Search

El reconocimiento de objetos 3D, aunque es un tema de investigación, tiene innumerables aplicaciones potenciales. Por ejemplo, en robótica o vehículos inteligentes. Por otro lado, las arquitecturas llamadas Transformers se han postulado últimamente como el estado del arte en clasificación de imágenes, superando el rendimiento de las famosas CNN. En este trabajo, se explorará la aplicación de una arquitectura Transfomer al reconocimiento de objetos 3D materializados en nubes de puntos. https://ai.googleblog.com/2020/12/transformers-for-image-recognition-at.html https://towardsdatascience.com/on-dino-self-distillation-with-no-labels-c29e9365e382

A global problem is the lack of software development, currently a competitive advantage within any manufacturing process or service, which means that the development of automatic control has played a vital role in the advancement of engineering. SCRUM is an easy-to-use methodology and one of the most widely used around the world with great acceptance within the community and the market. The present research proposes a platform using ICT as a control system of a Neural Network in Direct Current Motors, with the aim of predicting and controlling its operation in real time, confirming that neural networks (ANN) can be used to control control systems with a high degree of damping. The data that will be obtained from the results of the multiple experimental simulations of the system made up of the engine and its control, using a blackpropagation network to emulate blocks of the control systems stabilizing the system. In such a way that the network can evolve into a self-learning system since they have currently become an important technological tool due to their contribution in the development of problems related to control and automation learning, however, automatic control has played a vital role in the advancement of engineering and science. as mechanical or electrical systems maintain their balance. Automatic control has been of great importance in the transformation and evolution of human beings due to the constant need to optimize their processes or activities in the shortest possible time, efficiently and safely. In addition, automatic control became an important and integral part of modern, industrial and manufacturing processes., Una problemática de índole mundial es la falta de desarrollo de software, en la actualidad una ventaja competitiva dentro de cualquier proceso de fabricación o servicio, hacen que el desarrollo sobre el control automático ha desempeñado una función vital en el avance de la ingeniería. SCRUM es una metodología de fácil manejo y una de las más utilizadas en todo el mundo con una gran aceptación dentro de la comunidad y el mercado. La presente investigación propone una plataforma utilizando las TIC´S como sistema de control de una Red Neuronal en Motores de Corriente Continúa, con el objetivo de predecir y controlar su funcionamiento en tiempo real confirmando que las redes neuronales (RNA) pueden ser usadas para controlar sistemas de control con un alto grado de amortiguamiento. Los datos que se obtendrán de los resultados de las múltiples simulaciones experimentales del sistema conformado por el motor y su control, utilizando una red blackpropagation para emular bloques de los sistemas de control estabilizando el sistema. De manera que la red pueda evolucionar en un sistema de autoaprendizaje ya que en la actualidad se han constituido como una herramienta tecnológica importante debido a su contribución en el desarrollo de problemas relacionados con los aprendizajes de control y automatización, sin embargo, el control automático ha desempeñado una función vital en el avance de la ingeniería y la ciencia, ya que los sistemas mecánicos o eléctricos mantienen su equilibrio. El control automático ha sido de gran importancia en la trasformación y evolución del ser humano debido a la constante necesidad de optimizar sus procesos o actividades con menor tiempo posible, de manera eficiente y segura. Además, el control automático se volvió parte importante e integral de los procesos modernos e industriales y de manufactura.

The paper proposes developing time series tools to estimate the SARS-COV2 infection in Latin American countries using a daily infections dataset in ten countries. We use the ARIMA, ARFIMA and NNAR models for methodological development. We made different estimations to determine the best fit for the series based on the measurement of the goodness-of-fit criteria, showing that NNAR models can be used to predict the COVID-19 infection curve in LATAM more accurately and precisely., El presente artículo propone analizar y desarrollar herramientas de series de tiempo con las cuales se pueda estimar la curva de contagios de SARS-COV2 en países de Latinoamérica. Para llevar a cabo este estudio se toma una muestra de contagios diarios de casos positivos en 10 países. Para su desarrollo se utilizaron los modelos econométricos, ARIMA, ARFIMA y NNAR, a los que se le realizaron diferentes estimaciones con el fin de determinar el que mejor se ajustara a la serie a partir de la medición de los criterios de bondad de ajuste. El resultado de este estudio demuestra que por medio de los modelos de NNAR se puede pronosticar de forma más acertada y precisa la curva de contagios de COVID-19 en LATAM.

Currently, many internal processes in companies are carried out mechanically and repetitively by employees during their working day. However, with the advent of artificial intelligence, these processes can be significantly optimized. This thesis combines these two factors and uses artificial intelligence to intelligently streamline the business classification process, especially following the reference to NAICS codes. The resulting application includes a classification model trained with artificial intelligence and various features aimed at improving the user experience. Among these features, there is generative artificial intelligence that expands the information provided by the user and, if necessary, translates responses into the language of the provided text. This combination of technologies seeks to optimize business processes and provide a comprehensive solution to users., A día de hoy, muchos procesos internos en las empresas se llevan a cabo de manera mecánica y repetitiva por parte de los trabajadores durante su jornada laboral. Sin embargo, con la aparición de la inteligencia artificial, estos procesos pueden ser optimizados de manera significativa. Este trabajo combina estos dos factores, utiliza la inteligencia artificial para agilizar de manera inteligente el proceso de clasificación de empresas, especialmente siguiendo la referencia de los códigos NAICS. La aplicación resultante incluye un modelo de clasificación entrenado con inteligencia artificial y diversas funcionalidades destinadas a mejorar la experiencia del usuario. Entre estas funcionalidades destaca una Inteligencia Artificial generativa que amplía la información proporcionada por el usuario y, si es necesario, traduce las respuestas al idioma del texto proporcionado. Esta combinación de tecnologías busca optimizar los procesos empresariales y proporcionar una solución integral a los usuarios., En l'actualitat, molts processos interns en empreses es duen a terme de manera mecànica i repetitiva per part dels treballadors durant la seva jornada laboral. No obstant això, amb l'aparició de la intel·ligència artificial, aquests processos poden ser optimitzats de manera significativa. Aquest treball combina aquests dos factors, utilitza la intel·ligència artificial per agilitzar de manera intel·ligent el procés de classificació d'empreses, especialment seguint la referència dels codis NAICS. L'aplicació resultant inclou un model de classificació entrenat amb intel·ligència artificial i diverses funcionalitats destinades a millorar l'experiència de l'usuari. Entre aquestes funcionalitats destaca una Intel·ligència Artificial generativa que amplia la informació proporcionada per l'usuari i, si és necessari, tradueix les respostes a l'idioma del text proporcionat. Aquesta combinació de tecnologies busca optimitzar els processos empresarials i proporcionar una solució integral als usuaris.

Este trabajo final de estudios se ha focalizado en plantear la viabilidad de una metodología predictiva para el estudio del comportamiento mecánico de algunos sistemas estructurales empleando redes neuronales artificiales (RNA). Para ello se ha llevado a cabo una investigación inicial sobre: - Estructuras triplemente periódicas reticuladas y superficiales para impresión 3D: tipología, características, procesos productivos y materiales. - Aprendizaje automático y redes neuronales artificiales: estructura de datos, entrenamiento y evaluación. Se han confeccionado 8 modelos estructurales de diversa complejidad: - Retícula tubular diamante. - Retícula estructural BCC. - Retícula estructural BCC reforzada con estructura rombo-dodecaédrica. - Superficie mínima triplemente periódica de Schwarz. - Superficie poliédrica triplemente periódica Pmawe. - Perfil de acero conformado en frío para cubierta - Perfil de acero conformado en frío para forjado colaborante. De los cuales se han seleccionado 5 que han sido analizados por elementos finitos con objeto de implementar los correspondientes modelos predictivos. Para llevar a cabo esta tarea se han realizado un total de 500 simulaciones (100 por sistema estructural) y a partir de los resultados se han confeccionado 5 bases de datos que han servido para entrenar y evaluar las correspondientes redes neuronales. Como resultado de todo ello se presentan los modelos resultantes y se analiza, en función de los resultados obtenidos, cuáles son las tipologías constructivas estudiadas más adecuadas para aplicar la metodología propuesta., This Final Project has focused on studying the ability of using a predictive methodology for the study of mechanical behaviour on some structural systems using Artificial Neural Networks (ANN). To do so, it has been developed an initial investigation on: - Triply lattice periodic structures and surfaces - Machine Learning and Artificial Neural Networks In which it has been centred on the compilation of information related to tridimensional structures of a BCC type, about structures using Triply Periodic Minimal Surfaces (TPMS) and Neural Network training. For this project there have been designed 8 different models of multiple complexities: - Diamond Tubular lattice. - BCC lattice. - BCC lattice reinforced with a rombo-dodecaedric structure. - Triply Periodic Minimal Surface of Schwarz. - Triply Periodic Minimal Surface of Pmawe. - Cold conformed steel profile used as roof structure. - Cold conformed steel profile used as composite slab. From which 5 have been chosen to be analysed by the Finite Element Method with the intention of applying the adequate predictive models. With the aim of continuing with this project, there have been realized 500 simulations (100 per mechanical structure), and from the results obtained it has been compiled into 5 database which have been used to train and evaluate the corresponding neural networks. As a result of the previous information, there will be presented the final models and the ideal structure to apply the proposed methodology according with result obtained.

