Tercera entrega.

1. IDENTEFIER
Programación de Sistemas
Adaptativos
Disclaimer: Las herramientas y códigos utilizados para esta presentación son propiedad de sus autores, el uso dado en la
presentación es solo para fines ilustrativos y educativos.

2. Resumen del proyecto.
 Con respecto a la entrega anterior , no se
modificó nada del proyecto.
 Se seguirá lo que se tenía planeado
utilizando el reconocimiento de patrones
y algoritmos de búsqueda.

3. Avance de la planeación.

4. ¿Qué se ha hecho?
 Se han estado realizando pruebas
mayoritariamente en el área de la red
neuronal para el reconocimiento de lo que el
usuario dibuje en la pantalla.
 Se han encontrado algunos algoritmos para
ésta tarea(e.g K-nearest neighbours).
 Se encontró una pequeña implementación
para el autocompletado.

5. ¿Qué falta?
 En la parte del reconocimiento, hace falta hacer
pruebas con la librería que se eligió (opencv)
para programar la red neuronal.
 Hace falta hacer el vínculo entre la parte de la
red neuronal y la del autocompletado de
palabras(i.e. Que reconozca la letra dibujada, la
convierta en un carácter y se empiecen a dar
opciones de autocompletado).
 Hace falta analizar la implementación que se
encontró para el autocompletado de palabras y
a partir de ahí obtener una implementación
adecuada al proyecto.

6. Problemas
 Se han tenido muchos problemas en lo que
se refiere al manejo de opencv.
 Un ejemplo es que al tratar de entrenar la
red, se necesitan dos documentos con
información de las imágenes y un «label»
pero por alguna razón no se logra hacer que
funcione.
 Se debe analizar más a fondo la
documentación de opencv; en el peor de los
casos puede ser un error con python así que
se tendría que leer la documentación del
lenguaje.

7. Herramientas.

8. Recursos.
 Lalibrería que se decidió utilizar para el
proyecto fue opencv.
 Encuanto a referencias, la lista se
extendió mucho debido a la complejidad
de la librería.

9. Referencias.
 Investigando, se llegó con la siguiente
página: http://www.aishack.in/
 En ésta página se encuentran
explicaciones de algoritmos, tutoriales
sobre el uso de opencv, entre otras cosas.
 Una «desventaja» es que el sitio está
hecho para personas que utilizan la
versión de c/c++ de la librería.

10.  Debido a la complejidad de la página
anterior, se siguió buscando y se llegó al
siguiente blog :
http://opencvpython.blogspot.mx/
 En este blog, también se encuentran
tutoriales de opencv pero utilizando
python.
 La « desventaja » de esta página, es que
en algunos casos solo se provee el
código y se tuvo que « descifrar » leyendo
la documentación.

11.  Buscando en la página anterior algo
relacionado con el algoritmo de k-
nearest neighbours se encontró el
siguiente link:
http://stackoverflow.com/questions/9413
216/simple-digit-recognition-ocr-in-
opencv-python
 En ese link se encuentra una
implementación de este algoritmo, el
cual se analizó para tener una idea mas
clara de como utilizarlo.

12.  Nomenos importantes son los links de la
documentación de la librería junto con la
documentación de otras dos de las
cuales depende opencv, que son :
numpy y scipy.
 http://opencv.willowgarage.com/docum
entation/python/index.html
 http://docs.scipy.org/doc/

13. Primera versión

14.  Debido a todos los problemas que se han
tenido con entender el funcionamiento de la
librería, no se tiene un código funcional para
ser presentado.
 De avance de código solo se tiene lo
referente al procesamiento que se debe
hacer antes de utilizar el algoritmo de k-
nearest neighbours. « código »
 Cabe aclarar que ese procesamiento no se
realiza de manera correcta y se está
buscando la manera de corregirlo.
 En cuanto al autocompletado, a partir del
siguiente código, se planea tomar una base
para adaptarlo a lo que el proyecto
necesita.