Resumen. Se realiza el análisis del desempeño de redes neuronales multicapa y SVM como clasificador para el reconocimiento de señas del LSM considerando tres conjuntos de características: Momentos de Hu, Momentos de Zernike e Histogramas de orientación del gradiente (HOG). Se creó un dataset de 21 señas y se le aplicó un preprocesamiento a las imágenes antes de extraer el conjunto de características, las técnicas aplicadas son: reducción de ruido, escalamiento de la imagen y eliminación del fondo de la imagen. Así mismo, se analizó el efecto de la reducción de dimensionalidad del conjunto de características con los algoritmos PCA y LDA. Los resultados indican que los momentos de Zernike junto con LDA ofrece la mejor exactitud en los resultados.Palabras clave: LSM, reconocimiento de imágenes, segmentación de piel, aprendizaje automático, momento de Hu, momento de Zernike, HOG.Abstract. We analyzed the perfomance of multilayer neural networks and SVM as classifier for the Mexican Sign Language (LSM) considering three diferent sets of features: Hu moments, Zernike moments and Histogram of oriented gradients (HOG). A 21-sign dataset was created and in order to extrac the features the images were pre-processed, the applied techniques were: noise reduction, image scaling, and image background removal. Likewise, we analyzed the dimensionality reduction of the set of features with PCA and LDA. The obtained results show that the moments of Zernike together with LDA offers the best accuracy in the classification using the features set.

Resumen. Debido a la dificultad de aprender la lógica necesaria para la programación se diseña y desarrolla un videojuego educativo que tiene como objetivo ayudar a niños a introducirse en el mundo de la programación. El videojuego busca desarrollar la lógica de los infantes en etapa de primaria y la forma en que se realiza es dando al jugador el control de un personaje el cual se maneja mediante líneas de pseudocódigo que deben ser escritas en un campo de texto de manera correcta. El videojuego consta de 20 niveles y su dificultad es incremental. La metodología de desarrollo utilizada es Scrum, además, se utilizaron herramientas de software, como el motor gráfico Unity 3D, Asesprite, Tiled y Adobe Photoshop para el diseño y desarrollo del videojuego.

Resumen. En la palinología se han aplicado con éxito las redes neuronales para la clasificación de granos de polen. Con este fin se seleccionó RPROP como algoritmo de entrenamiento de la red neuronal para la clasificación de un dataset previamente reportado, se consideraron las variantes con y sin retroceso de peso. Se utilizó un algoritmo genético para optimizar la topología de la red neuronal (número de capas ocultas y número de neuronas por capa), razones de entrenamiento y prueba, pesos iniciales y número de iteraciones. Las topologías encontradas y reportadas en este documento exhiben resultados de clasificación superiores a los previamente reportados. Aunque no es el objetivo final, se pretende que este desarrollo sea útil en la identificación de los tipos de polen en la miel producida en la región de M isantla.

No abstract