Este TFM estudia los problemas relacionados con la mejora de imágenes submarinas mediante el uso de técnicas avanzadas de inteligencia artificial. Se centra en los problemas que impiden la percepción visual adecuada bajo el agua, como la atenuación de luz, la dispersión, las cáusticas y la turbidez, que dificultan la aplicación de métodos tradicionales de procesamiento de imágenes y detección de objetos. El enfoque principal de la tesis se dirige hacia el desarrollo y la aplicación de redes neuronales para el preprocesamiento de imágenes submarinas, con el propósito de optimizar la detección de objetos. Este preprocesamiento intenta abordar los problemas de distorsión de color y la baja visibilidad del agua. A través de la utilización de técnicas de aprendizaje profundo como Convolutional Neural Networks y Generative Adversarial Networks, se busca mejorar la claridad y el color de las imágenes obtenidas bajo el agua. Entre los métodos investigados, han destacado los modelos de redes neuronales como UWCNN, FUnIE-GAN, y GL-Net, los cuales han sido adaptados para abordar las imágenes submarinas. Estos modelos se evalúan a través de experimentos que comparan su rendimiento en términos de detección de puntos característicos y calidad de las detecciones en imágenes submarinas. Finalmente, el trabajo concluye que la inteligencia artificial proporciona herramientas para mejorar imágenes para la visión submarina, y mejorando la calidad visual de estas. Se subraya la importancia de continuar desarrollando y perfeccionando estas tecnologías ya que estas redes han demostrado servir para problemas específicos y no funcionar correctamente en diferentes problemas, en este caso en el test de detecciones.

Actualmente, la tecnología es la herramienta más utilizada en el desarrollo de las actividades de la vida diaria. Cada vez es mayor, el número de campos de conocimiento que se benefician de su versatilidad y la aplicación en el desarrollo de sus actividades. En el entorno educativo, permite generar actividades adaptadas a las necesidades del alumnado. En los últimos años, la robótica y la inteligencia artificial son las que mayor difusión están teniendo. Las características de estas herramientas favorecen su aplicación con el alumnado con Trastorno del Espectro Autista. Por tanto, el objetivo de la investigación es explorar el uso integrado de la robótica y la IA para favorecer la comunicación e interacción social en el alumnado con autismo, analizando las emociones que manifiestan en las actividades diseñadas. Para ello, se implementó un estudio piloto con el robot NAO y cuatro niños autistas que desarrollaron actividades de imitación, juego e interacción social. Durante su realización se utilizó un sistema automático basado en redes neuronales convolucionales para detectar los estados de ánimo en el proceso de interacción. Los resultados muestran que tristeza, felicidad y enfado son las emociones que tiene una mayor probabilidad de producirse en los participantes. Por tanto, se concluye que el robot y el sistema de inteligencia artificial son un elemento fundamental para ayudar a expresar sus emociones en las interacciones sociales., Currently, technology is the most widely used tool in the development of daily life activities. The number of fields of knowledge that benefit from its versatility and application in the development of their activities is increasing. In the educational environment, it allows the generation of activities adapted to the needs of students. In recent years, robotics and artificial intelligence are the most widespread. The characteristics of these tools favour their application with students with autism spectrum disorder. Therefore, the objective of the research is to explore the integrated use of robotics and AI to promote communication and social interaction in students with autism, analysing the emotions they show in the designed activities. For this purpose, a pilot study was implemented with the NAO robot and four autistic children who developed imitation, game and social interaction activities. An automatic system based on convolutional neural networks was used to detect mood states in the interaction process. The results show that sadness, happiness and anger are the emotions most likely to occur in the participants. Therefore, it is concluded that the robot and the artificial intelligence system are a fundamental element to help express emotions in social interaction.

Este TFG se enfoca en optimizar la interacción humano-robot mediante el desarrollo de capacidades avanzadas en el robot humanoide Pepper. El objetivo principal es permitir que Pepper ofrezca un sistema de conversación altamente personalizado y comprenda las emociones humanas con precisión, utilizando un enfoque multimodal que integra análisis de imagen, audio y texto. Además, se expanden las funcionalidades del robot para incluir reconocimiento de objetos, navegación por el entorno y la gestión de recordatorios, lo cual busca facilitar una asistencia más efectiva y adaptada a las necesidades individuales de los usuarios.

En los últimos años se ha extendido el uso de técnicas de Inteligencia Artificial para la detección y diagnóstico temprano de enfermedades dado que el tratamiento preventivo o en etapas iniciales es mucho más efectivo y su coste mucho menor. Sin embargo no hay demasiados trabajos que aborden el uso de estas técnicas para estimar el nivel de dolor que sufren los pacientes de determinadas enfermedades. En este proyecto se plantea diseñar un sistema basado en técnicas de inteligencia artificial con datos multimodales para estimar el nivel de dolor y poder ajustar en su caso los tratamientos para eliminarlo o mitigarlo.

This paper studies how household inequality shapes the effects of the zero lower bound (ZLB) on nominal interest rates on aggregate dynamics. To do so, we consider a heterogeneous agent New Keynesian (HANK) model with an occasionally binding ZLB and solve for its fully non-linear stochastic equilibrium using a novel neural network algorithm. In this setting, changes in the monetary policy stance influence households’precautionary savings by altering the frequency of ZLB events. As a result, the model features monetary policy non-neutrality in the long run. The degree of long-run non-neutrality, i.e., by how much monetary policy shifts real rates in the ergodic distribution of the model, can be substantial when we combine low inflation targets and high levels of wealth inequality., Este documento analiza cómo la desigualdad en la riqueza de los hogares interactúa con la cota inferior (ZLB) en las tasas de interés nominales. Consideramos un modelo keynesiano con agentes heterogéneos (HANK) y un ZLB ocasionalmente vinculante, y resolvemos de forma no lineal su equilibrio estocástico utilizando un novedoso algoritmo basado en redes neuronales. En este modelo, los cambios en el objetivo de la política monetaria influyen en los ahorros precautorios de los hogares, al alterar la frecuencia de los eventos de ZLB. Como resultado, el modelo presenta una no neutralidad de la política monetaria en el largo plazo. El grado de no neutralidad, es decir, la medida en que la política monetaria desplaza los tipos de interés reales en la distribución ergódica, puede ser sustancial cuando combinamos objetivos de baja inflación y altos niveles de desigualdad de riqueza.

