Inteligencia artificial, redes neuronales y robótica móvil

dc.contributor.authorGil Areiza, Leonardo
dc.contributor.authorMuñoz Obregan, Carlos A.
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.date.accessioned2024-09-06T14:06:43Z
dc.date.available2024-09-06T14:06:43Z
dc.date.issued2000
dc.degree.nameIngeniero Mecatrónicospa
dc.description.abstractConseguir diseñar y construir máquinas capaces de realizar procesos con cierta inteligencia ha sido uno de los principales objetivos y preocupaciones de los científicos a lo largo de la historia. De los intentos realizados en este sentido se han llegado a definir las lineas fundamentales para la obtención de máquinas inteligentes: En un principio los esfuerzos estuvieron dirigidos a la obtención de autómatas, en el sentido de máquinas que realizaran, con más o menos éxito, alguna función típica de los seres humanos. Pero estos no era mas que el resultado del desarrollo técnico de la habilidad mecánica de los constructores de tales artefactos. Sin embargo, en esta misma linea se sigue investigando hoy en día con herramientas enormemente sofisticadas y con resultados realmente sorprendentes: la habilidad mecánica ha pasado a convertirse en disponibilidad microinformática ( lenguajes Lisp y Prolog, sistemas expertos, etc. ), de forma que actualmente existen diversas maneras de realizar procesos similares a los inteligentes y que podemos encuadrar dentro de la denominada Inteligencia Artificial (IA).spa
dc.description.abstractenglishDesigning and building machines capable of carrying out processes with a certain intelligence has been one of the main objectives and concerns of scientists throughout history. The attempts made in this regard have led to the definition of the fundamental lines for obtaining intelligent machines: Initially, efforts were directed towards obtaining automata, in the sense of machines that would carry out, with more or less success, some typical function of human beings. But these were nothing more than the result of the technical development of the mechanical ability of the builders of such devices. However, research continues along these same lines today with enormously sophisticated tools and with truly surprising results: mechanical ability has become microcomputer availability (Lisp and Prolog languages, expert systems, etc.), so that there are currently various ways of carrying out processes similar to intelligent ones and that we can classify within the so-called Artificial Intelligence (AI).spa
dc.description.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontentsObjetivos............................................................................................................................................................................................ Introducción............................................................................................................................................................................ 1 Justificación ............................................................................................................................................................................3 Neurona: modelos y entrenamiento................................................................................................................................. 4 La neurona biológica............................................................................................................................................................................ 6 Aprendizaje en la neurona biológica................................................................................................................................. 9 Neurona artificial............................................................................................................................................................................ 11 Filtro adaptativo............................................................................................................................................................................ 16 Red neuronal............................................................................................................................................................................ 22 Ventajas de las redes neuronales .................................................................................................................................24 Aprendizaje adaptativo............................................................................................................................................................................ 26 Autoorganización............................................................................................................................................................................ 27 Tolerancia a fallos............................................................................................................................................................................ 27 Operación en tiempo real.................................................................................................................................................................. 28 Fácil inserción dentro de la tecnología existente................................................................................................................................. 29 Redes neuronales y computadores digitales .................................................................................................................................29 Redes neuronales e inteligencia artificial .................................................................................................................................31 Representación del conocimiento........................................................................................................................................................ 33 Mecanismos de inferencia....................................................................................................................................................................... 34 Aprendizaje............................................................................................................................................................................ 34 Paralelismo ............................................................................................................................................................................34 Tipos de redes neuronales mas importantes................................................................................................................................. 35 Implementación de las redes neuronales................................................................................................................................. 38 Realización de redes neuronales....................................................................................................................................................... 40 Herramientas software de desarrollo................................................................................................................................. 43 Red neuronal de una capa................................................................................................................................................................. 45 Algoritmos de entrenamiento para una neurona.............................................................................................................................. 52 Algoritmos de corrección de error......................................................................................................................................................54 .a-lms............................................................................................................................................................................ 54 Regla del perceptrón............................................................................................................................................................................ 57 Regla del perceptrón modificada........................................................................................................................................................ 59 Algoritmos basados en el gradiente .................................................................................................................................66 a-lms............................................................................................................................................................................ 66 Propagación inversa ............................................................................................................................................................................68 Red tipo perceptrón............................................................................................................................................................................ 72 Red multicapa......................................................................................................................................................................................... 74 Entrenamiento con el algoritmo de propagación inversa ...........................................................................................................76 Generalización en redes neuronales ...........................................................................................................................................78 Identificación de sistemas dinámicos discretos .................................................................................................................................79 Reconocimiento de patrones ..........................................................................................................................................................80 Reconocimiento de caracteres escritos.................................................................................................................................82 Estudio de créditos............................................................................................................................................................................ 84 Clasificación de electromiogramas.................................................................................................................................................... 86 Identificación de fallas en sistemas de potencia .................................................................................................................................87 Detección de explosivos en aeropuertos................................................................................................................................. 89 Modelo de un sistema químico....................................................................................................................................................90 Predicciones financieras......................................................................................................................................................... 91 Procesamiento de imágenes.................................................................................................................................................. 91 Verificación de firma............................................................................................................................................................................ 92 Análisis de gases ............................................................................................................................................................................92 Ibm aplica el computo neuronal........................................................................................................................................................... 93 Análisis de sonido............................................................................................................................................................................ 94 Diagnóstico del cáncer de seno.......................................................................................................................................................... 94 Ciclos límite en mini robots neuro controlados................................................................................................................................. 95 El Mini robot y su mundo como lazo cerrado................................................................................................................................. 97 Conclusiones............................................................................................................................................................................ 107 Bibliografía ............................................................................................................................................................................108 Planos de la aplicación........................................................................................................................................................................ 109spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/26389
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería Mecatrónicaspa
dc.relation.referencesHILERA y MARTINEZ, Redes Neuronales Artificiales, Fundamentos, modelos y Aplicaciones, Alfaomega, Santa Fé de Bogotá, 2000.spa
dc.relation.referencesDELGADO Alberto. Inteligencia Artificial y Minirobots, Ecoe Ediciones, 2a Edición, Santa Fé de Bogotá, D.C., Colombia, 1998.spa
dc.relation.referencesReferencias Internet: • www.robotronica.comspa
dc.relation.referenceswww.webconn.comspa
dc.relation.referenceswww.fuzzgun.demon.co.ukspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsMechatronicspa
dc.subject.keywordsArtificial intelligencespa
dc.subject.keywordsRoboticsspa
dc.subject.keywordsNeural networksspa
dc.subject.keywordsAlgorithmsspa
dc.subject.keywordsNeural networks (Computer science)spa
dc.subject.keywordsNatural computingspa
dc.subject.keywordsTheory of machinesspa
dc.subject.keywordsAutomationspa
dc.subject.lembMecatrónicaspa
dc.subject.lembInteligencia artificialspa
dc.subject.lembRedes neuronales (Computadores)spa
dc.subject.lembComputación naturalspa
dc.subject.lembTeoría de las máquinasspa
dc.subject.lembAutomatizaciónspa
dc.subject.proposalRobóticaspa
dc.subject.proposalRedes neuralesspa
dc.subject.proposalAlgoritmosspa
dc.titleInteligencia artificial, redes neuronales y robótica móvilspa
dc.title.translatedArtificial intelligence, neural networks and mobile roboticsspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
2000_Tesis_Leonardo_Gil.pdf
Tamaño:
18.39 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción: