compensación térmica de fondo mediante filtrado (CTFF). Los resultados obtenidos en este estudio demuestran que la técnica CTFF resultó ser más efectiva en la clasificación de defectos en las láminas CFRP usando una arquitectura feedforward con algoritmo de entrenamiento de entropía cruzada con softmax. Con una topología de 17 neuronas en la capa oculta, para la secuencia de 157Hz se obtuvo un porcentaje de clasificación 96.4% y una sensibilidad de 96.16%; mientras que con 12 neuronas en la capa oculta, para la secuencia de 90Hz se obtuvo un porcentaje de clasificación de 98.6% y una sensibilidad de 98.13%.Publicación Acceso abierto Diseño de un algoritmo de redes neuronales artificiales para la elaboración de planes de acondicionamiento físico personalizados.(Universidad del Valle, 2020) Rivera Bedoya, Luis Alejandro; Sanchez Zapata, Carlos Alberto; Loaiza Acuña, EdwinEl presente trabajo evidencia la colaboración de ingenieros industriales con expertos en las ciencias de la salud con el objetivo de diseñar un algoritmo de redes neuronales artificiales para la elaboración de planes de acondicionamiento físico personalizados para los usuarios de un centro de acondicionamiento físico de la ciudad. A través del método Delphi, se obtuvieron las variables de entrada para el algoritmo luego de realizar con los expertos un listado con los datos relevantes que se deben tener en cuenta para diseñar adecuadamente un plan de acondicionamiento. Además, se diseñó un formulario y se seleccionó una población objetivo para la recolección de datos de variables. Posteriormente, se diseñó el algoritmo de redes neuronales con las variables de entrada seleccionadas y con base en la estructura básica de un plan de acondicionamiento físico y la prescripción de ejercicios, además de los datos recolectados de la población objetivo de variables, así como de un segundo formato con el cual se recolectó información de las rutinas de ejercicios y la percepción de los individuos luego de ejecutarlas. Estos datos sirvieron para alimentar y activar el mecanismo de aprendizaje del algoritmo. Por último, se validó el funcionamiento del algoritmo por medio de una prueba piloto, diseñando planes para una población diferente y recolectando los datos de su percepción, así como la de los expertos. En conclusión, la correcta selección de las variables, la forma de recolección de la información y la definición del mecanismo de aprendizaje del algoritmo, fueron la base del éxito del algoritmo, el cual arrojó resultados positivos en cuanto a la elaboración de planes de acondicionamiento físico personalizados, de acuerdo con la percepción de los individuos de la prueba piloto.Publicación Acceso abierto Diseño de un sistema de pronósticos en redes neuronales artificiales para la demanda de acumuladores de plomo en una empresa del sector autopartes(Universidad del Valle, 2015) Jiménez Canticus, Leidy Johana; Quijano Echeverry, Andrés Felipe; Díaz Pacheco, Raúl AntonioLos pronósticos son esenciales en toda organización para la toma de decisiones debido a que influyen en el logro de los objetivos de diversas áreas como la producción, mercadeo, inventarios, compras, entre otros. Por lo tanto, este trabajo estudia la aplicabilidad de las redes neuronales artificiales como método para la estimación del pronóstico de la demanda, como una alternativa que ha demostrado en diferentes investigaciones tener mejor desempeño que los métodos tradicionales de series de tiempo. La investigación se desarrolla en una empresa catalogada como pequeña, que se dedica a la fabricación de acumuladores de plomo o baterías que actualmente no tiene un sistema de pronósticos establecido, seleccionando tres referencias comercializadas por la empresa. Se propone una metodología de perceptrón multicapa entrenado mediante el algoritmo de backpropagation y simulado en el software MATLAB R2014a utilizando como variable de estudio la demanda de cinco años. Los métodos de promedio móvil, suavización exponencial simple y suavización exponencial doble son evaluados seleccionando el de mejor desempeño según los indicadores de precisión para cada referencia. Las señales de rastreo de errores acumulados y suavizados son utilizadas para monitorear el desempeño de la metodología en redes neuronales y de las series de tiempo, obteniendo que los métodos tradicionales de series de tiempo aplicados en las tres