Redes neuronales y Series de Fourier aplicados al procesamiento de imágenes en problemas de aprendizaje

Abstract

El presente trabajo forma parte del proyecto denominado PROA que tiene como objetivo desarrollar un Sistema Inteligente para Detección Precoz de Problemas de Aprendizaje destinado a niños de entre 3 y 6 años de edad. En este contexto, se presenta una aplicación de técnicas de Inteligencia Artificial a la clasificación e identificación de figuras planas obtenidas a partir de gráficos realizados por infantes en condiciones de test. En el mismo, se requiere al examinado imitar cierta figura sencilla, apta para su edad. En particular, se expone el procesamiento realizado con círculos. Considerando que el ingreso de las imágenes digitalizadas, o aún de los datos de los bordes, es computacionalmente muy costoso resulta atractivo emplear una estrategia capaz de comprimir los datos originales a una cantidad razonable de parámetros significativos. Se presenta una alternativa, empleando coeficientes en Series de Fourier para la alimentación y entrenamiento de una red neuronal. Dado que las imágenes patrón del test son regulares, quedan caracterizadas por un número reducido de coeficientes y pueden clasificarse con criterios sencillos. Por lo tanto, se presenta un escenario favorable para la utilización de Series de Fourier para dicha caracterización. En este trabajo se analizan casos y diversas aplicaciones empleando una red neuronal de tipo Multilayer Perceptron procesadas con la herramienta WEKA. Si bien, en la comunidad, puede presentarse cierto grado de subjetividad en la evaluación de los gráficos, se puede presumir con razonable acierto que este tratamiento será la base para la estandarización de ciertos criterios ad hoc.