Materia
Percepción artificial
Datos generales de la materia
- Modalidad
- Presencial
- Idioma
- Castellano
Descripción y contextualización de la asignatura
Percepción artificial puede ser definida como la capacidad de sistemas artificiales inteligentes de percibir y entender su entorno para la toma de decisiones o la planificación de su actuación. En este sentido, la percepción artificial proporciona la representación del mundo sobre la cual actuarán sistemas de decisión o razonamiento artificial. Si bien en los inicios de la inteligencia artificial la percepción se consideró un tema menor, los intentos de atacar los problemas prácticos han demostrado que es posiblemente un aspecto clave para el desarrollo de sistemas inteligentes.La asignatura presenta dispositivos, métodos y aplicaciones de la percepción artificial. Los dispositivos abarcan un amplio espectro de sensores que pueden ser utilizados para obtener información digital susceptible de proceso automatizado. Los métodos son técnicas de proceso de datos que incluyen técnicas de proceso de señal así como técnicas de aprendizaje máquina y reconocimiento de patrones. En los ultimos tiempos la emergencia de las técnicas de aprendizaje profundo (deep learning) han tenido un impacto notable en este campo. Las aplicaciones abarcan problemas de imagen médica, reconocimiento remoto, etología computerizada, seguridad, verificación de propiedad intelectual, robotica y redes de sensores.
Profesorado
Nombre | Institución | Categoría | Doctor/a | Perfil docente | Área | |
---|---|---|---|---|---|---|
GRAÑA ROMAY, MANUEL MARIA | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Catedratico De Universidad | Doctor | No bilingüe | Ciencia de la Computación e Inteligencia Artificial | manuel.grana@ehu.eus |
Competencias
Denominación | Peso |
---|---|
Análisis de documentos | 30.0 % |
Pensamiento creativo | 40.0 % |
Originalidad | 30.0 % |
Tipos de docencia
Tipo | Horas presenciales | Horas no presenciales | Horas totales |
---|---|---|---|
Magistral | 15 | 23 | 38 |
Seminario | 10 | 15 | 25 |
P. Ordenador | 5 | 7 | 12 |
Actividades formativas
Denominación | Horas | Porcentaje de presencialidad |
---|---|---|
Actividades propuestas por el equipo docente a través de la plataforma virtual | 0.0 | 0 % |
Clases expositivas | 10.0 | 100 % |
Elaboración de informes y exposiciones | 15.0 | 30 % |
Estudio sistematizado | 20.0 | 0 % |
Horas de contacto virtual a través de la plataforma (participación en foros, consulta de dudas, etc) | 0.0 | 100 % |
Interacción con el docente en entornos virtuales | 0.0 | 30 % |
Lectura y análisis prácticos | 20.0 | 50 % |
Talleres de aplicación | 10.0 | 100 % |
Videoconferencias | 0.0 | 100 % |
Sistemas de evaluación
Denominación | Ponderación mínima | Ponderación máxima |
---|---|---|
Asistencia y Participación | 15.0 % | 25.0 % |
Exposiciones | 30.0 % | 40.0 % |
OTROS | 0.0 % | 10.0 % |
Participación en los foros | 15.0 % | 25.0 % |
Pruebas de evaluación a distancia | 75.0 % | 85.0 % |
Trabajos Prácticos | 30.0 % | 40.0 % |
Temario
Tema 1 INTRODUCCIÓN: VISION GENERAL DE LA ASIGNATURATema 2 DESCRIPCION DE SENSORES DIVERSOS
Tema 3 EL PROBLEMA DEL RUIDO: PREPROCESO, ELEMINACION DE RUIDO, NORMALIZACION DE LOS DATOS SENSORIALES
Tema 4 EL PROBLEMA DE LA REPRESENTACION: TECNICAS DE EXTRACCIÓN DE CARACTERISTICAS
Tema 5 EL PROBLEMA DE LA COMPRENSION: TECNICAS DE RECONOMIENTO DE PATRONES. DEEP LEARNING
Tema 6 APLICACIONES EN IMAGEN MEDICA Y NEUROCIENCIAS. NEUROETOLOGIA COMPUTACIONAL
Tema 7 APLICACIONES EN RECONOCIMIENTO REMOTO. IMAGENES HIPERSPECTRALES.
Tema 8 APLICACIONES EN SEGURIDAD
Tema 9 APLICACIONES EN ROBOTICA SOCIAL E INTERACCION MULTIMODAL
Tema 10 APLICACIONES EN BUSQUEDA BASADA EN CONTENIDOS. COPYRIGHT INFRINGEMENT DETECTION.
Bibliografía
Materiales de uso obligatorio
Para la realización de ejercicios practicos se utilizará Matlab.Para la realización de ejercicios de revision del estado del arte se utilizarán las facilidades bibliográficas disponibles en la UPV/EHU.
Se distribuiran las presentaciones preparadas para ser impartidas en la asignatura.
Bibliografía básica
DUDA, HART STATISTICAL PATTERN RECOGNITION AND SCENE ANALYSIS, WILEYM. TISTARELLI, J. BIGUN, A.K. JAIN (EDS). BIOMETRIC AUTHENTICATION. SPRINGER VERLAG
R. M. HARALICK, L. G. SHAPIRO. COMPUTER AND ROBOT VISION. ADDISON-WESLEY
D. FENG, W.C. SIU, H.J. ZHANG (EDS). MULTIMEDIA INFORMATION RETRIEVAL AND MANAGEMENT. SPRINGER
D.A. LANDGREBE. SIGNAL THEORY METHODS IN MULTISPECTRAL REMOTE SENSING. WILEY
A.P. DHAWAN. MEDICAL IMAGE ANÁLISIS. IEEE PRESS
C. ZHOU, D. MARAVALL, D. RUAN. AUTONOMOUS ROBOTIC SYSTEMS. PHYSICA VERLAG
MILLER, EIMAS, . SPEECH, LANGUAGE AND COMMUNICATION: HANDBOOK OF PERCEPTION COGNITION. ACADEMIC PRESS
Bibliografía de profundización
The Handbook of Speech Perception, David Pisoni (Editor), Robert Remez (Editor), Dec 2004, Wiley-BlackwellDeep Learning, Ian Goodfellow and Yoshua Bengio and Aaron Courville, MIT Press
Revistas
IEEE transactions on Pattern Analysis and Machine IntelligenceIEEE signal processing magazine
IEEE transactions on geoscience and remote sensing
Sensors
Remote sensing
Patter Recognition
Neurocomputing
Enlaces
http://www.deeplearningbook.orghttps://fsl.fmrib.ox.ac.uk/fsl/fslwiki