Cronograma de Actividades Reconocimiento De Emociones Por Medio De Características Geométricas(REMO-CATGEO) B. Manoatl-Netzahual, L. Flores-Pulido Universidad Autónoma De Tlaxcala Facultad De Ciencias Básicas, Ingeniería Y Tecnología Arquitectura de redes neuronales spinking y STDP algoritmo de aprendizaje STDP aplicado a la clasificación de imagen. Evaluación de la calidad de la imagen basada en la información biométrica. Reconocimiento de expresión facial utilizando características en movimiento del rostro. Reconocimiento automático del aburrimiento en video juegos usando características novedosas de bioseñales. Resumen El reconocimiento de patrones es la ciencia que se encarga de la descripción y clasificación (reconocimiento) de objetos, personas, señales, representaciones, etc. Estos se relacionan con objetos físicos o abstractos, con el propósito de extraer información que permita establecer propiedades de entre conjuntos de dichos objetos. Problemática En la Figura 2 se muestra la base de datos Cohn-Kanade. Actualmente la mayora de las empresas buscan la satisfacción del cliente por medio de encuestas y de estadísticas. La mayora de los casos pueden reflejar estadísticas engañosas y en ocasiones los instrumentos utilizados son tediosos para los clientes. Es por eso que se requiere de instrumentos de detección veraz y automatizada la cual sea transparente para el uso del cliente. En la Figura 3 se muestra el servicio al cliente. Objetivo General Implementar un sistema de reconocimiento de emociones por medio de características geométricas y del método de vecinos mas cercanos. Diagrama General Cronograma de Actividades En la Figura se muestra el diagrama el cual recolecta una colección de datos (gestos), estos tienen características geométricas, y a las cuales se les aplica el método de vecinos mas cercanos para poder imprimir un resultado, que es la detección de emociones que presenta la persona y esta se refleja por medio de la interfaz. Temas Relacionados References Robusto marco de clasificación SVM utilizando PSM para el reconocimiento multi-clase. [1] [Che, Takiguchi, Ariki, 2015] Jinhui Chen, Tetsuya Takiguchi, Yasuo Ariki [et al.], (2015).Robusto marco de clasicacion SVM utilizando PSM para el reconocimiento multi-clase. Universidad de Kobe. [2] [Rosado, Guerrero, Bataller, Frances 2015] Taras Lakimchuk, Alfredo Rosado-Muñoz, Juan F Guerrero-Martnez, Manuel Bataller Mompeean, Jose V, Frances-Villora. [et al.], (2015). Arquitectura de redes neuronales spinking simplicado y algoritmo de aprendizaje STDP aplicado a la clasicacion de imagenes, Universidad de Valencia. [3] [El-Abed, Charrier, Rosenberger, 2015] Mohamad El-Abed, Christophe Charrier, Christophe Rosenberger. [et al.], (2015). Evaluacion de calidad de la imagen basada en la informacion biometrica. Universidad de Hariri Rak, Mechref. [4] [Zhang & Dian, 2011] Ligang Zhang, Dian Tjondronegoro. IEEE Transactions on Aective computating, Manuscript ID. Reconocimiento de expresion facial utilizando caractersticas en movimiento del rostro. Universidad de Australia. [5] [Giokaoumis, Tzovaras, otros 2011] Dimitris Giakoumis, Dimitris Tzonavaras, Konstantinos Moustakas, George Hassapis. IEEE Transactions on Aective computating, Vol 2, No 3, (2011) . Reconocimiento automatico del aburrimiento en video juegos usando caracteristicas novedosas de biose~nales basadas al momento. Universidad Aristoteles de Tesalonica, Grecia. publicacion por la IEEE , sociedad de computacion Metodología En la Figura 1 se muestra el método de vecinos más cercanos.