Programa Docente de 21714029 - PERCEPCIÓN

Asignatura:

Titulación:

Centro:

Dep./Área:

Compartidas:

Tipo estudio:

Ofertada:

Vigencia:

Créd. teoría:

Créd. práctica:

Créd. ECTS:

Tipo Asignatura:

Módulo:

Materia:

Curso:

Matric. 2024-25:

Matric. 2025-26:

Duración:

Idioma:

Mostrar asignatura

REQ. Y RECOM.
PROFESORADO
IDIOMAS
MOVILIDAD
RESULTADOS FORM./APREN.
RES. DE APRENDIZAJE
ACT. FORMATIVAS
SIST. DE EVALUACIÓN
DESC. DE CONTENIDOS
BIBLIOGRAFÍA
COMENTARIOS
MEC. DE CONTROL

Requisitos Previos

Recomendaciones

- Asistencia a clase.
- Realización de los trabajos.
- Estudio continuado de los contenidos de la asignatura.

Movilidad Nacional (SICUE)

Sí

Presencial Combinada Virtual

Movilidad Internacional

Sí

Presencial Combinada Virtual

Estudiante Visitante Nacional

Sí

Número de plazas

Presencial
Combinada
Virtual

Oferta en Lengua Extranjera

Sí

Idioma

Inglés.
Francés.
Italiano.
Alemán.
Ruso.
Árabe.
Griego.

Modo Impartición

A impartir sólo en ese idioma según memoria (exclusividad).
A impartir en grupo dedicado a ese idioma.
A impartir en grupo mixto (un mismo grupo con ambos idiomas).

Nivel Requerido

Documento	Primer Apellido	Segundo Apellido	Nombre	Categoria
44028880A	BARCENA	GONZALEZ	GUILLERMO	PROFESOR/A SUSTITUTO/A INTERINO/A
31240890J	GALINDO	RIAÑO	PEDRO LUIS	CATEDRÁTICO/A DE UNIVERSIDAD
24259809F	YAÑEZ	ESCOLANO	ANDRES	PROFESOR TITULAR UNIVERSIDAD

Id. Compentencia	Orden	ID	Resultado formación y aprendizaje	Competencia
29054	2	CG08	Conocimiento de las materias básicas y tecnologías, que capaciten para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de una gran versatilidad para adaptarse a nuevas situaciones	COMPETENCIA GENERAL
29056	3	CO05	Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes	COMPETENCIA ESPECÍFICA
29061	3	CO06	Capacidad para desarrollar y evaluar sistemas interactivos y de presentación de información compleja y su aplicación a la resolución de problemas de diseño de interacción persona computadora	COMPETENCIA ESPECÍFICA
33152	2	CB2	Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio	COMPETENCIA GENERAL
33153	2	CB3	Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética	COMPETENCIA GENERAL
33154	2	CB4	Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado	COMPETENCIA GENERAL
33155	2	CB5	Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía	COMPETENCIA GENERAL
33156	4	CT1	Trabajo en equipo: capacidad de asumir las labores asignadas dentro de un equipo, así como de integrarse en él y trabajar de forma eficiente con el resto de sus integrantes	COMPETENCIA TRANSVERSAL

ID/ Orden	Resultado
1	Emplear de forma adecuada la terminología básica de la asignatura.
2	Definir el proceso de percepción artificial y describir sus etapas.
3	Identificar las propiedades de señales y sistemas en tiempo discreto.
4	Manipular señales digitales mediante procesamiento en tiempo/frecuencia y transformaciones lineales.
5	Definir el proceso de reconocimiento automático del habla (RAH) y describir sus etapas.
6	Identificar y describir los algoritmos asociados a cada etapa del proceso RAH.
7	Diseñar y codificar un sistema de RAH.
8	Definir el proceso de visión artificial (VA) y describir sus etapas.
9	Identificar y describir los algoritmos asociados a cada etapa del proceso de VA.
10	Diseñar y codificar un sistema de VA.

Total de actividades de docencia presencial:

Total de otras actividades:

Total de la asignatura:

