Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contornos activos
Tarea No.1
Donde: P(Ai) son las probabilidades a priori. P(B | Ai) es la probabilidad de B en la hiptesis Ai. P(Ai | B) son las probabilidades a posteriori. Adems, unido a la definicin de Probabilidad condicionada, obtenemos la Frmula de Bayes, tambin conocida como la Regla de Bayes:
Aplicaciones El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de la estadstica tradicional slo admiten probabilidades basadas en experimentos repetibles y que tengan una confirmacin emprica mientras que los llamados estadsticos bayesianos permiten probabilidades
subjetivas.
El teorema puede servir entonces para indicar cmo debemos modificar nuestras probabilidades subjetivas cuando recibimos informacin adicional de un experimento. La estadstica bayesiana est demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar esas estimaciones en funcin de la evidencia emprica es lo que est abriendo nuevas formas de hacer conocimiento. Una aplicacin de esto son los clasificadores bayesianos que son frecuentemente usados en implementaciones de filtros, que se adaptan con el uso.
m1 0 0 = 0 m 2 0 0 0 m3
la matriz constante que regula la convergencia y estabilidad del algoritmo. Los valores de las entradas de esta matriz controlan la tasa de convergencia as como la estabilidad del algoritmo. El mtodo del gradiente descendente garantiza la solucin deseada si la funcin de costo es globalmente cuadrtica en sus parmetros. De otra forma, si la forma de la funcin de costo no es cuadrtica (como en este caso), o no est descrita claramente, una demostracin matemtica, debe realizarse para garantizar la convergencia de las soluciones del mtodo del gradiente descendente hacia el mnimo punto de la funcin de costo. El valor estimado del vector de parmetros se denota por
y los parmetros 1 , 2 y 3
son constantes dadas por 1=m 1 , 2=m 2 m 4 , 3=m3 ( m2 m4 )1 donde m4 , es una constante que sustituye a la variable temporal t . Con esto, se convierte el sistema que originalmente es variante en el tiempo e inestable, en invariante en el tiempo y estable.
De esta figura se obtienen los contornos por medio de diferentes filtros. El primero de ellos es el canny el cual utiliza el siguiente cdigo.
I=imread('cont2.pgm'); h1=edge(I, 'canny'); %Representacion de imagen subimage(h1),title('Filtro de Canny'); Del cual se obtiene:
Resultando:
Resultando:
El siguiente cdigo es para determinar el mapa de distancias el cdigo para obtenerlo es el siguiente:
I=imread('cont2.pgm'); h1=edge(I, 'prewitt'); h=bwdist(I,'cityblock'); mat2gray(h); imcontour(h);
Resultando: