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.

Temario

Tema 1 INTRODUCCIÓN: VISION GENERAL DE LA ASIGNATURA

Tema 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, WILEY

M. 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-Blackwell



Deep Learning, Ian Goodfellow and Yoshua Bengio and Aaron Courville, MIT Press

Revistas

IEEE transactions on Pattern Analysis and Machine Intelligence



IEEE signal processing magazine



IEEE transactions on geoscience and remote sensing



Sensors



Remote sensing



Patter Recognition



Neurocomputing

Enlaces

http://www.deeplearningbook.org



https://fsl.fmrib.ox.ac.uk/fsl/fslwiki