Tipo actividad formativa	Código	Descripción	Horas	Detalle
1	01	Teoría	24	MODALIDAD ORGANIZATIVA: Clases teóricas. MÉTODO DE ENSEÑANZA-APRENDIZAJE: Método expositivo/lección magistral. Resolución de ejercicios y problemas. En ellas el profesor expone las competencias y objetivos a alcanzar. Se enseña los contenidos básicos de un tema. Se resuelven problemas basados en ejemplos concretos con la finalidad de afianzar los contenidos de las clases teóricas. Se realiza un seguimiento temporal de la adquisición de conocimientos a través de preguntas en clase.
3	03	Prácticas de informática	36	MODALIDAD ORGANIZATIVA: Clases prácticas. Prácticas de informática. METODOS DE ENSEÑANZA APRENDIZAJE: Resolución de ejercicios y problemas. Implementación de los métodos estudiados en teoría utilizando un lenguaje de programación.
10	10	Actividades formativas no presenciales	86,00	MODELIDAD ORGANIZATIVA: Estudio y trabajo individual/autónomo MÉTODOS DE ENSEÑANZA-APRENDIZAJE: Contrato de aprendizaje. Trabajo realizado por el alumno mediante el estudio individual y el trabajo autónomo para comprender los contenidos impartidos en teoría, la resolución de ejercicios y problemas y la realización de búsquedas bibliográficas. Todo este proceso contará con la supervisión del profesor.
12	12	Actividades de evaluación	4,00	Pruebas de progreso periódicas y examen final para los alumnos que no superen las pruebas de progreso.

Procedimientos de Evaluación

ID/ Orden	Tarea / Actividad	Medios, Técnicas e Instrumentos	Ponderación
1	Práctica final realizada en grupo	Rubrica. Se valorará: - Cumplimiento de las diferentes actividades prácticas en plazo y/o forma. - Correcta expresión escrita. - Claridad y precisión en el proceso de resolución de ejercicios. - Corrección en la solución de los problemas. - Adecuada aplicación de los conocimientos teóricos a la práctica. - Uso de un buen estilo de programación. - Documentación de programas. - Corrección, claridad y eficiencia de los programas. - Adecuación a los principios de la materia en cuestión.	30 %
2	Pruebas de progreso / exámenes finales	Ejercicios teórico-prácticos.	40 %
3	Resolución de ejercicios propuestos en los guiones de prácticas.	Casos de prueba	30 %

ID/ Orden

Tarea / Actividad

Medios, Técnicas e Instrumentos

Ponderación

Práctica final realizada en grupo

Rubrica. Se valorará:

- Cumplimiento de las diferentes actividades prácticas en plazo y/o forma.
- Correcta expresión escrita.
- Claridad y precisión en el proceso de resolución de ejercicios.
- Corrección en la solución de los problemas.
- Adecuada aplicación de los conocimientos teóricos a la práctica.
- Uso de un buen estilo de programación.
- Documentación de programas.
- Corrección, claridad y eficiencia de los programas.
- Adecuación a los principios de la materia en cuestión.

30 %

Pruebas de progreso / exámenes finales

Ejercicios teórico-prácticos.

40 %

Resolución de ejercicios propuestos en los
guiones de prácticas.

Casos de prueba

30 %

Criterios de Evaluación

Se aplica un sistema de evaluación mixto. 

La calificación general de la asignatura será la suma ponderada de las puntuaciones obtenidas en cada una de las actividades (ver procedimientos de evaluación).

La calificación de las pruebas de progreso se calculará como el promedio de las calificaciones de cada prueba individual.  Cada prueba de progreso consta de un cuestionario de preguntas tipo test y un ejercicio práctico.  Se ha de superar por separado cada parte de la prueba para considerarla aprobada. 

La calificación final se calculará como resultado de la suma ponderada de las actividades.  Para considerar superada la asignatura es necesario aprobar de forma individual cada una de dichas actividades.  En caso de que el estudiante no cumpla dicho requisito, la calificación final cualitativa será “suspenso”; en cuanto a la calificación cuantitativa, si la suma de los resultados obtenidos por el estudiante alcanza o supera el 5, en el acta se consignará la calificación numérica entera más cercana a la obtenida sin alcanzar dicha puntuación de 5.

Las partes aprobadas se conservan en la convocatorias ordinaria y extraordinarias del curso académico actual.  El alumno que no supere la evaluación durante  el semestre, deberá realizar un examen final consistente en ejercicios teórico-prácticos en el que se evaluarán los contenidos correspondientes a las pruebas de progreso suspensas y/o en una nueva entrega (y defensa) de la práctica final.

Los alumnos tendrán derecho a una prueba de evaluación global que proporcionará al alumnado la posibilidad de alcanzar la máxima calificación posible mediante un examen y/o ejercicios de carácter práctico.  Esta modalidad de evaluación deberá ser solicitada en los plazos que el Centro determine.  Los criterios y pruebas de esta evaluación serán publicados en el campus virtual de la asignatura.

-------------------------------
Indicaciones sobre los sistemas de evaluación ante el uso de inteligencia artificial en trabajos o informes

Con la incorporación de herramientas de Inteligencia Artificial Generativa (IAG), como asistentes de redacción o análisis de datos, es preciso adoptar criterios y estrategias específicas para garantizar que la evaluación refleje fielmente la adquisición de competencias por parte del alumnado.