Este vídeo forma parte de los resultados obtenidos bajo un convenio con el MITERD: MINISTERIO PARA TRANSICION ECOLOGICA Y EL RETO DEMOGRAFICO, dentro del proyecto OCEANS+, Eje 3: Modelización de impactos del Cambio Climático, Tarea 3.14: Análisis de las series temporales de los indicadores desde 1992 a 2021 en sistemas costeros afectados por el afloramiento costero (Rías Baixas). En esta se representan las medias mensuales de salinidad de los datos proporcionados por el INTECMAR, en las estaciones de la Ría de Arousa y de Vigo desde 1992 hasta 2019. Estos datos son la media de los obtenidos entre 0 y 5 m de profundidad. También se representan los datos para una estación externa e interna de cada Ría, A0 y A3 en la Ría de Arousa, y V5 y V3 en la Ría de Vigo

Este vídeo forma parte de los resultados obtenidos bajo un convenio con el MITERD: MINISTERIO PARA TRANSICION ECOLOGICA Y EL RETO DEMOGRAFICO, dentro del proyecto OCEANS+, Eje 3: Modelización de impactos del Cambio Climático, Tarea 3.14: Análisis de las series temporales de los indicadores desde 1992 a 2021 en sistemas costeros afectados por el afloramiento costero (Rías Baixas). En esta se representan las medias mensuales de silicato de los datos proporcionados por el INTECMAR, en las estaciones de la Ría de Arousa y de Vigo desde 1992 hasta 2019. Estos datos son la media de los obtenidos entre 0 y 5 m de profundidad. También se representan los datos para una estación externa e interna de cada Ría, A0 y A3 en la Ría de Arousa, y V5 y V3 en la Ría de Vigo

Este vídeo forma parte de los resultados obtenidos bajo un convenio con el MITERD: MINISTERIO PARA TRANSICION ECOLOGICA Y EL RETO DEMOGRAFICO, dentro del proyecto OCEANS+, Eje 3: Modelización de impactos del Cambio Climático, Tarea 3.14: Análisis de las series temporales de los indicadores desde 1992 a 2021 en sistemas costeros afectados por el afloramiento costero (Rías Baixas). En esta se representan las medias mensuales de nitrato de los datos proporcionados por el INTECMAR, en las estaciones de la Ría de Arousa y de Vigo desde 1992 hasta 2019. Estos datos son la media de los obtenidos entre 0 y 5 m de profundidad. También se representan los datos para una estación externa e interna de cada Ría, A0 y A3 en la Ría de Arousa, y V5 y V3 en la Ría de Vigo

Este vídeo forma parte de los resultados obtenidos bajo un convenio con el MITERD: MINISTERIO PARA TRANSICION ECOLOGICA Y EL RETO DEMOGRAFICO, dentro del proyecto OCEANS+, Eje 3: Modelización de impactos del Cambio Climático, Tarea 3.14: Análisis de las series temporales de los indicadores desde 1992 a 2021 en sistemas costeros afectados por el afloramiento costero (Rías Baixas). En esta se representan las medias mensuales de oxígeno de los datos proporcionados por el INTECMAR, en las estaciones de la Ría de Arousa y de Vigo desde 1992 hasta 2019. Estos datos son la media de los obtenidos entre 0 y 5 m de profundidad. También se representan los datos para una estación externa e interna de cada Ría, A0 y A3 en la Ría de Arousa, y V5 y V3 en la Ría de Vigo

Este vídeo forma parte de los resultados obtenidos bajo un convenio con el MITERD: MINISTERIO PARA TRANSICION ECOLOGICA Y EL RETO DEMOGRAFICO, dentro del proyecto OCEANS+, Eje 3: Modelización de impactos del Cambio Climático, Tarea 3.14: Análisis de las series temporales de los indicadores desde 1992 a 2021 en sistemas costeros afectados por el afloramiento costero (Rías Baixas). En esta se representan las medias mensuales de nitrito de los datos proporcionados por el INTECMAR, en las estaciones de la Ría de Arousa y de Vigo desde 1992 hasta 2019. Estos datos son la media de los obtenidos entre 0 y 5 m de profundidad. También se representan los datos para una estación externa e interna de cada Ría, A0 y A3 en la Ría de Arousa, y V5 y V3 en la Ría de Vigo

Este vídeo forma parte de los resultados obtenidos bajo un convenio con el MITERD: MINISTERIO PARA TRANSICION ECOLOGICA Y EL RETO DEMOGRAFICO, dentro del proyecto OCEANS+, Eje 3: Modelización de impactos del Cambio Climático, Tarea 3.14: Análisis de las series temporales de los indicadores desde 1992 a 2021 en sistemas costeros afectados por el afloramiento costero (Rías Baixas). En esta se representan las medias mensuales de fosfato de los datos proporcionados por el INTECMAR, en las estaciones de la Ría de Arousa y de Vigo desde 1992 hasta 2019. Estos datos son la media de los obtenidos entre 0 y 5 m de profundidad. También se representan los datos para una estación externa e interna de cada Ría, A0 y A3 en la Ría de Arousa, y V5 y V3 en la Ría de Vigo

Este vídeo forma parte de los resultados obtenidos bajo un convenio con el MITERD: MINISTERIO PARA LA TRANSICION ECOLOGICA Y EL RETO DEMOGRAFICO, dentro del proyecto OCEANS+, Eje 3: Modelización de impactos del Cambio Climático, Tarea 3.14: Análisis de las series temporales de los indicadores desde 1992 a 2021 en sistemas costeros afectados por el afloramiento costero (Rías Baixas). En esta se representan las medias mensuales de pH de los datos proporcionados por el INTECMAR, en las estaciones de la Ría de Arousa y de Vigo desde 1992 hasta 2019. Estos datos son la media de los obtenidos entre 0 y 5 m de profundidad. También se representan los datos para una estación externa e interna de cada Ría, A0 y A3 en la Ría de Arousa, y V5 y V3 en la Ría de Vigo

Este vídeo forma parte de los resultados obtenidos bajo un convenio con el MITERD: MINISTERIO PARA TRANSICION ECOLOGICA Y EL RETO DEMOGRAFICO, dentro del proyecto OCEANS+, Eje 3: Modelización de impactos del Cambio Climático, Tarea 3.14: Análisis de las series temporales de los indicadores desde 1992 a 2021 en sistemas costeros afectados por el afloramiento costero (Rías Baixas). En esta se representan las medias mensuales de amonio de los datos proporcionados por el INTECMAR, en las estaciones de la Ría de Arousa y de Vigo desde 1992 hasta 2019. Estos datos son la media de los obtenidos entre 0 y 5 m de profundidad. También se representan los datos para una estación externa e interna de cada Ría, A0 y A3 en la Ría de Arousa, y V5 y V3 en la Ría de Vigo

Este vídeo forma parte de los resultados obtenidos bajo un convenio con el MITERD: MINISTERIO PARA TRANSICION ECOLOGICA Y EL RETO DEMOGRAFICO, dentro del proyecto OCEANS+, Eje 3: Modelización de impactos del Cambio Climático, Tarea 3.14: Análisis de las series temporales de los indicadores desde 1992 a 2021 en sistemas costeros afectados por el afloramiento costero (Rías Baixas). En esta se representan las medias mensuales de temperatura de los datos proporcionados por el INTECMAR, en las estaciones de la Ría de Arousa y de Vigo desde 1992 hasta 2019. Estos datos son la media de los obtenidos entre 0 y 5 m de profundidad. También se representan los datos para una estación externa e interna de cada Ría, A0 y A3 en la Ría de Arousa, y V5 y V3 en la Ría de Vigo

Este vídeo forma parte de los resultados obtenidos bajo un convenio con el MITERD: MINISTERIO PARA TRANSICION ECOLOGICA Y EL RETO DEMOGRAFICO, dentro del proyecto OCEANS+, Eje 3: Modelización de impactos del Cambio Climático, Tarea 3.14: Análisis de las series temporales de los indicadores desde 1992 a 2021 en sistemas costeros afectados por el afloramiento costero (Rías Baixas). En esta se representan las medias mensuales de alcalinidad de los datos proporcionados por el INTECMAR, en las estaciones de la Ría de Arousa y de Vigo desde 1992 hasta 2019. Estos datos son la media de los obtenidos entre 0 y 5 m de profundidad. También se representan los datos para una estación externa e interna de cada Ría, A0 y A3 en la Ría de Arousa, y V5 y V3 en la Ría de Vigo

[Resumen]: El objetivo de este proyecto de fin de grado es el desarrollo de una solución para el procesamiento y visualización de datos meteorológicos procedentes de bases de datos internas del Cabildo de Tenerife, los cuales son distintas métricas recogidas por una gran cantidad de sensores de distintas estaciones distribuidas por toda la isla. Este trabajo se ha dividido en diferentes fases para conseguir este objetivo. La primera de ellas es una fase introductoria donde se trata tanto la motivación como los objetivos principales que se quieren lograr, seguida de una explicación de las distintas tecnologías empleadas en el desarrollo del proyecto. A continuación se analizaron los datos de origen y las necesidades de explotación de los mismos, permitiendo continuar con las siguientes fases de diseño e implementación de la solución. Por último se muestra esta solución acompañada de unas conclusiones e ideas de trabajo futuro. Para la realización del proyecto se utilizó por un lado Apache Airflow para el procesamiento de los datos de origen, la cual es una herramienta totalmente programada con el lenguaje Python. Este mismo lenguaje también se utilizó tanto para el análisis exploratorio como para el desarrollo de los modelos de predicción de los datos una vez procesados. La parte de visualización de los datos se llevó a cabo con Power BI, implementando distintos dashboards interactivos. En este proyecto se utilizó una metodología basada en sprints, con un seguimiento continuo por parte de los tutores elaborando distintas entregas semanales., [Abstract]: The objective of this end-of-degree final project is to develop a solution for the processing and visualization of meteorological data from internal databases of Cabildo de Tenerife. These databases contain various metrics collected by a large number of sensors from different stations distributed throughout the island. This work has been divided into different phases to achieve this objective. The first phase is an introductory stage where both motivation and the main objectives to be achieved are addressed, followed by an explanation of the various technologies used in the project’s development. Next, the source data and their exploitation needs were analyzed, allowing for the continuation of the subsequent phases of solution design and implementation. Finally, the solution is presented along with conclusions and ideas for future work. In the project, Apache Airflow was used for processing the source data, a tool entirely programmed in Python language. This same language was also employed for both exploratory analysis and the development of prediction models for the processed data. The data visualization part was carried out using Power BI, implementing various interactive dashboards. The project employed a sprint-based methodology, with continuous monitoring by directors and the submission of different weekly deliverables.

