TECNOLÓGICO NACIONAL DE MÉXICO

Secretaría Académica, de Investigación e Innovación

Dirección de Docencia e Innovación Educativa

1. Datos Generales de la asignatura

Nombre de la asignatura: Percepción e Inteligencia Artificial

Clave de la asignatura: SMD-1704

SATCA1: 2 - 3 – 5

Carrera: Ingeniería Mecatrónica

2. Presentación
Caracterización de la asignatura
Esta asignatura aporta al perfil del Ingeniero en Mecatrónica la capacidad de aplicar técnicas de Percepción e
Inteligencia Artificial, en el desarrollo de Sistemas Autónomos y Sistemas de Control Automático.
A través de la asignatura se pretende gestionar en el estudiante el desarrollo de competencias relativas a la aplicación,
en sistemas autónomos y en sistemas de control automático, de conocimientos del campo de la Inteligencia Artificial
(IA), particularmente las técnicas de la lógica difusa y de las redes neuronales artificiales; igualmente las
competencias relativas al desarrollo de aplicaciones en el campo de la percepción artificial, particularmente audición
artificial y visión artificial. Dado que las anteriores son áreas de la ingeniería con gran oportunidad de desarrollo y
demanda profesional en crecimiento, se pretende incidir en la conformación de una actitud innovadora e investigadora
del egresado, y promover actitudes provocadoras de ímpetu por la aplicación de nuevas tecnologías.
Dentro del plan de estudios de la carrera esta materia está situada en la especialidad; el alumno requiere tener como
base el aprendizaje de otras materias que permitan el desarrollo de nuevas habilidades para el desarrollo de
computación avanzada, de instrumentación con nuevas tecnología, y de control automático inteligente. Es importante
que el alumno demuestre capacidad de diseño de sistemas mecatrónicos, lo cual incluye la capacidad de aplicar
conocimientos de las ciencias básicas, y de los campos de la ingeniería relacionados con la mecatrónica: mecánica,
eléctrica, electrónica, computación, control y robótica.
Intención didáctica
La asignatura se divide en cinco unidades. Se pretende que el estudiante alcance el dominio, en la primera unidad, de
los conocimientos básicos de la percepción artificial y de la inteligencia artificial; posteriormente en cada una de las
siguientes unidades se propone el estudio de los conocimientos fundamentales de una técnica en particular de los
campos que aborda la asignatura: audición artificial, visión artificial, lógica difusa y redes neuronales artificiales; en
cada una de estas unidades el estudiante ha de lograr el conocimiento correspondiente hasta un nivel aplicativo,
integrando los nuevos conocimientos con aquellos previamente adquiridos en asignaturas como instrumentación,
control, robótica, programación avanzada, y haciendo uso de las competencias desarrolladas en el estudio de la mayor
parte de las materias previamente cursadas.
La unidad número uno contiene los elementos esenciales para la comprensión del ámbito de la asignatura, cumple el
propósito de una introducción a cada una de las unidades posteriores, y promueve el interés en campos del
conocimiento nuevos para el estudiante. Se pretende que este dimensione el potencial de los conocimientos a
desarrollar y la importancia de incorporar conocimientos previos y poner en práctica competencias desarrolladas en
asignaturas anteriores. El estudiante ejercita desde el principio su capacidad de análisis crítico para ubicar la materia
en el contexto global de su carrera.
La asignatura requiere de la incorporación de conocimientos y competencias que corresponden a un nivel muy
avanzado en el plan de estudios de la carrera de ingeniería mecatrónica; es una materia de especialidad que aporta
nuevos conocimientos y el desarrollo de nuevas competencias, dentro de las cuales sobresale la aplicación de técnicas
que requieren del dominio de computación avanzada para realizar implementaciones en la resolución de problemas
reales de ingeniería.
Las unidades dos y tres se ocupan del campo de la percepción artificial, una trata la audición, otra la visión. Se hace
énfasis en el procesamiento computacional de ambas formas de percepción artificial, considerando que conocimientos
y competencias previamente adquiridos se conjuntarán para dotar de la capacidad para realizar aplicaciones.
En las unidades cuatro y cinco se estudian técnicas de inteligencia artificial, la lógica difusa y las redes neuronales
artificiales, respectivamente. Bajo la misma propuesta de profundizar en el procesamiento computacional de dichas
técnicas y ante la mencionada condición de dominio de otros conocimientos y competencias se plantea concluir cada
una de las unidades con el desarrollo de aplicaciones.
Dado que el mérito de la asignatura se demuestra con la resolución de problemas de sistemas autónomos y sistemas
de control automático, se establecen perfiles de aplicación que orientan al uso de las técnicas de inteligencia artificial
para la percepción artificial y para el control automático.
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
Dirección de Docencia e Innovación Educativa

