Vista previa del material en texto
- El error global llega a cero. Esto indica que la red ha encontrado un conjunto de pesos que satisface perfectamente la lógica booleana de la compuerta, logrando la convergencia del algoritmo. Observaciones - Las imágenes a color tienen tres capas de información (RGB), mientras que las de grises solo tienen una, lo que reduce el tamaño de su matriz. - Al separar una imagen en Matiz, Saturación y Brillo (HSV), se pueden resaltar detalles que no se ven a simple vista en el formato normal. - Las computadoras pueden distinguir muchísimos más niveles de gris que el ojo humano, lo que permite detectar enfermedades en radiografías que una persona ignoraría. Conclusiones - La visión artificial no reemplaza a la humana, sino que la mejora en tareas que requieren rapidez, precisión y manejo de muchos datos. - Las redes neuronales (como el Perceptrón) pueden aprender lógicas matemáticas y "entrenarse" hasta que su error sea cero. - Estas tecnologías son la base para avances modernos como los vehículos que se conducen solos, el diagnóstico médico y la robótica industrial. Aplicaciones Diagnostico por imagenes medicas: El procesamiento de imágenes es la base para interpretar exámenes como radiografías, tomografías y resonancias magnéticas. Muchas de estas imágenes son imágenes de intensidad, donde un único valor numérico en cada píxel representa la densidad del tejido. Aunque el ojo humano sólo distingue alrededor de unos 32 niveles de gris, las computadoras pueden procesar imágenes con una resolución de bits mucho mayor, de esta manera permitiendo detectar males sutiles que el ojo ignoraría. En esta imagen se observa cómo se aplica un mapa de colores para asignar tonos específicos a los niveles numéricos de intensidad. De este modo, se facilita el trabajo de identificar áreas de interés que en una escala de grises tradicional serían imperceptibles. En lugar de que el médico dependa de la agudeza de su visión para notar una anomalía, la computadora resalta automáticamente cualquier irregularidad mediante el color. Observaciones Conclusiones Aplicaciones Diagnostico por imagenes medicas:
