Diplomado en Control Inteligente: Robótica e Inteligencia Artificial
Programa Académico: Ingeniería electrónica
Lugar de realización: Universidad Manuela Beltrán sede Circunvalar.
Intensidad horaria: 120 horas
Horario: Viernes de 6-10 pm y sábados 8-12 pm.
Temáticas:
Motivación. Automática e Inteligencia Computacional, Algunos paradigmas de inteligencia computacional en control, Control basado en técnicas de inteligencia computacional: El por qué y para qué. Panorama general y aplicaciones. Lecturas recomendadas y ejemplos
Conjuntos y Relaciones Difusas. Conjuntos difusos. Propiedades y representación de conjuntos difusos
Relaciones difusas. Operaciones con conjuntos difusos. Principio de extensión.
Sistemas Difusos y Razonamiento Aproximado. Variables lingüísticas y proposiciones difusas. Sistemas basados en reglas Si-Entonces. Modelos lingüístico, relacional y Takagi-Sugeno. Base de reglas, Inferencia y razonamiento aproximado. Sistemas difusos estáticos y dinámicos
Clustering Difuso para clasificación y modelamiento. Particiones hard y fuzzy. Agrupamiento basado en función objetivo: fuzzy c-means. Metodología de construcción del sistema difuso vía clustering. Herramienta software FMID
Control difuso basado en conocimiento. Herramienta software Fuzzy Toolbox de Matlab®. Control difuso basado en modelo. Ejercicios de aplicación
Introducción a la visión artificial. Que es el procesamiento digital de imágenes, Ejemplos de aplicación, Herramientas de trabajo (librerías - toolbox).
Realce de la imagen en el dominio espacial. Transformaciones básicas de niveles de gris. Histograma. Realce de imagen utilizando operaciones aritméticas y lógicas. Filtros espaciales básicos.
Introducción a sistemas lineales Respuesta al impulso. Convolución continua y discreta unidimensional y sus propiedades. Convolución continua y discreta bidimensional y sus propiedades
Realce de la imagen en el dominio de la frecuencia. Transformada de Fourier continua y discreta y sus propiedades. Correspondencia entre filtrado en los dominios del espacio y la frecuencia.Filtros de suavizado y realce en el dominio de la frecuencia
Restauración de la imagen. Modelo del proceso Degradación-Restauración de una imagen.Modelos de ruido. Ruido Gaussiano. Ruido Impulso. Restauración en presencia de ruido. Filtros: promedio. Orden estadístico. Adaptativos. Inversos
Procesamiento de imágenes en color. Fundamentos del color. Modelos de color. RBG, HSI, YCbCr. Pseudocolor. Transformaciones entre espacios de color
Proceso Morfológico de Imágenes. Dilatación y Erosión. Apertura y Cierre. Transformada Hit-or-Miss. Algoritmos básicos. Extensión a imágenes de gris.
Segmentación. Técnicas basadas en contorno. Técnicas de umbralización. Técnicas basadas en
regiones. Técnicas mixtas.
Reconocimiento de patrones. ¿Qué es reconocimiento de patrones? ejemplos prácticos. Formulación de problemas de reconocimiento de patrones. Sistemas de reconocimiento de patrones. Conceptos básicos.
Extracción de características. Características geométricas. Características cromáticas. Otras características. Normalización de características
Selección de características. Análisis de componentes principales. Discriminante de Fisher. Búsqueda exhaustiva. Búsqueda secuencial hacia adelante. Búsqueda secuencial hacia atrás. Búsqueda Branch & Bound.
Clasificación. Clasificador lineal. Árbol binario de decisión. Vecino más cercano. Distancia de Mahalanobis. Clasificador de Bayes. Otros clasificadores
Evaluación de desempeño de la clasificación. Matriz de confusión. Sensibilidad y especificidad. Curvas ROC. Validación cruzada. Intervalos de confianza.
Proyectos de control inteligente con visión artificial.
Exposición y descripción de aplicaciones interdisciplinares
Público objetivo:
Estudiantes, egresados de programas de ingeniería de sistemas, biomédica, eléctrica, electrónica o afines con experiencia en programación y con fundamentación en sistemas automáticos de control (continuo y discreto).
Habilidades y competencias:
- Conocer los temas de modelado, identificación y control de sistemas dinámicos lineales y no lineales empleando técnicas difusas.
- Conocer un conjunto de técnicas y modelos que permiten procesar, analizar y explicar información espacial obtenida a través de una imagen
- Construir una descripción de la escena de trabajo a través de la clasificación de patrones obtenidos de imágenes RGB.
