Universidad de Zaragoza Repository

Curso: 2014-2015

Universidad de Zaragoza, Zaragoza

Titulación: Máster Universitario en Ingeniería Biomédica

Idioma: Español

Profesor(es): Orrite Uruñuela, Carlos Miguel ; Martín del Brío, Bonifacio

Resumen: Esta asignatura optativa de 3 ECTS forma parte de la materia Tecnologías de la Información y las Comunicaciones en Ingeniería Biomédica, dentro de la especialidad del mismo nombre.  En ella se introduce el reconocimiento de patrones desde una perspectiva moderna y práctica.  En la primera parte, tras una introducción general, se exponen las técnicas clásicas de reconocimiento de patrones más conocidas, incluyendo las paramétricas (bayesianas, discriminantes lineales...), no paramétricas (vecinos más próximos, árboles, reglas…) y las sintácticas.  En un tema diferenciado se tratan las diversas técnicas de extracción de características (PCA, LDA, ICA,…).  Por último, se presentarán distintas técnicas de combinación de clasificadores dando lugar a un sistema más robusto y al mismo tiempo, como solución al análisis de grandes volúmenes de información. En una segunda parte se describen técnicas basadas en redes neuronales artificiales y otros modelos actuales. En primer lugar se muestra el paso de las neuronas biológicas a los modelos de redes neuronales artificiales, enfatizando su interés actual en la ingeniería. A continuación se describen las redes neuronales más útiles para reconocimiento de patrones, como las de aprendizaje supervisado (perceptrones) y las de aprendizaje no supervisado utilizadas en clustering.  Posteriormente se tratan los modernos modelos kernel, donde destacan RBF y SVM (Support Vector Machines). El reconocimiento de patrones es una herramienta importante en numerosos campos, como, por ejemplo, visión por computador, reconocimiento del habla, análisis de datos financieros, etc.  En la ingeniería biomédica estas técnicas se aplican tanto al tratamiento de imágenes como al análisis y clasificación de datos médicos, cuyo fin último es apoyar al profesional en la toma de decisiones.

You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use. You may not use the material for commercial purposes. If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.