Estudio de las propiedades dinámicas de sistemas magnéticos con redes neuronales y otros sistemas complejos

En este proyecto continuaremos estudiando algunas propiedades dinámicas de diferentes sistemas complejos, con especial énfasis en vidrios de spin, redes neuronales y autómatas celulares aplicados a modelos de evolución biológica. En vidrios de spin estamos analizando la dependencia entre los diagramas dinámicos obtenidos utilizando la técnica de propagación de daños y aquellos obtenidos estudiando el decaimiento de la función de autocorrelación. Este estudio pretende contribuir a entender los mecanismos microscópicos responsables del surgimiento de "ageing", entendiendo por éste a la dependencia de algunas cantidades con la historia de la muestra. En redes neuronales seguiremos dos líneas: en primer lugar, introducir componentes más realistas desde el punto de vista biológico, a fin de entender los mecanismos fisiológicos de las diferentes funciones cerebrales. En segundo lugar, estamos interesados en utilizar el modelo de Hopfield para red neuronal como por ejemplo de sistema complejo controlable a partir del cual estamos tratando de entender cómo la estructura del espacio de fases influye en la dinámica del sistema. Finalmente, continuaremos trabajando con el modelo Bak-Sneppen para evolución biológica de especies interactuantes y el surgimiento de "ageing" en el estado auto crítico. Objetivos generales y específicos (...) 1. Estudio de la relación entre el fenómeno de "ageing" y la sensibilidad del proceso dinámico a las condiciones iniciales. (...) 2. Estudio del efecto de la formación de dominios en la dinámica de no-equilibrio de modelos de vidrios de spin y ferromagnéticos. (...) 3. Estudio de la influencia de la estructura del espacio de configuraciones en la dinámica de no-equilibrio. (...) 4. Inclusión de ingredientes biológicamente realistas. (...) 5. Auto criticalidad forzada por secuencias deterministas. (...)

Procesamiento de señales cardíacas con redes neuronales para la clasificación de patologías en estudios Holters

Lo buscado en este proyecto es desarrollar un software de aplicación que le permita la médico especialista, sin demasiado esfuerzo, la búsqueda de patologías en un estudio Holter de 24 horas de un paciente ambulatorio. El proyecto se realizará con la aplicación de las nuevas técnicas de redes neuronales, tratando con las mismas de aislar e identificar variadas patologías cardíacas, con distintos tipos de vecindades como entrada a la red neuronal y además, completarlo con un sistema experto de ayuda al médico sugiriéndole la patología posible ya registrada con el adquisidor. Importancia del proyecto: El mismo tiene un carácter imperativo desde el punto de vista del usuario del sistema, ya que un médico no puede estar viendo 24 hs. de estudio cardíaco, sino que el sistema debe ser capaz de avisarle al médico en qué parte del estudio hay una posible patología y así acortar el tiempo de diagnóstico del estudio a menos de una hora de análisis. (...) Los objetivos particulares de este proyecto son: * Desarrollo de software para tratamiento de señales fisiológicas de estudios cardíacos, en particular Holter para poder determinar variadas patologías y si los resultados son positivos, se realizaría una transferencia de esta inteligencia del reconocimiento de patologías al sistema de adquisidor de datos, de tal manera que adquiera los eventos patológicamente positivos.

Redes neuronales multimodelo aplicadas al control de sistemas

En este proyecto se plantea un nuevo modelo de red neuronal llamado multimodelo. Si en un modelo convencional de red neuronal obtenemos la salida a partir de una serie de parámetros, en un sistema multimodelo recalculamos la salida a partir de los mismos valores de entrada, pero variando los parámetros. Con esto se consigue una mayor muestra de salidas, que permiten decidir cuales son los parámetros más acertados (los que devuelven una salida más cercana a la salida deseada del sistema de control). Para llevar a cabo este proyecto se ha hecho uso de Matlab 7.3 (R2006b).

