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. Se trata por tanto de un campo extremadamente amplio con relaciones directas a temas de tratamiento de señal en sus diversas variantes que no puede ser explorado exhaustivamente en el contexto breve de una asignatura, por lo que enfatizarán aspectos prácticos y demostraciones de codigo. Podemos, sin embargo, enumerar algunos aspectos:- percepción para la navegación en robótica: localización y mapeo simultaneos (SLAM)
- analisis y extracción de biomarcadores en señal médica, que incluye señal fisiológica y diversas modalidades de imagen (tomografía computerizada, resonancia magnética nuclear)
- estudio de la actividad humana mediante sensores inerciales y sensores ópticos, interaccion multimodal en robotica social
- analisis de imagen de reconcimiento remoto, especialmente imagenes hiperespectrales
Recientemente la emergencia de los sistemas basados en aprendizaje profundo ha revolucionado muchos aspectos de la percepción artificial. Dada su gran importancia industrial, se presentarán las arquitecturas de redes más importantes y sus aplicaciones hasta la fecha. Puesto que es un campo en constante evolución, las fuentes son publicaciones y tutoriales recientes que exploran aspectos concretos.
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 % |
Resultados del aprendizaje de la asignatura
Comprensión del estado del arte en varios de los aspectos de la percepción artificial, fundamentos tecnologicos de captura de señal y procesado para extracción de conocimiento operativo en varias de las aplicacionesManejo de arquitecturas de aprendizaje profundo a un nivel que le permitirá al alumno profundizar en trabajos posteriores, por ejemplo, en la tesis de master.
Convocatoria ordinaria: orientaciones y renuncia
La convocatoria ordinaria se evaluará mediante dos actividades(a) el estudio y presentacion de articulos seleccionados de la literatura reciente. El alumno puede proponer los articulos que considere de su interés o aceptar los que le proponga el profesor. La presentación se realizará en una sesión en la que participaran todos los alumnos.
(b) la realización de un pequeño proyecto de analisis de datos perceptuales que pueden ser o bien propuestos por el profesor o por el alumno. La presentación de los resultados será individualizada en fechas a convenir durante la impartición del curso e irá acompañada de la entrega de una breve memoria explicativa.
Convocatoria extraordinaria: orientaciones y renuncia
La convocatoria extraordinaria se evaluará mediante la presentación de un proyecto individual en dos fases:1- Propuesta por parte del alumno del proyecto de trabajo y aceptación por parte del profesor
2- Presentacion de los resultados del proyecto individual que incluirá una memoria
Temario
Tema 1 INTRODUCCIÓN: VISION GENERAL DE LA ASIGNATURA. SLAM COMO PARADIGMA DE PERCEPCIÓN AUTONOMA.Tema 2 DESCRIPCION DE ALGUNOS SENSORES
Tema 3 EL PROBLEMA DEL RUIDO: FUENTES DE RUIDO, PREPROCESO, ELIMINACION DE RUIDO, NORMALIZACION DE LOS DATOS SENSORIALES
Tema 4 REVISION DE TECNICAS DE APRENDIZAJE AUTOMATICO CON APLICACION EN PERCEPCION ARTIFICIAL
Tema 5 ARQUITECTURAS DE APRENDIZAJE PROFUNDO (DEEP LEARNING): REDES DE CONVOLUCION, REDES SEMANTICAS, REDES RECURRENTES, REDES RESIDUALES, REDES GENERATIVAS ADVERSARIALES, REDES DE CONVOLUCION DE GRAFOS
Tema 6 APRENDIZAJE NO SUPERVISADO Y APRENDIZAJE POR REFUERZO PARA PERCEPCION ARTIFICIAL
Tema 7 APLICACIONES EN IMAGEN MEDICA Y NEUROCIENCIAS. NEUROETOLOGIA COMPUTACIONAL
Tema 8 APLICACIONES EN RECONOCIMIENTO REMOTO. SEGMENTACION DE IMAGENES HIPERSPECTRALES.
Tema 9 APLICACIONES EN SEGURIDAD, IDENTIFICACION BIOMETRICA Y RECONOCIMIENTO DE CARAS
Tema 10 APLICACIONES EN ROBOTICA SOCIAL E INTERACCION MULTIMODAL. RECONOCIMIENTO DE VOZ Y ANALISIS DEL LENGUAJE NATURAL
Tema 11 APLICACIONES EN NAVEGACION AUTONOMA Y VEHICULOS AUTONOMOS
Bibliografía
Materiales de uso obligatorio
Para la realización de demostraciones durante el curso se utilizará Matlab, pero para sus proyectos personales el alumno puede utilizar otras herramientas de programación.Para la realización de ejercicios de revision del estado del arte se utilizarán las facilidades bibliográficas disponibles en la UPV/EHU.
Se haran accesibles las presentaciones 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
https://neuroinformatics.gr
https://team.inria.fr/hybrid/
https://deepmind.com/blog/article/using-jax-to-accelerate-our-research
https://www.youtube.com/channel/UCZgLH0CsLNMUCTLQRqry4qA
http://web.stanford.edu/class/cs234/CS234Win2019/index.html
https://sites.google.com/view/berkeley-cs294-158-sp20/home
https://cs230.stanford.edu