[Resumen]: Las enfermedades neurodegenerativas constituyen un reto global significativo, afectando a millones de personas y deteriorando su calidad de vida, con el riesgo de desencadenar consecuencias fatales. Además de impactar en el cerebro, estos trastornos también afectan a la retina y al nervio óptico, alteraciones que pueden ser tempranamente detectadas mediante la tomografía de coherencia óptica (OCT). La identificación precoz de estas enfermedades a través del OCT es crucial para un diagnóstico temprano y efectivo. En nuestra investigación, hemos desarrollado una metodología innovadora que integra imágenes OCT con técnicas avanzadas de aprendizaje automático, en particular, el uso de redes neuronales convolucionales. Hemos enriquecido nuestro enfoque con la implementación de modelos tridimensionales, proporcionando una representación más exhaustiva y detallada de la retina. Esta combinación no solo mejora la resolución de las imágenes sino que también facilita un análisis más completo, marcando un hito en el campo. Gracias a este enfoque innovador, nuestro sistema puede clasificar de manera totalmente automática y precisa los pacientes en cinco categorías de relevancia clínica: Control, Alzheimer, Parkinson, Esclerosis Múltiple y Temblor Esencial. El sistema se distingue por su rapidez y objetividad en la clasificación, elevando notablemente la precisión y eficiencia del diagnóstico de enfermedades neurodegenerativas mediante técnicas no invasivas. La incorporación de modelos tridimensionales brinda una visión más detallada y profunda para identificar características patológicas, facilitando diagnósticos más tempranos, seguros y precisos. Este avance representa un significativo paso adelante hacia el desarrollo de tratamientos más efectivos, contribuyendo a mejorar de manera sustancial la calidad de vida de los pacientes., [Abstract]: Neurodegenerative diseases pose a significant global challenge, affecting millions and significantly deteriorating their quality of life, with the potential to lead to fatal consequences. These disorders impact not only the brain but also the retina and optic nerve, alterations that can be detected early on through Optical Coherence Tomography (OCT). Early identification of these diseases via OCT is crucial for timely and effective diagnosis. In our research, we have developed an innovative methodology that combines OCT images with advanced machine learning techniques, specifically the use of convolutional neural networks. We have enhanced our approach by incorporating three-dimensional models, providing a more comprehensive and detailed representation of the retina. This combination not only improves the resolution of the images but also facilitates a more thorough analysis, marking a milestone in the field. Thanks to this innovative approach, our system is capable of accurately and automatically classifying patients into five clinically relevant categories: Control, Alzheimer’s, Parkinson’s, Multiple Sclerosis, and Essential Tremor. Our system stands out for its speed and objectivity in classification, significantly enhancing the precision and efficiency of diagnosing neurodegenerative diseases through noninvasive methods. The inclusion of three-dimensional models offers a more detailed and indepth view for identifying pathological characteristics, leading to earlier, more reliable, and precise diagnoses. This advancement represents a significant leap forward towards developing more effective treatments, contributing substantially to improving the quality of life for patients.

Aquest projecte se centra en el desenvolupament d’un programari que pugui identificar i predir pa‐ raules en la llengua de senyals colombiana, amb èmfasis en gestos dinàmics. També s’inclou una base de dades pròpia d’arxius de vídeo amb informació sobre RGB, profunditat i temperatura. Aquest treball busca augmentar la precisió del reconeixement del llenguatge de senyals, reentrenant models d’intel∙ligència artificial amb un conjunt de dades ampliat i divers, fent així que la comunicació i enteniment de la llengua de signes sigui més efectiva i universal. I, Este proyecto se centra en el desarrollo de un software que pueda identificar y predecir palabras en la lengua de señas colombiana, con énfasis en gestos dinámicos. También se incluye una base de datos propia de archivos de vídeo con información RGB, profundidad y temperatura. Este trabajo busca aumentar la precisión del reconocimiento de la lengua de señas colombiana, reentrenando modelos de inteligencia artificial con un conjunto de datos ampliado y diverso, haciendo así que la comunicación y entendimiento de la lengua de señas sea más efectiva y universal., This project focuses on the development of software that can identify and predict words in Colombian sign language, with emphasis on dynamic gestures. It also includes a proprietary database of video files with RGB, depth and temperature information. This work seeks to increase the accuracy of sign language recognition by retraining artificial intelligence models with an expanded and diverse dataset, thus making sign language communication and understanding more effective and universal.

In the last few years, the use of Deep Learning has increased in virtual assistance and speech recognition applications, improving its performance with supervised learning techniques. However, it is an area that continues to evolve and enrich itself constantly as it is used. One of the sectors where this technology is being implemented most frequently is in ASR (Automatic Speech Recognition) applications, especially in transcription. The company ITNow is working on developing a speech-to-text conversion system that offers the best possible performance for virtual meetings. In this project, several automatic transcription libraries that meet the company's requirements are being studied to find the one that achieves the best performance and accuracy in converting the spoken voice signal into written content. This research will enable ITNow to improve the efficiency of virtual meetings with accurate and quality transcripts, enhancing understanding and decision making., En los últimos años, el uso del Deep Learning ha aumentado en aplicaciones de asistencia virtual y reconocimiento de voz, mejorando su funcionamiento con técnicas de aprendizaje supervisado. Sin embargo, es un área que continúa evolucionando y enriqueciéndose constantemente a medida que se utiliza. Uno de los sectores donde esta tecnología se está implementando con mayor frecuencia es en las aplicaciones de ASR (Automatic Speech Recognition), especialmente en transcripciones. La empresa ITNow está trabajando en desarrollar un sistema de conversión de voz a texto que ofrezca el mejor rendimiento posible para las reuniones virtuales. En este proyecto, se están estudiando varias bibliotecas de transcripción automática que cumplen con los requisitos de la empresa, para lograr aquella que alcance el mejor rendimiento y precisión al convertir la señal de voz hablada en contenido escrito. Esta investigación permitirá a ITNow mejorar la eficacia de las reuniones virtuales con transcripciones precisas y de calidad, favoreciendo la comprensión y toma de decisiones., En els últims anys, l'ús del Deep Learning ha augmentat en aplicacions d'assistència virtual i reconeixement de veu, millorant-ne el funcionament amb tècniques d'aprenentatge supervisat. No obstant això, és una àrea que continua evolucionant i enriquint-se constantment a mesura que s'utilitza. Un dels sectors en el què aquesta tecnologia s'està implementant amb més freqüència és en les aplicacions d'ASR (Automatic Speech Recognition), especialment en transcripcions. L'empresa ITNow està treballant per desenvolupar un sistema de conversió de veu a text que ofereixi el millor rendiment possible per a les reunions virtuals. En aquest projecte, s'estudien diverses llibreries de transcripció automàtica que compleixen els requisits de l'empresa, i així aconseguir la que assoleix millor rendiment i precisió en convertir el senyal de veu parlat en contingut escrit. Aquesta investigació permetrà a ITNow millorar l'eficàcia de les reunions virtuals amb transcripcions precises i de qualitat per afavorir la comprensió i presa de decisions.

