0010100100100101010110010001

0101010001010100101000101
0010100011110010110010001
11111111111010100010101001010010100010101010101
0010100011110101010101011100101001001010101100100010010100011110101010001
01010100010101001010010100010101010101010101000101010010100101000101010101
001010001111010101010101110010100100101010110010001
01010100010101001010010100010101010101
0010100011110101010101011100101001001010101100100010010100011110101010101011100101 0001
01010100010101001010010100010101010101010101000101010010100101000101010101
1100011111010101010101110010100100101010110010001
010101000101010010100101
00101000111101010101010111001010010010101011010001
01010100010101001010010100010101010101

LOS SISTEMAS ADAPTATIVOS

Varan sus caractersticas en el tiempo, ya sea por variaciones en
la entrada u otra perturbacin externa.
Se auto-ajustan para lograr una meta especfica.
Se adaptan automticamente las condiciones ambientales.
Requieren un proceso de entrenamiento".
Despus de entrenarse para un nmero de seales o patrones
acotado, pueden comportarse relativamente bien ante nuevos
patrones.

CONTROL ADAPTATIVO
El control adaptativo consiste en la identicacin de
parmetros del proceso y el clculo de un nuevo regulador,
todo ello en tiempo real, siguiendo las variaciones de los
parmetros y mientras se realiza el control.

CONTROL ADAPTATIVO PROGRAMADO

Programar una lista completa de:
si ocurre ____ entonces haz _____

Esto supone que se puede anticipar en

el momento del diseo todas las
posibles situaciones que se puede
encontrar.
El sistema no tiene que pensar ni tomar
decisiones.

CONTROLADOR ADAPTATIVO CON

MODELO DE REFERENCIA

Consiste en ofrecerle al robot un buen

modelo de referencia para solucionar
las situaciones a las que deba
enfrentarse
Por ejemplo:
Seguir las decisiones de un humano
modelo.

CONTROLADOR ADAPTATIVO
AUTOAJUSTABLE

Consiste en disear al robot un mdulo

de estimacin de parmetros que le
permitan evaluar la situacin y tomar
decisiones en funcin de reglas
generales, si la situacin es _____,
entonces haz ______

PROBLEMA CON EL CONTROL ADAPTATIVO

Muchos problemas de aplicacin prctica no puede tener
xito al resolverse mediante el uso de filtros digitales de
coeficientes fijos, ya que no tenemos informacin suficiente
para el diseo ante el cambio en los criterios normales de
funcionamiento del filtro.

Estos Pueden ser resueltos con xito mediante el uso especial

de filtros "Inteligentes" conocidos colectivamente como filtros
adaptativos, los cuales permiten modificar la respuesta de
ste durante su operacin mejorando su rendimiento sin
intervencin del usuario.

Norbert Wiener

Qu es el Filtro de Wiener?
- Fue introducido por Norbert Wiener
- Es uno de los filtros lineales ptimos
ms importantes
Consiste en:
Seal de entrada x(n)
Respuesta deseada d(n)
Filtro lineal de respuesta impulsional w(n)
Matemtico estadounidense,
conocido como el fundador
de la ciberntica

Deseada

d(n)

+/-

Error

e(n)
Entrada

x(n)

Filtrado de Wiener

Salida

w(n)

y(n)

El filtro w(n) es alimentado por x(n) y produce a su salida y(n)

La diferencia entre la seal de salida del filtro y(n) y la seal
deseada d(n), es el error de la estimacin e(n)

{ [()] }
El criterio elegido es la minimizacin del valor cuadrtico medio del error

El objetivo del filtrado de Wiener es determinar la respuesta

impulsional w(n) de forma que el error e(n) sea, en un
sentido estadstico, "lo ms pequeo posible".

De esta forma el error cuadrtico medio

entre la Salida y la Entrada puede expresarse como:

{ [ ()] }
Produccin de una salida lo ms similar posible a la referencia deseada
Por medio de un planteamiento lineal

FILTRO DE WIENER Y LOS FILTROS ADAPTATIVOS

Para disear el Filtro de Wiener se necesita tener un
conocimiento previo apropiado de las propiedades estadsticas
de la seal de entrada
Este conocimiento generalmente no se puede obtener. En su
lugar se usan Filtros Adaptativos, que hacen uso de los datos de
entrada para aprender los datos estadsticos requeridos

Deseada

d(n)
+/-

Error

e(n)
Salida
Entrada

x(n)

Filtrado Adaptativo

y(n)

a(n)

El filtro a(n) es alimentado por x(n) y e(n) y su producto

produce su salida y(n) la cual con la diferencia entre la seal
de salida del filtro y(n) y la seal deseada d(n), producen el
nuevo error de la estimacin e(n)