Identificación de puntos de pesca en los viajes pesqueros de anchoveta monitoreados por satélites mediante redes neuronales artificiales

La sostenibilidad de los recursos marinos y de su ecosistema hace necesario un manejo responsable de las pesquerías. Conocer la distribución espacial del esfuerzo pesquero y en particular de las operaciones de pesca es indispensable para mejorar el monitoreo pesquero y el análisis de la vulnerabilidad de las especies frente a la pesca. Actualmente en la pesquería de anchoveta peruana, se recoge información del esfuerzo y capturas mediante un programa de observadores a bordo, pero esta solo representa una muestra de 2% del total de viajes pesqueros. Por otro lado, se dispone de información por cada hora (en promedio) de la posición de cada barco de la flota gracias al sistema de seguimiento satelital de las embarcaciones (VMS), aunque en estos no se señala cuándo ni dónde ocurrieron las calas. Las redes neuronales artificiales (ANN) podrían ser un método estadístico capaz de inferir esa información, entrenándose en una muestra para la cual sí conocemos las posiciones de calas (el 2% anteriormente referido), estableciendo relaciones analíticas entre las calas y ciertas características geométricas de las trayectorias observadas por el VMS y así, a partir de las últimas, identificar la posición de las operaciones de pesca. La aplicación de la red neuronal requiere un análisis previo que examine la sensibilidad de la red a variaciones en sus parámetros y bases de datos de entrenamiento, y que nos permita desarrollar criterios para definir la estructura de la red e interpretar sus resultados de manera adecuada. La problemática descrita en el párrafo anterior, aplicada específicamente a la anchoveta (Engraulis ringens) es detalllada en el primer capítulo, mientras que en el segundo se hace una revisión teórica de las redes neuronales. Luego se describe el proceso de construcción y pre-tratamiento de la base de datos, y definición de la estructura de la red previa al análisis de sensibilidad. A continuación se presentan los resultados para el análisis en los que obtenemos una estimación del 100% de calas, de las cuales aproximadamente 80% están correctamente ubicadas y 20% poseen un error de ubicación. Finalmente se discuten las fortalezas y debilidades de la técnica empleada, de métodos alternativos potenciales y de las perspectivas abiertas por este trabajo.

Web didáctica para la aproximación de funciones mediante redes neuronales

In this article we presents a project [1] developed to demonstrate the capability that Multi-Layer Perceptrons (MLP) have to approximate non-linear functions [2]. The simulation has been implemented in Java to be used in all the computers by Internet [3], with a simple operation and pleasant interface. The power of the simulations is in the possibility of the user of seeing the evolutions of the approaches, the contribution of each neuron, the control of the different parameters, etc. In addition, to guide the user during the simulation, an online help has been implemented.

Modelado de sistemas mediante redes neuronales

Tesis (Maestría en Ciencias en Ingeniería Eléctrica, con especialidad en Control) U.A.N.L.

Análisis de estabilidad de redes neuronales dinámicas

Tesis (Maestro en ciencias de la ingeniería elécrica con especialidad en control) - Universidad Autónoma de Nuevo León, 1998

Proceso de distribución aplicando redes neuronales artificiales con supervisión

Tesis (Maestro en Ciencias de la Administración con Especialidad en Sistemas) UANL, 1998

Aplicación de redes neuronales en la discriminación entre fallas y oscilaciones de potencia

Tesis ( Maestro en Ciencias de la Ingeniería Eléctrica con Especialidad en Potencia) - U.A.N.L., 2002

Nuevo principio de protección diferencial de transformadores aplicando redes neuronales de base radial (RBF )

Tesis (Maestro en Ciencias de la Ingeniería Eléctrica con Especialidad en Potencia) U.A.N.L.

Aplicación de redes neuronales celulares a un problema de ingeniería.

Tesis (Maestría en Ciencias de la Ingeniería Eléctrica con Especialidad en Control) UANL, 2011.

Redes neuronales embebidas con aprendizaje en línea.

Tesis (Maestría en Ciencias de la Ingeniería Eléctrica) UANL, 2013.