1. Reconocimiento de Huellas Digitales
Presentación final
Project Vote
Redes Neuronales
Carmen – Daniel
Adán - Sergio

2. Reconocimiento de Huellas Digitales
• En esta entrega se presentan las mejoras
implementadas tanto en la red neuronal y en el
procesamiento de huellas para su identificación.

3. Red Neuronal - Implementaciones
• Implementación de perceptrón simple (una sola
neurona)
• La primera mejora con que cuenta esta nueva
versión es que la neurona ya es manipulada como un
objeto, lo que permite una mejor implementación de
sus propiedades.
• Se terminó de implementar el conteo de total de
aciertos y errores de la neurona en el total de
corridas que el usuario haya definido al ejecutar el
script.

4. • Otra de las principales mejoras conforme a la red
implementada en medio curso es que ahora para
esta implementación quedó atrás del uso de listas y
en su lugar se hizo uso de la librería Numpy, la cual
es especializada en el manejo de vectores. Y con la
cual se comprobaron las facilidades que ofrece ésta
en cuanto al uso y la manipulación de los mismos
(vectores).
• Otra característica que se mejoró es que ahora el
usuario decide cuántas pruebas quiere que corra el
script, esto para observar el desempeño del
aprendizaje de la neurona. Mientras más pruebas se
realicen, más notorio es este aprendizaje de la
neurona.

5. • Finalmente en la funcionalidad se logró
comprobar que al volver a ejecutar el script
después de una primera ejecución, el
aprendizaje de la neurona es más exacto que en
la ejecución anterior.

6. Mejoras Implementadas
• Originalmente, al crear esto el archivo podría
contener grandes espacios de color blanco, es
decir, unos en las orillas ya que varias imágenes
contenían espacios en blanco a los lados.
Aplicando la reducción se lograron eliminar esas
filas para un mejor y más veloz procesamiento
de los archivos al momento de comparar.
• Con esto mejoramos el procesamiento y la
velocidad de los archivos.

7. Identificación de personas
• Se logró identificar a las personas por medio de
los archivos generados comparándolos con los
que ya están en la base de datos.
• Cada archivo tiene un nombre y se ingresa un
archivo desconocido, con este archivo
desconocido se comparan y regresar como
resultado la coincidencia encontrada.