referencias se encuentran fuera de control, indicando la presencia de errores no aleatorios asociados al método de pronóstico. Sin embargo, en la metodología de redes neuronales se obtiene que los pronósticos están bajo control demostrando la capacidad de obtener buenas predicciones en comparación a los otros métodos. Finalmente, se obtiene una notable reducción del error cuadrático medio de las redes neuronales en comparación a los métodos tradicionales de series de tiempo, concluyendo que las redes neuronales artificiales constituyen un buen método para la predicción de la demanda al ser capaz de adaptarse con precisión a los cambios de tendencia y la importancia de monitorear los métodos de pronostico a través del uso de señales de rastreo para mantener bajo control los parámetros que componen el sistema de pronóstico.Publicación Acceso abierto Diseño e implementación de un sistema en un solo chip para la navegación y reconocimiento de señales de tránsito en un sistema robótico móvil.(2013-09-20) Giraldo, Juan J.; Estrada, Eliud; Pineda, Diego F.; López, AlexanderDado que los accidentes de tránsito son una de las causales más relevantes de muertes a nivel mundial, este artículo pretende sustentar el diseño de un sistema en un solo chip (SoC), que tiene la capacidad de reconocer algunas señales de tránsito, obstáculos y las líneas blancas que delimitan una carretera en un escenario controlado, proporcionando una perspectiva a futuro para la implementación de pilotos automáticos en automóviles reales que ayuden a disminuir los índices de accidentalidad. El SoC opera sobre un FPGA (Field Programmable Gate Array) con el propósito que los algoritmos de alta velocidad de procesamiento sean implementados en hardware, y los algoritmos de baja velocidad sean implementados en software. Por lo tanto se desarrollaron diversos módulos hardware para la captura de video, pre-procesamiento de imágenes y control del balance de blancos para la captura de video. También se diseñaron algoritmos en software, tales como navegación, visión artificial estereoscópica y el reconocimiento inteligente de las señales de tránsito, conformando un conjunto de procesos que son administrados por un sistema operativo en tiempo real (RTOS). Los resultados del SoC se obtuvieron a partir de simulaciones de una plataforma robótica navegando en una carretera controlada y diseñada a pequeña escala.Publicación Acceso abierto Estimación del rendimiento del cultivo de arroz inundado en etapas tempranas del crecimiento mediante aprendizaje automático e imágenes capturadas con RPAS(Universidad del Valle, 2025) Giraldo Mejía, Fernando Andrés; Rincon-Romero, Mauricio; GRUPO DE INVESTIGACIÓN EN SIMULACIÓN Y MODELACIÓN DINÁMICA ESPACIAL, GISMODELEl siguiente proyecto tiene por objetivo estimar el rendimiento del cultivo de arroz inundado en etapas tempranas del crecimiento, empleando imágenes multiespectrales capturadas a baja altura con RPAS y modelos MultiLayer Perceptron (MLP). Esta investigación se llevó a cabo en una parcela de arroz inundado, ubicada en el municipio de Jamundí (Colombia), en la cual se sembró la variedad FEDEARROZ 2020. El proyecto se estructura metodológicamente en tres partes: Recolección de datos: Comprende la instalación de puntos de control en campo, la captura periódica de imágenes multiespectrales mediante RPAS y la recolección de muestras de arroz. Procesamiento de datos: Consiste en el tratamiento de las imágenes multiespectrales para generar los ortomosaicos, su recorte según los polígonos de las muestras de arroz y el cálculo de índices de vegetación. Además, incluye los procesos de desgrane, secado y pesado de las muestras de arroz para determinar los valores reales de rendimiento. Al finalizar esta etapa, se obtiene el conjunto de datos necesario para la modelación. Modelación: Consiste en la construcción de modelos de predicción del rendimiento del cultivo de arroz inundado, utilizando validación cruzada LOOCV y ajuste de hiperparámetros para optimizar su desempeño. Los resultados obtenidos muestran que el mejor periodo de tiempo para estimar el rendimiento del cultivo de arroz inundado es entre los 66 y 80 días después de la germinación. El modelo con el coeficiente de determinación más alto (58.7%) se obtuvo a los 80 días durante la etapa de espigamiento, mientras que el modelo que se obtuvo a los 66 días, durante la etapa de