Neurodegenerative diseases affect the neuromusculoskeletal systemgenerating movement disorders. The detection of symptoms usually occurs in thelate stages of the disease, thus early detection would help to introduce therapiesfor reducing the effects of the diseases and delay deterioration. PhysioNet databaseprovides information on gait biomechanics of healthy volunteers and patients withParkinson’s disease (PD), Amyotrophic Lateral Sclerosis (ALS) and Huntington’sdisease (HD). In this work, spatio-temporal data are used to measure the energy costand power spectral density in these pathologies. These parameters were statisticallyanalyzed to define explanatory descriptors. Subsequently, fuzzy c-means techniques,learning algorithm for multivariate data analysis - LAMDA, and neural networksare used to classify between the neurodegenerative diseases and the control group.Cross-validation method was used to evaluate the results of the classification algorithm.Statistical analysis showed that energy cost increased in the support phase, gaitspeed decreased in critical disease conditions, and cadence was different according todisease type. Algorithms were trained with four classes. The classification fits were92.5% for the neural network, 80% for the LAMDA method, and 56.1% for the FuzzyC-means. In order to improve the results, two-class classifiers were trained: Ctrl+PD,Ctrl+PD and Ctrl+HD. This matching improved the fit of LAMDA to 98.3%, theneural network with 97.0% and Fuzzy C-means with 90.2%. The potential use of theseclassification techniques will enable early detection of neurodegenerative diseases, including new devices that allow gait analysis outside the laboratory., Las enfermedades neurodegenerativas afectan el sistema neuromusculoesquelético generando trastornos del movimiento. La detección de los síntomas suele producirse en las últimas fases de la enfermedad, por lo que una detección temprana ayudaría a introducir terapias para reducir los efectos de las enfermedades y retrasar el deterioro. La base de datos PhysioNet proporciona información sobre la biomecánica de la marcha de voluntarios sanos y de pacientes de Parkinson (PD),esclerosis lateral amiotrófica (ALS) y Huntington (HD). En este trabajo se utilizan datos espacio-temporales para medir el coste energético y la densidad espectral de potencia en esas patologías. Estos parámetros se analizaron estadísticamente para definir descriptores explicativos. Posteriormente, se utilizan la técnica fuzzy c-means, algoritmo de aprendizaje para el análisis de datos multivariados - LAMDA, y redes neuronales para clasificar entre las enfermedades neurodegenerativas y el grupo de control. Se utilizó el método de validación cruzada para evaluar los resultados del algoritmo de clasificación. El análisis estadístico mostró que el coste de la energía aumentaba en la fase de apoyo, la velocidad de la marcha disminuía en condiciones críticas de la enfermedad y la cadencia era diferente según el tipo de enfermedad. Se entrenaron los algoritmos con cuatro clases a priori. Los ajustes de clasificación fueron 92.5% para la red neuronal, 80% para el método LAMDA, y 56.1% para elFuzzy C-means. Para mejorar los resultados, se entrenaron clasificadores de dos-clases:Ctrl+PD, Ctrl+PD y Ctrl+HD. El emparejamiento mejoró el ajuste de LAMDA a un98.3%, la red neuronal con un 97.0% y Fuzzy C-means con un 90.2%. El uso potencial de estas técnicas de clasificación permitirá la detección temprana de enfermedades neurodegenerativas, incluyendo nuevos dispositivos que permitan el análisis de la marcha.

El aprendizaje automático (machine learning) es una tecnología emergente que actualmente está experimentando un auge muy significativo. Es por eso interesante profundizar en un campo de la computación con tanto potencial que se espera que impulse una revolución tecnológica en los próximos años —si no es que lo está haciendo ya—. Este proyecto de fin de grado explora las bases teóricas del aprendizaje automático, más concretamente de las redes neuronales artificiales, y su aplicación en la visión por computador. Utilizando redes neuronales convolucionales se entrenan cuatro modelos de Deep Learning —image classification, object detection en local y object detection online— con el objetivo de conseguir uno capaz de reconocer y localizar una pequeña pelota de forma rápida y precisa. Dicho modelo se implementa en un robot cuadrúpedo, el robot Bittle de Petoi, a través de un algoritmo de control desarrollado en Python y utilizando una Raspberry Pi para ejecutar la inferencia. El objetivo final de este proyecto es conseguir que el robot Bittle avance solo hacia la pelota basándose únicamente en la información que le proporciona el sensor de cámara haciendo uso solamente de técnicas de deep learning, ya que existen otras técnicas como la detección por geometría o por color que consigue resultados similares. Este trabajo pretende ser una ampliación y propuesta de mejora del trabajo final de máster titulado "Estrategia de movimiento basada en Deep Learning y Visión por Ordenador para Robot Cuadrúpedo" realizado por Gabriel Mourad, en el que entrenó también cuatro modelos de clasificación de imágenes con el mismo objetivo

El aprendizaje automático, disciplina englobada en la ciencia de datos, implica entrenar sistemas para aprender de los datos y hacer predicciones o decisiones sin ser programados explícitamente para ello.

La demanda de energía eléctrica es un parámetro significativo en el análisis de consumos de la sociedad. Por ello, es importante conocer más detalles sobre su comportamiento y evolución temporal en diferentes sectores: residencial, edificios públicos, industria, etc. La inteligencia artificial es una herramienta muy eficiente que nos permite estudiar y analizar variables de estas características, ya que maneja de forma muy sencilla una gran cantidad de datos e información relacionada con el problema a tratar. En este proyecto se aborda el estudio de la predicción de demanda de energía eléctrica mediante la aplicación de técnicas de inteligencia artificial y Machine Learning (aprendizaje automático), enfocándose en un ejemplo práctico acerca de un consumidor concreto., The demand for electricity is a significant parameter in the analysis of society's consumption. Therefore, it is important to know more details about their behavior and evolution over time in different sectors: residential, public buildings, industry, etc. Artificial intelligence is a very efficient tool that allows us to study and analyze variables of these characteristics, since it handles a large amount of data and information related to the problem to be treated in a very simple way. This project explains the study of the prediction of electricity demand through the application of artificial intelligence and Machine Learning techniques, focusing on a practical case about a specific consumer.

La predicción precisa de las posiciones de los satélites es fundamental para una amplia gama de aplicaciones, que van desde las comunicaciones y navegación por satélite hasta la teledetección y la planificación de misiones espaciales. La capacidad de predecir con precisión las trayectorias de los satélites proporciona información crítica para el funcionamiento seguro y eficiente de estos sistemas espaciales. Sin embargo, debido a las diversas fuerzas y perturbaciones que afectan a los satélites en órbita, lograr una predicción precisa enfrenta desafíos técnicos y científicos significativos. Para la modelización de trayectorias existen principalmente dos tipos de modelos: los analíticos, como SGP4 y SDP4; y los de alta precisión, como HPOP. Como su nombre indica, los de la segunda familia aportan más fiabilidad; sin embargo, el coste computacional es demasiado elevado para realizar predicciones a medio o largo plazo. En el presente trabajo se utiliza el paquete de R asteRisk para la creación de un conjunto de datos de entrenamiento y validación y, posteriormente, desarrollar modelos de redes neuronales para corregir las predicciones realizadas por un modelo analítico y así obtener predicciones precisas en un tiempo reducido. Previamente a la creación del conjunto de datos se desarrolla un método de optimización de los parámetros del modelo SGP4 y SDP4, de modo que en el conjunto de datos se pudieron incluir tanto las predicciones con los parámetros base como con los parámetros optimizados. Por tanto, también se pudo estudiar cómo variaba la capacidad de predicción del error de las redes neuronales según si los parámetros orbitales de SGP4 y SDP4 habían sido previamente optimizados o no. Todo esto es posible gracias la gran cantidad de datos disponibles sobre trayectorias de satélites en un formato estandarizado, ya sean archivos RINEX o archivos TLE.