En este sentido, se establecen las siguientes indicaciones:

1.	Claridad en las normas de uso: El profesorado comunicará de manera explícita si el uso de herramientas de IAG está permitido, en qué condiciones, y cómo debe declararse su uso en los trabajos. En caso de autorizarse, el alumnado deberá indicar qué partes del trabajo han sido generadas o asistidas por una IAG, especificando la/s herramienta/s utilizada/s (modelo y versión) y su función concreta.

2.	Instrumentos complementarios: En aquellos casos en los que no se cumplan las normas anteriores de uso de la IAG, el profesorado podrá aplicar instrumentos de evaluación complementarios recogidos en la memoria del título, tales como:

o	Pruebas orales de defensa del trabajo.
o	Preguntas de control en clase relacionadas con el contenido del informe.
o	Entrevistas individuales para profundizar en el conocimiento demostrado.
o	Actividades presenciales vinculadas al mismo contenido evaluado.

3.	Criterios de evaluación adaptados: Los criterios se centrarán en indicadores como:

o	Coherencia y pertinencia del contenido.
o	Capacidad para integrar y contextualizar la información.
o	Discurso Propio, reflexión y juicio crítico.
o	Nivel de dominio de las competencias específicas de la materia.

ID/ Orden	Temario	Descripción
1	Bloque 01: Introducción. Tema 01: Percepción artificial. ¿Qué es la percepción?.¿Qué es la percepción artificial?. Fases del proceso de percepción artificial. Tema 02: Procesamiento digital de señales. Las señales: Clasificación de las señales. Señales periódicas. Conversión analógica-digital. Muestreo y cuantificación. Potencia y energía de una señal. Operaciones con señales. Transformada de Fourier. Los sistemas: Propiedades. Análisis de sistemas SDLIT. Filtros digitales.
2	Bloque 02: Reconocimiento automático del habla. Tema 03: Introducción. ¿Qué es RAH?. Niveles de análisis de la lengua. El aparato fonador humano. El proceso de generación de voz. Cualidades del sonido. El aparato auditivo humano. Clasificación de los sonidos. Fases en el proceso de RAH. Tema 04: Captura y preprocesamiento de la señal de audio. Captura de la señal. Preénfasis. Segmentación. Enventanado. Tema 05: Extracción de características. En el dominio del tiempo: Energía. Magnitud. Tasa de cruces por cero. Máximos y mínimos locales. Autocorrelación. Pitch. En el dominio de la frecuencia: Análisis localizado en frecuencia. Espectrogramas. Los formantes. Análisis de predicción lineal. Análisis cepstral. Tema 06: Introducción a las técnicas de reconocimiento. Composición del vector de características. Cuantificación vectorial. Técnicas de reconocimiento: DTW, Modelos Ocultos de Markov, Redes Neuronales.
3	Bloque 03: Visión por computador. Tema 07: Introducción. ¿Qué es la visión?. ¿Qué es la visión artificial?. Etapas del proceso de visión artificial. Aplicaciones de la visión artificial. Tema 08: Adquisición de la imagen. Adquisición de la imagen. Digitalización. Muestreo. Cuantificación. Tipos de imágenes. Tema 9: Preprocesamiento. Operaciones básicas sobre la imagen. Operaciones sobre puntos individuales. Operaciones basadas en histogramas. Operaciones de vecindad. Operaciones en el dominio de la frecuencia. Tema 10: Segmentación. ¿Qué es la segmentación?. Técnicas orientadas a la detección de regiones homogéneas. Técnicas de detección de fronteras. Tema 11: Operaciones morfológicas. ¿Qué son las operaciones morfológicas? . Dilatación. Erosión. Combinación de operaciones morfológicas. Tema 12: Extracción de características y clasificación. Caracterización de las regiones segmentadas. Descriptores de contorno. Descriptores de regiones. Descriptores de similitud. Introducción a los métodos de clasificación.

ID/ Orden

Temario

Descripción

Bloque 01: Introducción.

Tema 01: Percepción artificial.
¿Qué es la percepción?.¿Qué es la percepción artificial?. Fases del proceso de percepción artificial.

Tema 02: Procesamiento digital de señales.
Las señales: Clasificación de las señales. Señales periódicas. Conversión analógica-digital. Muestreo y cuantificación. Potencia y energía de una señal. Operaciones con señales. Transformada de Fourier.
Los sistemas: Propiedades. Análisis de sistemas SDLIT. Filtros digitales.

Bloque 02: Reconocimiento automático del habla.

Tema 03: Introducción.
¿Qué es RAH?. Niveles de análisis de la lengua. El aparato fonador humano. El proceso de generación de voz. Cualidades del sonido. El aparato auditivo humano. Clasificación de los sonidos. Fases en el proceso de RAH.