embuchamiento, logró un valor muy cercano a la producción real de la parcela, con una subestimación del 2,86%.Publicación Acceso abierto Estudio de la transferencia de masa en estado estacionario con agitación del sistema agua - alcohol polivinílico a través de una celda de ultrafiltración asistida por polímeros (PEUF) que utiliza una membrana de polietersulfona(Universidad del Valle, 2025) Benítez Cancimance, Johnny Fernando; Lemos Vidarte, Laura Catalina; López Vélez, José SebastiánEn este trabajo, se determinaron experimental y teóricamente los coeficientes de transferencia de masa del agua en un sistema de ultrafiltración asistida por polímeros (PEUF), usando una membrana de polietersulfona y alcohol polivinílico (PVA) como polímero modelo. Se evaluaron cuatro concentraciones de PVA (60, 80, 100 y 120 mM) y cuatro velocidades de agitación (150, 250, 350 y 450 RPM), observando que el aumento de PVA reduce el flujo por mayor viscosidad y formación de una capa límite, mientras que la agitación incrementa el flujo al disminuir dicha capa, aunque este efecto es menor a altas concentraciones de PVA. Teóricamente, se aplicó una correlación basada en los números de Sherwood, Reynolds y Schmidt para estimar el coeficiente de transferencia de masa, la cual mostró buena concordancia con los datos experimentales a bajas concentraciones de PVA, pero limitaciones a concentraciones elevadas. Además, se implementó una red neuronal artificial para predecir el coeficiente experimental de transferencia de masa, logrando un error cuadrático medio (MSE) de 1.12×10⁻⁶ y un 𝑅² > 0.95, lo que evidencia su utilidad para describir sistemas complejos, aunque su alcance se limitó a la predicción de datos experimentales y no al ajuste de la correlación teórica.Publicación Acceso abierto Evaluación de la sequia en el departamento de Nariño mediante el índice estandarizado de precipitación evapotranspiración(SPEI) utilizando inteligencia artificial.(Universidad del Valle, 2021) Triana Madrid, Juan Camilo; Carvajal Escobar, Yesid; Ocampo Marulanda, CamiloLa sequía es un evento climático extremo de la naturaleza, que ha aumentado gradualmente en su duración, frecuencia e intensidad debido al cambio climático. Debido a esto, los estudios de la sequía han incrementado en los últimos años con el fin de caracterizar, comprender, mitigar y reducir los impactos negativos. En este estudio se estimaron diferentes métodos de evapotranspiración potencial: FAO-PM56 (FAO PENMAN MONTEITH), Hargreaves, Turc, Thornthwaite y Cenicafé, los cuales fueron evaluados mediante métricas de desempeño de validación: coeficiente correlación de Pearson, BIAS, NSE (ecuación Nash-Sutcliffe), RMSE (error cuadrático medio) y estadístico t, para determinar el método más ajustado al sugerido por la FAO (FAO-PM56) el cual fue Hargreaves. Posteriormente, para la estimación del método de Hargreaves y de FAO-PM56, se compararon dos modelos, regresión lineal múltiple y redes neuronales artificiales, donde también se aplicaron métricas de desempeño de validación (R2 , BIAS, NSE, RMSE y coeficiente de correlación de Pearson). Finalmente se realizo la estimación del índice de sequía SPEI y SPI, y se correlacionaron ambos índices interpolaron los resultados utilizando kriging para determinar las zonas más secas del departamento de Nariño.Publicación Acceso abierto Hacia el desarrollo de nuevas máquinas computacionales : lecciones que aprendemos de la naturaleza.(2011-10-13) Peña Reyes, Carlos Andrés; Pérez Uribe, Andrés; Restrepo García, Héctor FabioLos organismos vivos son sistemas complejos que exhiben un amplio tango de propiedades interesantes, tales como evolución, crecimiento y aprendizaje, tres tipos diferentes de adaptación que son difícilmente realizables con metodologías tradicionales de ingeniería. Recientemente los ingenieros, seducidos por ciertos procesos naturales, han dado origen a campos como la embriónica, las redes neuronales artificiales y la computación evolutiva para proponer soluciones novedosas inspiradas de la naturaleza.Publicación Acceso abierto Herramienta para la identificación de procesos y simulación de redes neuronales mediante una agenda digital programable.