Una arquitectura modular de inspiracion biológica con capacidad de aprendizaje para el análisis de movimiento en secuencias de imagen en tiempo real

SE PROPONE UNA ARQUITECTURA NEURONAL (MODULAR, MULTICAPA Y AUTOPROGRAMABLE POR APRENDIZAJE) PARA EL ANALISIS DEL MOVIMIENTO EN TIEMPO REAL A TRAVES DEL CALCULO DE UN DESCRIPTOR RLV (RELACION LONGITUD-VELOCIDAD) ANALOGO A LAS CELULAS GANGLIONARES DE LA RANA,EN LA TESIS SE DESARROLLA UNA METODOLOGIA PARA EL DISENO DE REDES NEURONALES BASADAS EN CONOCIMIENTO A PARTIR DE UN CONJUNTO DE ESPECIFICACIONES FUNCIONALES (SEGMENTACION, METRICAS, DISTANCIAS, INTEGRACION Y APRENDIZAJE POR REFUERZO). LA METODOLOGIA SE APLICA AL DESARROLLO DE UNA APLICACION CONCRETA EN VISION ARTIFICIAL Y SE IMPLEMENTA UNA VERSION SOFTWARE DIRECTAMENTE REALIZABLE CON LOGICA PROGRAMABLE Y MEMORIA RAM, CON LA SIMPLE SUSTITUCION DE "PROCESO" POR "PROCESADOR FISICO". FINALMENTE, TRAS LA EVALUACION DEL SISTEMA CON SECUENCIAS DE IMAGENES REALES Y SINTETICAS, CONTAMINADAS CON RUIDO Y CON DIFERENTES TEXTURAS, SE SUGIEREN LAS FUTURAS LINEAS DE INVESTIGACION EN VISION ARTIFICIAL MEDIANTE REDES NEURONALES: (1) BUSQUEDA DE NUEVOS DESCRIPTORES DE VELOCIDAD, DIRECCION Y FORMA (2) REFINAMIENTO DE LA ARQUITECTURA MULTICAPA PARA HACER MAS EFICIENTE SU IMPLEMENTACION HARDWARE.