Se sugiere al docente coordinar a los estudiantes para llevar a cabo una aplicación real dentro de un proyecto
integrador, que demuestre las competencias desarrolladas en las distintas asignaturas que se cursan simultáneamente.
Se recomienda simular un escenario tal como se presenta en el ambiente laboral para que el alumno se desempeñe
dentro de un entorno virtual que le obligue a gestar habilidades necesarias para tener la capacidad de enfrentar los
problemas propios de la ingeniería con el rigor y las condiciones del ámbito laboral.
El alumno debe demostrar habilidades de investigación, capacidad de adaptarse a nuevas situaciones y de generar
nuevas ideas, y al mismo tiempo, capacidad de trabajar en un equipo interdisciplinario.
Por último, es importante que el profesor proporcione una visión completa de la asignatura advirtiendo los alcances
y las limitaciones en el sector productivo y en el sector de investigación.

3. Participantes en el diseño y seguimiento curricular del programa

Lugar y fecha de elaboración o Participantes Evento
revisión
Instituto Tecnológico de Colima, Representantes del Departamento de Reunión departamental para el
agosto-septiembre de 2016. Ingeniería Eléctrica y Electrónica. diseño de la especialidad de
Gerardo Morales Ochoa Ingeniería Mecatrónica plan
Olimpo Lúa Madrigal IMCE-SMC-2017-01
Armando Gaytán Godínez
Marco Aurelio Vázquez Olvera
Adriana Marcela Guerrero Vaca
Johann Mejías Brito
David Díaz Delgado
Pedro Itzván Silva Medina
Azael García Rebolledo
Rosario Lugo Báez

4. Competencias a desarrollar
Competencias Específicas de la asignatura
Aplica los conceptos fundamentales de la Inteligencia Artificial, dentro del contexto de campos de estudio de la
ingeniería mecatrónica (visión computacional, audición computacional, procesamiento de lenguaje natural, robótica,
automatización, etc.).
Diseña e implementa sistemas de audición y visión computacional.
Aplica las técnicas de inteligencia artificial: lógica difusa y redes neuronales artificiales, principalmente, en el diseño
e implementación de sistemas inteligentes y autónomos que agreguen potencial al desempeño de tareas del ser
humano, específicamente a través del diseño de sistemas de visión artificial, auditiva artificial, control neuronal y
control difuso.

5. Competencias previas
 Programa en un lenguaje técnico
 Construye sistemas de instrumentación con microcontroladores
 Aplica señales digitales en la comunicación
 Aplica conocimientos de matemáticas en las comunicaciones digitales
 Diseña e implementa sistemas mecatrónicos

6. Temario
No. Temas Subtemas
1 Introducción a la Percepción e 1.1 Percepción e Inteligencia
Inteligencia Artificial 1.2 Percepción e Inteligencia Artificial
1.3 Campo de la Percepción Artificial
1.4 Campo de la Inteligencia Artificial
1.5 Sistemas Autónomos Artificiales
2 Procesamiento Digital de Audio 2.1 Adquisición de Señales Auditivas
2.2 Procesamiento de Señales de Audio en Nivel Bajo
2.3 Procesamiento de Señales de Audio en Nivel Medio
2.4 Procesamiento de Señales de Audio en Nivel Alto
2.5 Aplicaciones en Audición Artificial
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
Dirección de Docencia e Innovación Educativa

