https://hdl.handle.net/20.500.12724/8382 Thu, 14 May 2026 17:14:23 GMT 2026-05-14T17:14:23Z https://hdl.handle.net/20.500.12724/12343 Recuperación de información de placas vehiculares en base al método optical character recognition (OCR) Castañeda Haro, Carlos Enrique Vehicle impersonation is one of the main problems based on license plates adulteration. Furthermore, license plate recognition has been field of study of computer vision, due to the high impact it has on intelligent transport, road safety, etc. This work presents an OCR process based on license plate recognition. To achieve this, we have established a rectified license plate database to experiment. The process consists of an initial noise filtering to the images, to later segment the region of the plate that contains the characters, then, perform a pre-processing on the images and, finally, isolate each of the characters to apply the OCR individually to each one of them. The results show an 89.33% accuracy in the license plate recognition in accordance with similar researches, and a 96.11% accuracy in the recognition of each character individually.; La suplantación vehicular es un problema basado en la adulteración de las matrículas vehiculares, las cuales han sido campo de estudio de la visión computacional, debido al alto impacto que supone el reconocimiento de placas vehiculares en temas de transporte inteligente, seguridad vial, etc. En esta investigación se presenta la implementación de un proceso de OCR para el reconocimiento de las matrículas vehiculares. Para esto, se ha establecido una base de datos con imágenes de placas vehiculares rectificadas para la realización de pruebas. El proceso consiste en un filtrado de ruido inicial a las imágenes, para posteriormente segmentar la región de la placa que contiene los caracteres, realizar un preprocesamiento a dicha imagen y aislar o segmentar a cada uno de los caracteres para aplicar el OCR de manera individual a cada uno de ellos. Los resultados nos muestran una precisión del 89.33% en el reconocimiento de matrículas vehiculares lo cual se encuentra acorde a investigaciones similares y una precisión de 96.11% en la identificación de cada carácter individualmente. Wed, 01 Jan 2020 00:00:00 GMT https://hdl.handle.net/20.500.12724/12343 2020-01-01T00:00:00Z https://hdl.handle.net/20.500.12724/9320 Análisis de patrones en señales musculares de extremidad superior mediante técnicas de Machine Learning Ayala Galvan, Diana del Milagro Con la finalidad de encontrar las mejores técnicas para el análisis de señales electromiográficas (EMG) a través de medios computacionales para su uso en el control de prótesis, se realizaron dos clasificadores de señales. En este artículo se detallará la metodología empleada tanto en la obtención de las señales, como en la implementación del clasificador. Tue, 01 Jan 2019 00:00:00 GMT https://hdl.handle.net/20.500.12724/9320 2019-01-01T00:00:00Z https://hdl.handle.net/20.500.12724/8401 Comparación entre regresión logística y redes neuronales para predecir cáncer de piel en perros Chávez Martínez, Renato To ascertain if a dog has the predisposition to develop skin cancer is a challenge for both veterinarians and pet owners. Logistic regression models and neural networks have been used widely in the field of human medicine to make predictions; the present study approaches the comparison between these two technics to predict skin cancer in dogs. The variables we analyzed were age, sex, breed, sun exposition, albinism and, dermatitis. These variables were validated by the correlation coefficient and the principal component analysis. The obtained results showed that the backpropagation neural network technique with a cross validation is better than the logistic regression. The neural network’s accuracy value was 89.6% while only 84% for the logistic regression.; Determinar si un perro tiene la predisposición de desarrollar cáncer a la piel es uno de los desafíos tanto de los veterinarios como de los dueños de las mascotas. Los modelos de regresión logística y redes neuronales han sido ampliamente utilizados para realizar predicciones en el ámbito de la medicina humana, el presente estudio aborda la comparación de éstas dos técnicas para la predicción de cáncer de piel en perros. Las características que se han analizado son la edad, el sexo, raza, exposición al sol, albinismo y la aparición de dermatitis. Dichas características fueron validadas por el método de coeficiente de correlación y el análisis de componente principal. Los resultados obtenidos demostraron que la red neuronal backpropagation con validación cruzada supera al modelo de regresión logística. El valor de predicción generado por la red neuronal fue de 89.6% mientras que la regresión logística obtuvo un 84%. Tue, 01 Jan 2019 00:00:00 GMT https://hdl.handle.net/20.500.12724/8401 2019-01-01T00:00:00Z