Disability involves different limitations with which the individual who suffers it lives on a daily basis. Visual impairment refers to a partial or total loss of vision, through which the individual interacts with the elements of their environment. It is estimated that approximately 48% of people with some type of disability have visual limitations, which causes difficulties in daily activities and spaces. One of the most affected surroundings for these people is mobility, given the various obstacles they may encounter. To provide alternatives to this problem, there are tools such as sticks that allow the user to detect objects and be able to avoid them. However, these tools have limitations that, in recent years, have tried to be covered by artificial vision techniques. This project implements neural networks through vision algorithms to build a system that can be useful for the population in question. This project implements neural networks through vision algorithms to build a system that can be useful for the population in question. The results obtained show us that using the YOLO algorithm in its version 5 is 94.29% effective in detecting objects through a webcam and that it can even detect different objects at the same time. This type of algorithms can be implemented as mobile systems to facilitate transit for users with visual disabilities., La discapacidad involucra diferentes limitantes con las que convive día a día el individuo que la sufre. La discapacidad visual hace referencia a una pérdida parcial o total de la visión, mediante la cual el individuo interactúa con los elementos de su entorno. Se estima que aproximadamente el 48% de personas que padecen algún tipo de discapacidad presentan limitantes visuales, lo cual les ocasiona dificultades en actividades y espacios cotidianos. Uno de los ámbitos más afectados para estas personas constituye la movilidad, dados los obstáculos variados con los que se pueden encontrar. Para brindar alternativas a esta problemática existen herramientas como los bastones que le permiten al usuario detectar objetos y poder esquivarlos. Sin embargo, estas herramientas presentan limitantes que, en últimos años, han intentado ser cubiertas por técnicas de visión artificial. Este proyecto implementa redes neuronales a través de algoritmos de visión para construir un sistema que pueda ser de utilidad para la población en mención. Los resultados obtenidos nos muestran que hacer uso del algoritmo YOLO en su versión 5 resulta efectivo en un 94.29% para detectar objetos a través de una cámara web y que incluso se pueden realizar detecciones de diferentes objetos al mismo tiempo. Este tipo de algoritmos pueden ser implementados como sistemas móviles para facilitar el tránsito a los usuarios con discapacidad visual. Finalmente, es importante incluir la mayor cantidad de categorías posibles al desarrollar el algoritmo para asegurar que la persona cuente con suficiente información para realizar su desplazamiento.

Los accidentes de tráfico constituyen una de las principales causas de muerte en México, los siniestros causados son en su mayoría por errores humanos por lo cual se ha tratado de disminuir éstos percances con sistemas de ayuda al conductor. En este artículo se presentan un estudio realizado para explorar las capacidades de una Red Generativa Antagónica en cuanto a la aplicación en la detección de carriles en una carretera, se propone utilizar una métrica conocida como índice Dice la cual mide la similitud entre las imágenes y un preprocesamiento basado en espacios de color, así como una técnica llamada Superpixeles la cual está basada en agrupamiento. Finalmente, los resultados son comparados con una red neuronal llamada LaneNet desarrollada para la base datos TuSimple. Los resultados obtenidos a partir de esta metodología requieren ser optimizados con próximos trabajos, sin embargo, permite abrir la puerta a posibles investigaciones con este tipo de red.

One of the most challenging problems of recent years is the financial study of cryptocurrencies in order to know their future behavior. The rise of artificial intelligence is providing us with tools that allow us to address the issue with greater precision. In particular, deep learning allows us to generate neural networks that learn from large volumes of data, thus identifying patterns imperceptible to humans. In this paper, we focus on the study of Bitcoin, the most valuable and popular cryptocurrency on the market today. Three types of deep neural networks and a comparative model have been implemented when forecasting its price. The results of the comparative analysis conclude that temporal patterns turn out to be more representative than spatial patterns when estimating the behavior of Bitcoin’s future closing price., Uno de los problemas m´as desafiantes de los ´ultimos a˜nos es el estudio financiero de las criptomonedas con el fin de conocer su comportamiento futuro. El auge de la inteligencia artifical nos est´a ofreciendo herramientas que nos permiten abordar el asunto con mayor precisi´on. En particular, el aprendizaje profundo nos permite generar redes neuronales que aprenden de grandes vol´umenes de datos, identificando as´ı patrones imperceptibles para los humanos. En este trabajo, nos centramos en el estudio de Bitcoin, la criptomoneda de mayor valor y popularidad del mercado actualmente. A la hora de pronosticar su precio, se han implementado tres tipos de redes neuronales profundas y un modelo comparativo. Los resultados del an´alisis comparativo concluyen que los patrones temporales resultan ser m´as representativos que los espaciales al estimar el comportamiento del precio de cierre futuro de Bitcoin.

In this paper, we implemented different techniques to predict the Colombian real value unit (UVR), based solely on the history of its behavior. The UVR represents the purchasing power based on the variation of the consumer price index (CPI) for the calendar month immediately before the calculated one,, in addition, many housing credits are indexed to UVR in Colombia, allowing financial institutions to preserve the purchasing power of money borrowed. For the study, forecasting techniques are considered using SARIMA models, linear regression, additive and multiplicative Holt-Winters smoothing, and artificial neural networks. According to the analysis, it is obtained that the best forecasting technique to make predictions at the end of the seasonal cycle was the multiplicative Holt-Winters smoothing and to predict in the middle of the seasonal cycle was the SARIMA (1,1,1) (0, 1,1)., En este artículo se implementan diferentes técnicas para predecir la unidad de valor real colombiana (UVR), basándose únicamente en el histórico de su comportamiento. La UVR representa el poder adquisitivo basado en la variación del índice de precios al consumidor (IPC) para el mes calendario inmediatamente anterior al calculado, además muchos créditos de vivienda están indexados a la UVR en Colombia, permitiendo que las entidades financieras conserven el poder adquisitivo del dinero prestado. Para el estudio son consideradas técnicas de pronóstico mediante modelos SARIMA, regresión lineal, suavizamiento Holt-Winters aditivo y multiplicativo, y redes neuronales artificiales. De acuerdo con el análisis, se obtiene que la mejor técnica para realizar predicciones al final del ciclo estacional es el suavizamiento Holt-Winters multiplicativo y para predecir a mitad del ciclo estacional es un modelo SARIMA (1,1,1) (0,1,1).

Una red neuronal consiste en una serie de capas de unidades de procesamiento, llamadas neuronas, que realizan transformaciones de los datos de entrada para generar un dato de salida. Se describen los fundamentos del funcionamiento interno de una red neuronal artificial.

El éxito del desarrollo de la inteligencia artificial durante los últimos 15 años ha revolucionado todas las áreas del conocimiento. Debido a la ((maldición de la dimensión)), que hace referencia al desafío que surge al tratar de resolver sistemas de ecuaciones diferenciales con un gran número de variables, su aplicación a la aproximación numérica de ecuaciones diferenciales juega un papel muy importante en problemas de alta dimensión. En este trabajo se realizará una introducción a los conceptos básicos de las redes neuronales generales. Se estudiará el algoritmo de diferenciación automática (backpropagation), clave de su eficiencia, y se demostrará el Teorema de aproximación universal, base matemática que justifica la utilidad de las redes neuronales en la aproximación de funciones. Se utilizarán las redes neuronales denominadas como Physical Informed Neural Networks (PINN) para la resolución de ecuaciones y sistemas diferenciales y el ajuste de parámetros en ellos. Además, se implementarán utilizando Python y sus librerías en problemas concretos., The successful development of artificial intelligence over the last 15 years has revolutionised all areas of knowledge. Due to the ((curse of dimensionality)), which refers to the challenge that arises when trying to solve systems of differential equations with a large number of variables, its application to the numerical approximation of differential equations plays a very important role in high-dimensional problems. In this work, an introduction to the basic concepts of general neural networks will be given. The automatic differentiation algorithm (backpropagation), the key to its efficiency, will be studied and the universal approximation theorem, the mathematical basis that justifies the usefulness of neural networks in the approximation of functions, will be demonstrated. Neural networks known as Physically Informed Neural Networks (PINN) will be used to solve differential equations and systems and to adjust parameters in them. Furthermore, they will be implemented using Python and its libraries in concrete problems.