3 Procesamiento Digital de Imágenes 3.1 Adquisición de Imágenes

3.2 Procesamiento de Imágenes en Nivel Bajo
3.3 Procesamiento de Imágenes en Nivel Medio
3.4 Procesamiento de Imágenes en Nivel Alto
3.5 Aplicaciones en Visión Artificial
4 Lógica Difusa 4.1 Conceptos Básicos de Lógica Difusa
4.2 Estructura de los Sistemas Difusos
4.3 Métodos de Lógica Difusa
4.4 Procesamiento Computacional de Sistemas Difusos
4.5 Aplicaciones en Automatización y en Percepción Artificial
5 Redes Neuronales Artificiales 5.1 Conceptos Básicos de Redes Neuronales Artificiales
5.2 Estructura de las RNA
5.3 Algoritmos de Aprendizaje en RNA
5.4 Procesamiento Computacional de las RNA
5.5 Aplicaciones en Automatización y en Percepción Artificial

7. Actividades de aprendizaje de los temas

1. Introducción a la Percepción e Inteligencia Artificial
Competencias Actividades de aprendizaje
Específicas:  Investigar los conceptos relativos a Sistemas
 Utiliza correctamente los conceptos básicos Autónomos Artificiales y analizar su relación con la
sobre Sistemas Autónomos Artificiales ingeniería mecatrónica
 Explica el problema de Percepción Artificial y  Investigar, comprender y analizar el problema de la
los distintos campos que actualmente se abordan percepción artificial
 Investigar y comprender los avances en percepción
Genéricas: artificial, y discutir la aplicación de conocimientos
propios de la carrera
 Capacidad de análisis y síntesis
 Investigar conceptos básicos, evolución, enfoques y
 Capacidad de organización y planificación aplicaciones de la inteligencia artificial
 Habilidad para la búsqueda y análisis de  Investigar las técnicas de inteligencia artificial y
información proveniente de fuentes diversas. analizar su relación con conocimientos previos de la
 Trabajo en equipo carrera

2. Procesamiento Digital de Señales de Audio

Competencias Actividades de aprendizaje
Específicas:  Investigar los conceptos fundamentales en del área de
 Utiliza los conceptos fundamentales de señales audio digitalizado.
de audio para implementar la adquisición de las  Investigar el proceso de adquisición de señales de audio
señales en formato digital digitales y desarrollar ejercicios.
 Habilidad para realizar el procesamiento de  Investigar las fases del procesamiento computacional
señales de audio a bajo, medio y alto nivel de audio digital.
 Comprender la aplicación de conocimientos previos en
 Capacidad para aplicar el procesamiento de
problemas de procesamiento de audio.
imágenes en sistemas de auditiva artificial
 Desarrollar ejercicios de procesamiento computacional
de audio digital, a nivel bajo, medio y alto.
Genéricas:  Desarrollar aplicaciones del procesamiento de audio
 Capacidad de análisis y síntesis digital para sistemas de auditiva artificial
 Capacidad de organización y planificación
 Habilidades básicas en el modelado de sistemas
 Habilidades básicas de manejo de la
computadora
 Habilidad de manejo de software de Ingeniería
 Habilidad para buscar y analizar información
proveniente de fuentes diversas
 Solución de problemas
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
Dirección de Docencia e Innovación Educativa