(2011-10-13) Bacca Cortes, Eval Bladimir; Minotta Hurtado, Javier A.Este artículo describe el diseño, implementación y prueba de la herramienta denominada UV-SRNA-PDA (simulador de redes neuronales artificiales de la Universidad del Valle para una agenda digital programable), que está orientada a la simulación de redes neuronales artificiales y a la identificación de procesos industriales complejos. Esta aplicación trabaja sobre una agenda digital programable (PDA) Palm T5 usando un sistema de adquisición de datos diseñado para tal fin. Dos tipos de redes neuronales fueron implementados: el perceptrón y el perceptrón multicapa (MLP) usando como algoritmos de aprendizaje los siguientes: propagación hacia atrás, gradiente descendente, velocidad de aprendizaje variable y momentum. Las pruebas se realizaron sobre plantas de primer y segundo orden (sólo esta última es reportada en este artículo), obteniendo su modelo neuronal y validando sus resultados en dos plataformas conocidas: MATLAB y UV-SRNA 2.0 (versión de la UV-SRNA-PDA para PC). Estas pruebas arrojaron un error de entrenamiento promedio de 5.62 × 10-3 ± 3.55 × 10-4 y un error de validación promedio de 4.56 × 10-3 ± 5.95 × 10-4. En ambos casos, los resultados son mejores o comparables con los de las otras herramientas de simulación. Sin embargo, el tiempo de entrenamiento típico en UV-SRNA-PDA fue de 900 s en comparación con los 3 s para MATLAB y 8 s para la UV-SRNA 2.0Publicación Acceso abierto Identificación de daño en un puente peatonal por medio de redes neuronales(Universidad del Valle, 2018) Martínez Rojas, Alba Ruth; Marulanda Casas, Johannio; Thomson, PeterEl presente trabajo desarrolla y aplica dos modelos de redes neuronales artificiales para la identificación de daño estructural en el puente peatonal construido por el grupo de investigación G7, a partir de una identificación modal y pruebas experimentales previas y externas a este trabajo. El primer modelo es una red de tipo Perceptrón multicapa, la cual es una de las redes más utilizadas en el medio y se caracteriza por tener un aprendizaje supervisado y por usar funciones sigmoideas; y el segundo modelo es una red de Base Radial, que se diferencia de la anterior en que está compuesta por una sola capa oculta y por funciones gaussianas. En primer lugar, se realizó un análisis de sensibilidad con la información conocida de la estructura y se probaron diferentes tipos de procesamiento para obtener distintas entradas en la red neuronal. Este procesamiento se realizó tanto para el caso sano como para los casos con daño, los cuales se simularon quitando elementos en diferentes tramos de la cercha, es decir, variando la rigidez de la estructura y la masa. En el entrenamiento se utilizaron diferentes algoritmos para Perceptrón multicapa, pero finalmente se escogió Levenberg Marquardt, mientras que la red de Base Radial utiliza un método de aprendizaje híbrido por defecto. Para la validación analítica se utilizó un modelo numérico en SAP2000 del puente (ajustado previamente); el procesamiento de las señales de respuesta del puente y el entrenamiento de las redes se realizó en MATLAB. Finalmente, se obtuvieron mejores resultados con el Perceptrón multicapa, observando que la red es capaz de predecir el daño.Publicación Acceso abierto Implementación de redes neuronales artificiales y series temporales para la generación de productos de máscaras de nubes e imágenes modis.(2018-11-26) Chamorro Yela, Gabriela Lucía; Sierra Ordoñez, Juan David; Hernández Torres, Francisco LuisLas máscaras de nubes son productos que discriminan la cobertura nubosa presente en las imágenes satelitales, facilitando la interpretación y el análisis de las coberturas terrestres en diferentes estudios de teledetección espacial. Se han propuesto diferentes métodos para el enmascaramiento de las nubes, sin embargo presentan variaciones en cuanto a precisión, tiempo de procesamiento y su facilidad de implementación. En este sentido, para el presente proyecto se propone la aplicación de dos métodos correspondientes a Redes Neuronales Artificiales de Perceptrón Multicapa (RNA-MLP) y el algoritmo de máscaras de nubes basado en la inflexión de una serie temporal (IBCM). La metodología se compone por cinco fases correspondientes a: pre-procesamiento, selección de variables, desarrollo del algoritmo de IBCM, desarrollo del algoritmo de RNA y por último la comparación y validación de los resultados. Los resultados muestran que los métodos propuestos presentan errores globales del 1.75% y 12.71% para RNA e IBCM y concordancias con la máscara de la MOD09A1 