Modern optimization problems often involve dealing with conflicting objectives, making them suitable for multi-objective optimization techniques. This research introduces MO-PUGAN, an innovative framework utilizing Generative Adversarial Networks (GANs) for multi-objective optimization in engineering design. Utilizing a training data update method, MO-PUGAN iteratively refines the GAN's training. Comprehensive experimentation reveals MO-PUGAN's ability to learn and mirror the distribution of optimal Pareto fronts, beginning with random populations and progressively enhancing it. In comparison to conventional optimization methods that navigate the design space, our framework focuses on learning the optimal distribution eventually. Results indicate that, while it holds promise, it has yet to surpass traditional techniques like Evolutionary Algorithms in performance. This work underscores the potential of melding machine learning with traditional optimization, offering fresh perspectives and methodologies in the design optimization domain., Los problemas modernos de optimización a menudo implican lidiar con objetivos en conflicto, lo que los hace adecuados para técnicas de optimización multiobjetivo. Esta investigación introduce MO-PUGAN, un marco innovador que utiliza Redes Antagónicas Generativas (GANs por sus siglas en inglés) para la optimización multiobjetivo en diseño de ingeniería. Utilizando un método de Actualización de los datos de entrenamiento, MO-PUGAN refina iterativamente el entrenamiento del GAN. La experimentación exhaustiva revela la habilidad de MO-PUGAN para aprender y reflejar la distribución de frentes de Pareto óptimos, comenzando con poblaciones aleatorias y mejorando progresivamente. En comparación con los métodos convencionales de optimización que navegan por el espacio de diseño, nuestro marco se centra en aprender esta distribución óptima eventualmente. Los resultados indican que, aunque tiene potencial, aún no ha superado técnicas tradicionales como los algoritmos evolutivos en rendimiento. Este trabajo destaca el potencial de fusionar el aprendizaje automático con la optimización tradicional, ofreciendo nuevas perspectivas y metodologías en el dominio de la optimización de diseño., Els problemes moderns d'optimització sovint impliquen tractar amb objectius en conflicte, cosa que els fa adequats per a tècniques d'optimització multiobjectiu. Aquesta recerca introdueix MO-PUGAN, un marc innovador que utilitza Xarxes Generatives Adversaries (GANs per les seves sigles en anglès) per a l'optimització multiobjectiu en disseny d'enginyeria. Utilitzant un mètode d'actualització de les dades d'entrenament, MO-PUGAN refina iterativament l'entrenament del GAN. L'experimentació exhaustiva revela l'habilitat de MO-PUGAN per aprendre i reflectir la distribució de fronts de Pareto òptims, començant amb poblacions aleatòries i millorant progressivament. En comparació amb els mètodes convencionals d'optimització que naveguen per l'espai de disseny, el nostre marc es centra en aprendre aquesta distribució óptima eventualment. Els resultats indiquen que, encara que té potencial, encara no ha superat tècniques tradicionals com els algoritmes evolutius en rendiment. Aquest treball destaca el potencial de fusionar l'aprenentatge automàtic amb l'optimització tradicional, oferint noves perspectives i metodologies en el domini de l'optimització de disseny.

Objetivo: Estudiar la viabilidad de utilizar metodologías de interpretabilidad de redes neuronales convoluciones para al análisis de patrones de tos en la enfermedad respiratoria. Materiales: Se estudió un grupo de 20 pacientes adultos afectos de enfermedad respiratoria que presentaban la tos como síntoma persistente. Los pacientes se monitorizaron durante 24 horas utilizando una grabadora conectada a un micrófono de solapa. Métodos: La señal de audio se transformo al dominio de la frecuencia obteniéndose espectrogramas de 1 segundo de duración. Dichos espectrogramas se procesaron mediante una red neuronal convolucional para identificar los eventos de tos. Los mapas de oclusión que reflejaban las regiones de los espectrogramas que contribuyen activamente a la detección de la tos se analizaron cuantitativamente para identificar diferencias entre grupos de pacientes Resultados: Se observaron diferencias significativas entre el grupo de pacientes con Enfermedad Pulmonar Obstructiva Crónica (EPOC) y grupos que comprendían otras enfermedades. Conclusiones: Los métodos de análisis de interpretabilidad de redes neuronales permiten explicar diferencias asociadas a la tos entre pacientes crónicos con EPOC y pacientes con otras patologías, tanto crónicas como no crónicas.

El cáncer de piel supone un tercio de los casos de cáncer en todo el mundo y la celeridad en su detección es fundamental para su correcto tratamiento. Desde hace unos años se vienen proponiendo herramientas de asistencia al diagnóstico basadas en inteligencia artificial para reducir la carga de trabajo de los dermatólogos. En este trabajo proponemos una herramienta de triaje que nos permita clasificar las lesiones recogidas en la base de datos de ISIC-2019 en tres niveles de prioridad de tal modo que se puedan atender con más presteza las lesiones más graves. Con este fin, hemos desarrollado un sistema ensamblado de redes neuronales profundas de clasificación de imágenes y probado diferentes configuraciones de éste.

Existen múltiples contextos clínicos en los que la segmentación y diferenciación de las regiones del esqueleto pueden resultar de gran utilidad para observar la diferente afectación de los huesos en función de su localización. Actualmente, existen algunos estudios que han desarrollado algoritmos basados en árboles de segmentación jerárquica con este fin. Sin embargo, no existen estudios que apliquen técnicas de Machine Learning para lograr esta clasificación. Por este motivo, en el presente estudio se propone un modelo 2D basado en redes neuronales para la clasificación del esqueleto en 8 regiones anatómicas a partir de imágenes de Tomografía Computarizada. Para ello, se ha realizado una previa clasificación manual de 64 volúmenes de esqueleto en estas etiquetas, utilizando 54 para entrenamiento y 10 para test. Posteriormente, se ha evaluado la base de datos con 32 modelos 2D de diferente complejidad, variando el número de capas ocultas (N) y el número de neuronas en estas capas (U). Se observa como un aumento de la complejidad no siempre se corresponde con una mejora del rendimiento, a pesar de que si se requiere cierta complejidad para alcanzar resultados satisfactorios. Por otro lado, se observa como un modelo con un mayor N requiere de un mayor valor de U para conseguir una mejor clasificación. Finalmente, se ha concluido que el modelo de mejor rendimiento es aquel formado por 4 capas ocultas y 200 neuronas por capa, alcanzando un índice Dice general de 0,863, y Dice mayor a 0,7 para todas las regiones.

El control de calidad industrial es un proceso dentro de la producción enfocado en mantener y mejorar la calidad de los productos manufacturados. Este proceso es fundamental para que los productos sean seguros y satisfagan las necesidades y expectativas de los consumidores. En este trabajo se exponen diferentes técnicas relacionadas con la monitorización de los procesos, una parte fundamental del estudio de calidad de los procesos industriales, y en concreto se busca un método de detección de fallos/anomalías de la planta basado en Deep-learning y clustering. El uso de estas técnicas fundamentadas en las nuevas tecnologías de digitalización, Industria 4.0, big data, control distribuido etc., permiten obtener y después realizar el tratamiento de un gran volumen de datos. El método de referencia que se usa es el Análisis de Componentes Principales (PCA), una técnica de reducción de dimensionalidad. Identifica patrones de datos al encontrar la dirección en la que los datos varían más, permite detectar el estado de funcionamiento del proceso industrial y saber si su comportamiento es normal o existen anomalías, es decir, permite la detección de los fallos en la planta mediante técnicas estadísticas. Por otro lado, el creciente auge de la inteligencia artificial, y el “Deep-learning” o aprendizaje profundo, nos permitirá usar un segundo método de detección de fallos basados en redes neuronales, en concreto utilizaremos dos técnicas: los autoencoders y los “denoising” autoencoders. Para la detección de fallos con estos sistemas se usarán las estadísticas usuales como son la estadística de Hotellings y la estadística SPE, pero también se utilizará el método de los K vecinos más cercanos (K-NN), que clasifica los datos en conjuntos según sus características. Estas técnicas se evaluarán en la planta Tennessee Eastman, comparando los diferentes métodos., Industrial quality control is a process within production focused on maintaining and improving the quality of manufactured products. This process is essential to ensure that products are safe and meet the needs and expectations of consumers. This paper presents different techniques related to process monitoring, a fundamental part of the study of quality of industrial processes, and specifically seeks a method of detection of plant faults/anomalies based on Deep-learning and clustering. The use of these techniques based on the new technologies of digitization, Industry 4.0, big data, distributed control, etc., allows to obtain and then perform the processing of a large volume of data. The reference method used is Principal Component Analysis (PCA), a dimensionality reduction technique. It identifies data patterns by finding the direction in which the data varies the most, allows to detect the state of operation of the industrial process and to know whether its behavior is normal or there are anomalies, i.e. it allows the detection of plant faults by statistical techniques. On the other hand, the growing rise of artificial intelligence, and deep learning, will allow us to use a second method of fault detection based on neural networks, specifically using two techniques: autoencoders and denoising autoencoders. For the detection of failures with these systems, the usual statistics such as Hoteling’s statistics and SPE statistics will be used, but also the K Nearest Neighbors (K-NN) method will be used, which sorts the data into sets according to their characteristics. These techniques will be evaluated at the Tennessee Eastman plant, comparing the different methods., Departamento de Ingeniería de Sistemas y Automática, Grado en Ingeniería en Tecnologías Industriales