 Habilidad de modelación
 Capacidad de aplicación de los conocimientos en
la práctica
 Habilidades de investigación
3. Procesamiento Digital de Imágenes
Competencias Actividades de aprendizaje
Específicas:  Investigar los conceptos fundamentales en del área de
 Utiliza los conceptos fundamentales de imágenes imágenes digitales.
en formato digital para implementar la  Investigar el proceso de adquisición de imágenes
adquisición de imágenes en formato digital digitales y desarrollar ejercicios.
 Realiza el procesamiento de imágenes a bajo,  Investigar las fases del procesamiento computacional
medio y alto nivel para procesar imágenes en de imágenes digitales.
sistemas de visión artificial.  Comprender la aplicación de conocimientos previos en
problemas de procesamiento de imágenes.
 Desarrollar ejercicios de procesamiento computacional
Genéricas:
de imágenes digitales, a nivel bajo, medio y alto.
 Capacidad de análisis y síntesis  Desarrollar aplicaciones del procesamiento de
 Capacidad de organización y planificación imágenes digitales para sistemas de visión artificial
 Habilidades básicas en el modelado de sistemas
 Habilidades básicas de manejo de la
computadora
 Habilidad de manejo de software de Ingeniería
 Habilidad para buscar y analizar información
proveniente de fuentes diversas
 Solución de problemas
 Habilidad de modelación
 Capacidad de aplicación de los conocimientos en
la práctica
 Habilidades de investigación
4. Lógica Difusa
Competencias Actividades de aprendizaje
Específicas:  Investigar los conceptos básicos de Lógica Difusa.
 Utiliza los conceptos básicos de Lógica Difusa  Investigar la estructura de los Sistemas Difusos y
para configurar la estructura de Sistemas Difusos comprender cada una de sus partes.
 Diseña el procesamiento computacional de  Investigar métodos de procesamiento de Sistemas
Sistemas Difusos para implementar Lógica Difusos y analizar su implementación.
Difusa en Sistemas de Control Automático y  Resolver problemas básicos utilizando Lógica Difusa.
Sistemas de Percepción Artificial  Desarrollar prácticas de procesamiento computacional
de Sistemas Difusos, con problemas de de Control
Genéricas: Automático y de Percepción Artificial.
 Diseñar e implementar una aplicación de Lógica Difusa
 Capacidad de análisis y síntesis en un sistema mecatrónico.
 Capacidad de organización y planificación
 Conocimientos básicos de la carrera
 Habilidades básicas de manejo de la
computadora
 Habilidad de manejo de software de Ingeniería
 Habilidad para buscar y analizar información
proveniente de fuentes diversas
 Solución de problemas
 Habilidad de modelación
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
Dirección de Docencia e Innovación Educativa

 Capacidad de aplicación de los conocimientos en

la práctica
 Habilidades de investigación
5. Redes Neuronales Artificiales
Competencias Actividades de aprendizaje
Específicas:  Investigar los conceptos básicos de RNA.
 Utiliza los conceptos básicos de RNA para  Investigar la estructura y clasificación de RNA y
configurar la estructura y diseñar algoritmos de comprender sus diferencias.
aprendizaje en RNA  Investigar algoritmos de aprendizaje en RNA y analizar
 Implementa RNA en Sistemas de Control la aplicación de cada uno.
Automático y Sistemas de Percepción Artificial  Resolver problemas básicos dentro del estudio de las
RNA.
Genéricas:  Desarrollar prácticas de procesamiento computacional
de RNA, con problemas de de Control Automático y de
 Capacidad de análisis y síntesis
Percepción Artificial.
 Capacidad de organización y planificación  Diseñar e implementar una aplicación de RNA en un
 Conocimientos básicos de la carrera sistema mecatrónico.
 Habilidades básicas en el modelado de sistemas
 Habilidades básicas de manejo de la
computadora
 Habilidad de manejo de software de Ingeniería
 Habilidad para buscar y analizar información
proveniente de fuentes diversas
 Solución de problemas
 Habilidad de modelación
 Capacidad de aplicación de los conocimientos en
la práctica
 Habilidades de investigación

8. Prácticas
 Análisis de un Sistema de Inteligencia Artificial
 Diseño y Simulación de Sistemas de Procesamiento de Audio
 Diseño y Simulación de Sistemas de Procesamiento de Imágenes
 Diseño y Simulación de Sistemas Difusos aplicados a Control Automático, Audición Artificial o Visión Artificial
 Diseño y Simulación de RNA aplicadas a Control Automático, Audición Artificial o Visión Artificial

9. Proyecto de asignatura
El estudiante contribuye con la implementación de percepción artificial o de inteligencia artificial en el desarrollo de
un proyecto integral con eje en la asignatura de Diseño y Construcción de Dispositivos Mecatrónicos, que se cursa
dentro de la misma especialidad de la carrera.
El objetivo es demostrar el desarrollo y alcance de las competencias de la asignatura, en lo que corresponda a las
siguientes fases:
 Fundamentación: marco referencial (teórico, conceptual, contextual, legal) en el cual se fundamenta el proyecto
de acuerdo con un diagnóstico realizado, mismo que permite a los estudiantes lograr la comprensión de la realidad o
situación objeto de estudio para definir un proceso de intervención o hacer el diseño de un modelo.
 Planeación: con base en el diagnóstico en esta fase se realiza el diseño del proyecto por parte de los estudiantes
con asesoría del docente; implica planificar un proceso: de intervención empresarial, social o comunitario, el diseño
de un modelo, entre otros, según el tipo de proyecto, las actividades a realizar los recursos requeridos y el cronograma
de trabajo.
 Ejecución: consiste en el desarrollo de la planeación del proyecto realizada por parte de los estudiantes con asesoría
del docente, es decir en la intervención (social, empresarial), o construcción del modelo propuesto según el tipo de
proyecto, es la fase de mayor duración que implica el desempeño de las competencias genéricas y especificas a
desarrollar.
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
Dirección de Docencia e Innovación Educativa

