Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Inteligencia artificial , Ejercicios de Sistemas Integrados

reconocimiento de voz utilizando el toolbox de matlab, un perceptron. Entrenamiento y prueba de algoritmos supervisados y no supervisados Kmeans.

Tipo: Ejercicios

2016/2017

Subido el 26/04/2017

araceli-arteaga
araceli-arteaga 🇦🇷

1 documento

1 / 11

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Trabajo final
Inteligencia Artificial 1
Alumna: Arteaga, Araceli
Carrera: Ingeniería Mecátronica
Legajo: 10116
Año 2015
pág. 1
Trabajo Final
Profesora: Prof. Titular Dra. Ing. Selva S. Rivera
Alumna: Arteaga, Araceli Nair
Facultad de Ingeniería Universidad Nacional de Cuyo.
Mendoza-Argentina
Año 2015
pf3
pf4
pf5
pf8
pf9
pfa

Vista previa parcial del texto

¡Descarga Inteligencia artificial y más Ejercicios en PDF de Sistemas Integrados solo en Docsity!

Trabajo final Inteligencia Artificial 1

Carrera: Ingeniería Mecátronica Legajo: 10116 Año 2015

Trabajo Final

Profesora: Prof. Titular Dra. Ing. Selva S. Rivera Alumna: Arteaga, Araceli Nair

Facultad de Ingeniería – Universidad Nacional de Cuyo. Mendoza-Argentina Año 2015

Trabajo final Inteligencia Artificial 1

Carrera: Ingeniería Mecátronica Legajo: 10116 Año 2015

  • Resumen : El presente trabajo tiene por objetivo diferenciar cuantitativa y cualitativamente dos algoritmos de aprendizaje diseñados para el control por reconocimiento de voz de un móvil con las consignas: SIGA y PARE las cuales debe identificar con gran cantidad de aciertos. Se han utilizado dos algoritmos de aprendizaje y de reconocimiento: Red neuronal de una sola capa: Perceptrón y algoritmo de aprendizaje por agrupamiento: Kmeans.

Se han utilizado estos dos, en la plataforma MatLab. La cual ya los tiene definidos.

  • Introducción Descripción del agente: la percepción del agente está dada por las entradas, cuya secuencia refleja el historial completo de lo que el agente ha recibido para el que luego tomara una decisión. Se trata de un móvil comandado por voz. En primera instancia se trataría de un agente reactivo que aprende ya que bajo cierto criterio mejorara su actuación futura al incorporar conocimiento resultado de sus acciones pasadas, es decir, incorporando mayor cantidad de entradas se afina la calidad de su salida, el modelo de un agente que aprende contiene un elemento de crítica que le indica en cierta medida el nivel de acierto con el que actúa y que le permite realizar modificaciones para mejorar. Entonces en este caso se trata de un agente reactivo simple, ya que su inteligencia se limita a las reglas de condición-acción para procesar la entrada y proveer una salida. A pesar de que requiere un entorno completamente observable (el cual no lo es) sus entradas del comando de voz se almacenan por completo en las tablas del agente.

Trabajo final Inteligencia Artificial 1

Carrera: Ingeniería Mecátronica Legajo: 10116 Año 2015

Dinámico: Las condiciones del entorno pueden cambiar mientras el agente está tomando una decisión.

Continuo La cantidad de estados posibles es un conjunto infinito.

Agente individual Las decisiones que el agente toma no están condicionadas por las de otro.

  • Diseño del Sistema: Se usan dos algoritmos: Kmeans: en este algoritmo se determinan los centroïdes, para esto se elige en una primera instancia de forma arbitraria dos centroïdes (uno correspondiente a pare y otro a siga) de la matriz de datos, luego se calcula la distancia de los vectores datos a los mismos, se actualiza la matriz de pertenencia, en esta matriz se agrupan los datos más cercanos al Centroïde pare y los más cercanos al Centroïde siga en otro grupo, luego se obtienen los nuevos centroïdes, estos surgen del promedio de los datos de cada grupo. Este proceso se repite de forma iterativa hasta que los centroïdes coinciden con los centroïdes de la iteración anterior. Luego envío la nueva grabación y se calcula la distancia a los centroïdes, corresponderá a la orden pare o siga según si se encuentra más cerca de un Centroïde u otro.