de 0.87 y 0.72 respectivamente.Publicación Acceso abierto Implementación de un algoritmo de aprendizaje para la arquitectura Deep - Networks(Universidad del Valle, 2017) Salazar Vásquez, Fredy Antonio; Caicedo Bravo, Eduardo Francisco; Wilfredo, AlfonsoEste trabajo presenta una revisión histórica de la evolución de las redes neuronales artificiales, desde el uso de modelos mono capa hasta el origen del Deep Learning. Se explica el motivo y la necesidad de adoptar estas tecnologías y se describe diferentes arquitecturas de Deep Networks. Se presenta el desarrollo de una aplicación que permite el dise¿no de Deep Networks y su entrenamiento utilizando algoritmos de Deep Learning. Se estudia la metodología propuesta para el desarrollo Deep Networks y se utiliza la tarjeta NVidia Jetson TK1 para evaluar el desempeño de la aplicación desarrollada. Pese a las limitaciones que posee la tarjeta, se verifica el funcionamiento de las arquitecturas propuestas y los algoritmos de aprendizaje sobre 2 bases de datos de mediana complejidad.Publicación Acceso abierto Implementación de una herramienta para clasificar patrones de comportamiento en cartas de control univariadas.(2019-07-07) García Marín, José Fernando; González Velasco, JuliánEl control de la calidad de los productos, es una parte fundamental en las organizaciones que pretenden sobrevivir en mercados competentes, y globalizados, como los que se viven hoy en día. El control estadístico de procesos, es una herramienta para asegurar la calidad de los productos. Por lo tanto, diagnosticar el estado de control de la producción, mediante gráficos de control, es un proceso que requiere la mayor atención posible. Este diagnóstico tradicionalmente es realizado de forma manual por personal no calificado y con poca experiencia en este tipo de herramientas. Esto implica problemas como carencia de objetividad y precisión en la identificación de variaciones no naturales. En esta investigación se analizan algunas de las diferentes herramientas inteligentes, direccionadas al reconocimiento de patrones de inestabilidad en gráficos de control, y se examinan algunos modelos relacionados con el tema. Se hace una selección de la herramienta que se cree es la más apropiada para la clasificación de patrones, tomando en cuenta criterios implícitos expuestos por autores de las diferentes investigaciones referenciadas en este estudio. Al considerar ciertos criterios para la selección de la herramienta de clasificación, se elige a las redes neuronales artificiales como el método de reconocimiento de patrones apropiado, además se hace una breve descripción acerca de su funcionamiento y características. En seguida, se desarrolla el modelo basado en redes neuronales artificiales, utilizando algunos parámetros considerados por distintos autores para su desarrollo, y se hace un análisis de las variables implicadas. Finalmente, se evalúa el modelo mediante un caso de estudio con datos reales para la verificación del estado de control de un proceso. Esta información es proporcionada por una empresa del sector azucarero en el Valle del Cauca.Publicación Acceso abierto Interpretación de gestos dinámicos de la lengua de señas utilizando técnicas de visión artificial(Universidad del Valle, 2025) Arango Fabbri, Joshua; Alfonso-Morales, Wilfredo; Nope Rodríguez, Sandra EsperanzaEste trabajo propone el desarrollo de un sistema de reconocimiento de gestos dinámicos de la lengua de señas colombiana mediante el uso de redes neuronales artificiales combinando técnicas de visión por computador con modelos de aprendizaje profundo. En particular, se implementó una arquitectura basada en redes Long Short-Term Memory (LSTM), la cual permite modelar de forma eficiente las secuencias temporales características de los gestos dinámicos. Para ello, se utilizaron técnicas de extracción de características a partir de landmarks generados mediante herramientas de visión artificial, lo que permitió capturar la posición y el movimiento de las articulaciones clave a lo largo del tiempo. Se aplicaron también técnicas de preprocesamiento y normalización de datos con el fin de aumentar la robustez del sistema frente a variaciones entre personas, posiciones de cámara y tipos de fondo. El sistema fue evaluado utilizando una base de datos propia compuesta por videos etiquetados de distintos gestos dinámicos, logrando una exactitud del 96 %.