 Evaluación: es la fase final que aplica un juicio de valor en el contexto laboral-profesión, social e investigativo,
ésta se debe realizar a través del reconocimiento de logros y aspectos a mejorar se estará promoviendo el concepto de
“evaluación para la mejora continua”, la metacognición, el desarrollo del pensamiento crítico y reflexivo en los
estudiantes.

10. Evaluación por competencias

Son las técnicas, instrumentos y herramientas sugeridas para constatar los desempeños académicos de las actividades
de aprendizaje.
 Mapa conceptual
 Problemario
 Examen
 Esquemas
 Representaciones gráficas o esquemáticas
 Mapas mentales
 Ensayos
 Reportes de prácticas
 Resúmenes
 Rúbrica
 Exposiciones orales.
 Lista de cotejo
 Matriz de valoración
 Guía de observación

11. Fuentes de información

1. García, Alberto; Inteligencia Artificial. Fundamentos, práctica y aplicaciones; Ed. RC Libros; 2016; ISBN
9788494465048
2. Ponce, Pedro; Inteligencia Artificial con Aplicaciones a la Ingeniería; Ed. Marcombo; 2011; ISBN
9788426717061
3. Russell, Stuart; Norvig, Peter; Artificial Intelligence. A Modern Approach; Ed. Pearson; 2016; ISBN
9781292153964
4. Marín, Roque; Inteligencia Artificial y Sistemas Inteligentes; Ed. McGraw-Hill/Interamericana; 2008; ISBN
9788448156183
5. Cuevas, Erik ; Zaldívar, Daniel; Pérez, Marco; Procesamiento Digital de Imágenes con Matlab y Simulink; Ed.
RA-MA; 2010; ISBN 9788478979738
6. Sossa. Juan; Visión Artificial; Ed. RA-MA; 2013; ISBN 9788499642423
7. Rodríguez, Roberto; Sossa, Juan; Procesamiento y Análisis Digital de Imágenes; Ed. Alfaomega - Ra-Ma; 2012;
ISBN 9786077072232
8. Kalyanasundaram, P.; Baldev Raj; Venkatraman, B.; Practical Digital Signal Processing; Ed. Alpha Science
International; 2011; ISBN 9781842656815
9. Faúndez Zanuy, Marcos; Tratamiento Digital de Voz e Imagen. Aplicación a la multimedia; Ed. Marcombo; 2000;
ISBN: 9788426712448
10. Udo Zlzer; DAFX: Digital Audio Effects; Ed. John Wiley and Sons Ltd; 2011; ISBN 9780470665992
11. Sánchez Edgar; Alanis Alma; Redes Neuronales. Conceptos fundamentales y aplicaciones a control automático;
Ed. Pearson; 2006; ISBN 9788483222959
12. Martin del Brío, Bonifacio; , Sanz, Alfredo; Redes Neuronales y Sistemas Borrosos; Ed. Alfaomega - Ra-Ma;
2007; ISBN 9789701512500
13. Anderson, James; Redes Neurales; Ed. Alfaomega; 2007; ISBN 9789701512654
14. Freeman, James; Redes Neuronales. Algoritmos, aplicaciones y técnicas de programación; Ed. Addison-Wesley;
1993; ISBN: 9780201601152
15. Li-Xin Wang; A Course In Fuzzy Systems and Control; Ed. Prentice Hall PTR; 1997; ISBN 9780135408827
16. Yen, John; Langari, Reza; Fuzzy Logic. Intelligence, Control, and Information; Ed. Prentice Hall; 1999; ISBN
9780135258170
17. McClellan, James H.; Schafer, Ronald; Yoder, Mark; DSP First; Ed. Pearson; 2016; ISBN