TIPOS DE FILTRO DE WIENER

Filtros de Wiener FIR
Para este tipo de filtros existe un nmero finito de posibles
coeficientes para el filtro alimentado por la entrada x(n)
Filtros de Wiener IIR
Para este tipo de filtros existe una infinitud de posibles
coeficientes para el filtro alimentado por la entrada x(n). Estos
se clasifican en:
Filtros IIR Casuales
Filtros IIR No Casuales

Neurona artificial
Unidad bsica de inferencia
Se puede asociar a la idea de un sensor
Recibe una o varias entradas y da una salida
correspondiente

 Puede realizar tareas de clasificacin de

forma automtica
Puede usarse como una neurona dentro de
una red neuronal
Tiene la capacidad de aprender patrones
Las entradas son discretas
Es un hiperplano

Ecuacin del hiperplano: w1x1+w2x2+=0

Si y>1, la clase pertenece a una clase, un lado del hiperplano
Si y<1, la clase pertenece a la otra clase, otro lado del hiperplano

Es un proceso iterativo, que se corre un nmero finito de veces hasta

encontrar el hiperplano determinante que divide las clases.
1. Se inicializan de forma aleatoria los pesos y el umbral de red.

2. Se define el patrn de entrada salida

3. Se calcula la salida

Es un proceso iterativo, que se corre un nmero finito de veces hasta

encontrar el hiperplano determinante que divide las clases.
4. Si y = d(x) la clasificacin es correcta; Si y <> d(x) se modifican los
parmetros

Se vuelve al paso 2, hasta completar los patrones de entrenamiento.

Ley de aprendizaje:

5. Se vuelven a ejecutar los pasos anteriores hasta encontrar el criterio

esperado

EJEMPLO PERCEPTRON SIMPLE: O LGICO

ROBOTS ADAPTATIVOS

Robot que detecta y mide radiacin gamma

Robot que busca y limpia desechos txicos
Robots modulares que trabajan en conjunto
http://www.youtube.com/watch?v=QHIlfyS6TSs

RESTAURACIN DE LA CALIDAD DE LAS IMGENES

ORIGINAL

DESENFOCADA

RESTAURADA

RESTAURACIN DE LA CALIDAD DELAS IMGENES

ORIGINAL

DESENFOCADA

RESTAURADA

SEPRACIN DE RUIDO ADITIVO EN FRECUENCIAS EN UNA SEAL

EN TIEMPO REAL

ELECTROCARDIOGRAMA FETAL

Prediccin de mercados financieros

Diagnsticos mdicos
Red codificadora
Sumar enteros

 Robots son una aplicacin perfecta de los

sistemas adaptativos
Se necesitan reas de inteligencia artificial para
crear buenos sistemas adaptativos
Esta clase de robots son ampliamente usados
para labores difciles en diferentes reas

 Es posible crear sistemas robticos que se

adapten dinmicamente al medio
Con la incorporacin de algunas tcnicas como
las expuestas, la robtica avanza en el objetivo
de simular la capacidad humana de generar
conocimiento

[1] Restauracin de Imgenes [Fecha de consulta: 28 Octubre 2012]. Disponible en:

http://www.cs.ru.nl/~ths/rt2/col/h5/5restoratieENG.html#5.5
[2] El filtro de Wiener http://www.cttc.es/resources/doc/080313-capiv-38065.pdf
[3] El filtro Wiener http://www.slideshare.net/sofilu55/filtros-wiener
[4] Muoz Prez Jos. Lenguajes y Ciencias de la Computacin. Universidad de
Mlaga. [Fecha de consulta: 30 Octubre 2012]. Disponible en:
http://www.lcc.uma.es/~jmortiz/archivos/Tema4.pdf
[5] Redes de neuronas. [Fecha de consulta: 30 Octubre 2012]. Disponible en:
http://www.redesdeneuronas.com/perceptron-simple.html
[6] Figueroa Daz Roberth & Sols lvarez Camilo. SlideShare. [Fecha de
consulta: 30 Octubre 2012]. Disponible en: http://
www.slideshare.net/rgfigueroa/perceptron-simple-y-regla-aprendizaje
[7] Solano Sabatier Yadira. Escuela de Ciencias de la Computacin e
Informtica. Universidad de Costa Rica. Frank Rosenblatt y los
Perceptrones. Material del curso: Paradigmas Computacionales.
[8] Sandini, G., Metta, G., and Vernon, D. 2007. The iCub Cognitive Humanoid
Robot: An Open-System Research Platform for Enactive Cognition, in in 50
Years of AI, M. Lungarella et al. (Eds.), Festschrift, LNAI 4850, pp. 359370,
2007, Springer-Verlag, Heidelberg.