Tema 04: Captura y preprocesamiento de la señal de audio.
Captura de la señal. Preénfasis. Segmentación. Enventanado.

Tema 05: Extracción de características.
En el dominio del tiempo: Energía. Magnitud. Tasa de cruces por cero. Máximos y mínimos locales. Autocorrelación. Pitch.
En el dominio de la frecuencia: Análisis localizado en frecuencia. Espectrogramas. Los formantes. Análisis de predicción lineal. Análisis cepstral.

Tema 06: Introducción a las técnicas de reconocimiento.
Composición del vector de características. Cuantificación vectorial. Técnicas de reconocimiento: DTW, Modelos Ocultos de Markov, Redes Neuronales.

Bloque 03: Visión por computador.

Tema 07: Introducción.
¿Qué es la visión?. ¿Qué es la visión artificial?. Etapas del proceso de visión artificial. Aplicaciones de la visión artificial.

Tema 08: Adquisición de la imagen.
Adquisición de la imagen. Digitalización. Muestreo. Cuantificación. Tipos de imágenes.

Tema 9: Preprocesamiento.
Operaciones básicas sobre la imagen. Operaciones sobre puntos individuales. Operaciones basadas en histogramas. Operaciones de vecindad.
Operaciones en el dominio de la frecuencia.

Tema 10: Segmentación.
¿Qué es la segmentación?. Técnicas orientadas a la detección de regiones homogéneas. Técnicas de detección de fronteras.

Tema 11: Operaciones morfológicas.
¿Qué son las operaciones morfológicas? . Dilatación. Erosión. Combinación de operaciones morfológicas.

Tema 12: Extracción de características y clasificación.
Caracterización de las regiones segmentadas. Descriptores de contorno. Descriptores de regiones. Descriptores de similitud. Introducción a los métodos de clasificación.

Bibliografía

Bibliografía Básica

R.C. Gonzalez y R.E. Woods (2018), Digital Image Processing, 4ª Edición ,Pearson

R.C. Gonzalez, R.E. Woods, S.L Eddins (2011). Digital Image Processing using MATLAB. 2ª Edición,  McGraw-Hill

J. Vélez, B. Moreno, A. Sánchez, J.L. Esteban (2007), Visión por Computador, 2ª Edición. 
 
E. Cuevas, M. Díaz, J.O. Macarena (2018), Tratamiento de Imágenes con MATLAB, Ed. Marcombo. 
  
P. L. Galindo (2003). Introducción al Reconocimiento de la Voz. Universidad de Cádiz.

P. R. Hill (2019). Audio and Speech Processing with MATLAB. CRC Press

L. Rabiner y B.H. Juang (1993). Fundamentals of Speech Recognition, Prentice-Hall.
 
L.R. Rabiner y R.W. Schafer. (1987). Digital processing of speech signals. Ed. Prentice Hall.
  
J. Bernal, j. Bobadilla, P. Gómez. (2000). Reconocimiento de voz y Fonética Acústica. Ed. Rama.
  
Casacuberta y Vidal (1987). Reconocimiento Automático del Habla. Ed. Marcombo
 
 J.G. Proakis y D.K. Manolakis (2007). Digital signal processing. Principles, Algorithms and Applications. Ed. Pearson

Bibliografía Específica

G.A. Baxes (1994), Digital Image Processing: Principles and Practice, J. Wiley & Sons. 
 
K.R Castelman (1996), Digital Image Processing, Prentice-Hall. 

E. Cuevas, D. Zaldívar, M. Pérez (2010).  Procesamiento Digital de Imágenes con MATLAB y Simulink.  Ed. Ra-Ma.
 
J. González Jiménez (2000), Visión por Computador, Ed. Paraninfo. 

A.K. Jain (1989), Fundamentals of Digital Image Processing, Prentice-Hall Internacional.
 
R. Jain, R. Kasturi y B.G. Schunck (1995), Machine Vision, McGraw-Hill.

F. Jelinek (1997). Statistical methods for speech recognition. The MIT Press.

X. Huang, A. Acero, H. Hon (2001). Spoken Language Processing: A Guide To Theory, Algorithm and System Development. Prentice Hall

O. Márques (2011). Practical Image and Video Processing Using MATLAB. Wiley.
 
A. Quilis, J. A. Fernandez (1989). Curso de fonética y fonología españolas. CSIC. 

L.R. Rabiner, R.W. Schafer (2011).  Theory and Applications of Digital Speech Processing. Prentice-Hall
 
J.C. Russ (2011). Image Processing Handbook, 6ª Edición, CRC Press.

Comentarios / Observaciones Adicionales

Buscar otra Asignatura

UniversidaddeCádiz

Programa Docente de 21714029 - PERCEPCIÓN