Perceptrón: El diseño corresponde al siguiente esquema: Cuenta con 8000 entradas correspondientes a la información de cada grabación de un segundo, la red neuronal de una sola capa aplica un peso w y un sesgo b para generar una salida. La capacidad del Perceptrón es binaria, es decir, solo puede generar dos salidas 0 o 1. En este caso se ha establecido como que 1 represente SIGA y 0 represente PARE. Se utiliza el software: Matlab® con el toolbox integrado Neural Training para realizar el programa del agente y además para obtener la tabla que es la función que describe el comportamiento del agente.

Trabajo final Inteligencia Artificial 1

Carrera: Ingeniería Mecátronica Legajo: 10116 Año 2015

  • Código Se utilizó una interfaz gráfica para la interacción con el usuario que le permite mediante botones “push boton” llevar al usuario a la decisión de entrenar de nuevo o realizar el reconocimiento correspondiente. Cuenta con 6 funciones:

 Base de Datos: la cual se encarga de realizar las grabaciones para el posterior entrenamiento de los algoritmos. Guarda 2 matrices X y T. X está compuesta por los ceptrums de las grabaciones y T por 0 y 1, los cuales indican si se dijo PARE o SIGA.

Trabajo final Inteligencia Artificial 1

Carrera: Ingeniería Mecátronica Legajo: 10116 Año 2015

 Entrenar Perceptrón: esta función se encarga de entrenar al perceptrón, pasándole al mismo la matriz X de ceptrums realizada con la función base de datos y la de decisiones T.

 Probar: esta función se encarga de realizar las grabaciones para el reconocimiento

Trabajo final Inteligencia Artificial 1

Carrera: Ingeniería Mecátronica Legajo: 10116 Año 2015

 Probar Perceptrón: esta función realiza el reconocimiento de voz a través del perceptrón, abre el archivo de la grabación a identificar, le calcula el ceptrum y se lo pasa al perceptrón para hacer el reconocimiento

 Kmeans: esta función realiza el reconocimiento de voz a través del algoritmo de agrupamiento kmeans. El cual ya está definido en la plataforma de Matlab. En la línea 9 del programa es donde se crea y entrena el algoritmo. Al cual se le pasa la matriz de ceptrums xtr transpuesta

Trabajo final Inteligencia Artificial 1

Carrera: Ingeniería Mecátronica Legajo: 10116 Año 2015

Siga con kmeans:

En la ventana se pueden observar los botones para realizar la Base De Datos, El entrenamiento y para grabar voz. Luego está el panel de reconocimiento donde tengo dos opciones: el perceptrón y el kmeans. Abajo se puede ver la gráfica de las posiciones de los datos

  • Resultados Se realizaron 20 grabaciones de entrenamiento de una sola persona, el resultado de reconocimiento fue: Perceptrón 6/10 un 60% de acertamiento. Kmeans 7/10 un 70% de acertamiento. Hubo problemas en el reconocimiento de la palabra PARE. El perceptrón no reconoció ninguna de las palabras PARE mientras que el algoritmo kmeans reconoció 1. En el entrenamiento de 40 grabaciones con 4 participantes distintos el resultado fue opuesto, kmeans dio peores resultados que el perceptrón.

Trabajo final Inteligencia Artificial 1

Carrera: Ingeniería Mecátronica Legajo: 10116 Año 2015

  • Conclusiones La situación planteada contempla las pruebas de funcionamiento de personas varias sobre un entrenamiento de una única persona para comprobar la fiabilidad de los algoritmos. Es importante para el correcto funcionamiento de los algoritmos un buen micrófono, para la adquisición del audio. El sonido del ambiente también afecto al funcionamiento, por lo que para que funcione correctamente en este desarrollo es conveniente realizarlo en un ambiente silencioso, ya que el ruido en la adquisición entorpece la identificación.
  • Bibliografía utilizada para realizar el trabajo Russell y Norvig, P - Inteligencia Artificial un enfoque moderno, 2da Ed – Pearson http://es.slideshare.net/omarspp/agrupamiento-kmeans http://disi.unal.edu.co/~lctorress/RedNeu/LiRna004.pdf https://www.dspace.espol.edu.ec/bitstream/123456789/10740/11/MATLAB_GUI DE.pdf