Las redes neuronales son sistemas de aprendizaje automático relacionados con la Inteligencia Artificial que nos permiten resolver gran cantidad de problemas. Para su aprendizaje necesitan de gran cantidad de datos, es por ello que están relacionadas con muchas técnicas empleadas en estadística sobre el análisis de datos. La teoría de juegos es de gran importancia en muchos problemas de economía y sirve para entender como se comporta un ser humano en la toma de decisiones cuando un problema se le presenta. Estos últimos años, con el desarrollo de la informática, varios de estos juegos han servido como modelo para desarrollar la inteligencia artificial. Por estos motivos, una vez elegido un modelo de la Teoría de Juegos y teniendo en cuenta las estrategias que intervienen en ese juego, el objetivo de estudio ha sido aplicar diferentes tipos de redes neuronales para analizar la eficiencia y determinar cuales de ellas nos pueden ofrecer con mayor seguridad la mejor solución del juego estudiado. Para su implementación se ha utilizado el lenguaje de programación Python., Neural networks are machine learning systems related to Artificial Intelligence that allow us to solve a large number of problems. For their learning they need a large amount of data, that is why they are related to many techniques used in statistics on data analysis. Game theory is of great importance in many economic problems and it serves to understand how a human behaves in making decisions when a problem is presented. In recent years, with the development of computing, several of these games have served as models for develop the artificial intelligence. For these reasons, once a Game Theory model has been chosen and considering the strategies involved in this game, the objective of the study has been applying different types of neural networks to analyze the efficiency and determine which of them they can offer us with more security the best solution of the studied game. For its implementation, the Python programming language has been used., Departamento de Matemática Aplicada, Grado en Estadística

En los últimos 10 años hemos visto grandes avances en el campo de la inteligencia artificial. Estas aplicaciones emergentes no serían posibles sin el desarrollo previo de los autocodificadores, redes capaces de generar objetos nuevos extrapolando distribuciones de probabilidad de conjuntos de datos, utilizando técnicas que reducen la dimensión de los datos. Esto nos lleva a preguntarnos cómo funcionan estas redes y cómo es la realidad actual de las aplicaciones más punteras. Para entender mejor el estado en el que se encuentra la tecnología, este trabajo presenta las redes que conforman la base de los métodos actuales, utilizados en la actualidad para la generación de elementos escritos y visuales. En el trabajo se explica el funcionamiento de los autocodificadores y los resultados que produjeron implementaciones de las mismas basadas en el transporte óptimo. Esto demostrará lo mucho que se ha avanzado en poco tiempo, además de ser una buena introducción para todo aquel que quiera entender el funcionamiento de las redes de aprendizaje profundo más punteras., The last 10 years have seen great advances in the field of artificial intelligence. These emerging applications would not be possible without the prior development of autoencoders, networks capable of generating new objects by extracting probability distributions from datasets, using dimensional reduction techniques over the sets. This leads us to ask ourselves how these networks work and what is the current reality of state-of-the-art applications. To better understand the state-of-the-art, this paper presents this networks, which form the basis of the current methods used today for the generation of written and visual elements. The paper explains how autoencoders work and implementations of them based on optimal transport. This will demonstrate how much progress has been made in a short time, as well as being a good introduction for anyone who wants to understand the behavior of state-of-the-art deep learning networks., Departamento de Estadística e Investigación Operativa, Grado en Matemáticas

El objetivo principal es desarrollar una Interfaz Gráfica funcional que pueda servir como un IDE desde el que se pueda crear, configurar y modificar diferentes clasificadores mediante el uso de Python., Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos), Grado en Ingeniería Informática

El control de calidad tiene una gran importancia dentro de la industria hoy en día, y la llegada de las nuevas tecnologías hacen que se puedan recoger un gran número de datos de los procesos industriales, que pueden, posteriormente, ser analizados y tratados. En este trabajo se tratará de mejorar la calidad de un proceso industrial mediante la aplicación de diferentes técnicas que nos permiten detectar anomalías que ocurren en planta y hacer un posterior diagnóstico de las mismas. Una de estas técnicas usadas será el Análisis de Componentes Principales (PCA), que permite mediante la reducción de la dimensionalidad del proceso, detectar los fallos que ocurren en una planta industrial. Una vez detectado el fallo, para intentar diagnosticar de que fallo se trata, se estudiará un método que combina técnicas como el Análisis discriminante de Fisher (FDA), la incrustación de vecinos estocásticos distribuidos (t-SNE) y redes neuronales (ANN), así como un el método denominado ‘Random Forest’ (bosque aleatorio), realizándose una comparación entre ambos para tratar de encontrar la mejor técnica para el diagnóstico de fallos de la planta. Los datos con los que se trabaja son extraídos de la planta química Tennessee Eastman, contando con datos de la planta en condiciones normales de funcionamiento y cuando ocurren anomalías., Quality control has a great importance in the industry today, and the advent of new technologies means that a large number of industrial process data can be collected, which can then be analysed and processed. In this work we will try to improve the quality of an industrial process by applying different techniques that allow us to detect anomalies that occur in the plant and make a subsequent diagnosis of them. One of these techniques used will be the Main Component Analysis (PCA), which allows by reducing the dimensionality of the process, detect the failures that occur in an industrial plant. Once the failure has been detected, a method that combines techniques such as Fisher’s Discriminant Analysis (FDA), Distributed Stochastic Neighbor Embedding (t-SNE) and Neural Networks (ANN) will be studied to try to diagnose the failure involved, as well as a method called 'Random Forest' (random forest), a comparison between both to try to find the best technique for diagnosing plant failures. The data is extracted from the Tennessee Eastman chemical plant, with data from the plant under normal operating conditions and when anomalies occur., Departamento de Ingeniería de Sistemas y Automática, Grado en Ingeniería en Tecnologías Industriales

La hemorragia subaracnoidea (HSA) conlleva altas tasas de morbimortalidad. Se han identificado varios factores de riesgo como estimadores de mortalidad y resultados funcionales; sin embargo, las predicciones son imprecisas y, en ocasiones, difíciles de establecer de forma precoz. Los algoritmos de inteligencia artificial (IA) permiten manejar datos complejos y de gran dimensión. Dentro de la IA, las redes neuronales (NN), una técnica de aprendizaje automatizado que es capaz de generar predicciones muy precisas a partir de datos de imágenes. El objetivo de este trabajo es predecir la mortalidad en una cohorte consecutiva de pacientes con HSA mediante el procesamiento de la tomografía computarizada inicial en un algoritmo basado en redes neuronales. Se ha realizado un estudio multicéntrico de una cohorte retrospectiva consecutiva de pacientes con HSA entre 2011 y 2022. Se analizaron variables demográficas, clínicas y radiológicas. Las imágenes de tomografía computarizada iniciales se preprocesaron y se usaron como entrada para entrenar una NN cuya arquitectura se basa en DenseNet-121. La variable resultado fue la mortalidad en los tres primeros meses. Las cohortes de entrenamiento, validación y test se obtuvieron mediante una división aleatoria del conjunto de datos inicial. Se procesaron imágenes de 219 pacientes, 175 para entrenamiento y validación de la NN y 44 para su evaluación. El 52,5% de los pacientes eran mujeres y la mediana de edad fue de 57,9 años. El 18,5% fueron HSA idiopáticas. La mediana de WFNS al ingreso fue de 2 y la mortalidad fue del 28,5%. El modelo mostró un gran rendimiento en la predicción de muerte en pacientes con HSA utilizando exclusivamente las imágenes de la tomografía computarizada inicial (Accuracy = 74%, F1 = 72% y AUC = 82%). La conclusión a la que se llegó es que las modernas técnicas de procesamiento de imágenes basadas en inteligencia artificial y redes neuronales hacen posible predecir la mortalidad en pacientes con HSA con alta, Grado en Medicina

En los últimos 10 años hemos visto grandes avances en el campo de la inteligencia artificial. Más recientemente, aplicaciones comerciales utilizando redes generativas, como son DALL-E 2 o Chat GPT han mostrado el potencial de las herramientas de análisis del lenguaje natural y la generación de imágenes. Sin embargo, estas aplicaciones emergentes no serían posibles sin el desarrollo previo de las redes generativas adversariales, las primeras redes capaces de generar objetos nuevos extrapolando distribuciones de probabilidad de conjuntos de datos. Para entender mejor el estado en el que se encuentra la tecnología en la actualidad, este trabajo presenta las redes precursoras de los métodos de atención y Transformers, utilizados en la actualidad para la generación de contenido, tanto escrito como visual. En este trabajo podremos observar el funcionamiento teórico de las redes generativas adversariales y los resultados que produjeron las primeras implementaciones de las mismas, y compararlos con la actualidad. Esto demostrará lo mucho que se ha avanzado en poco tiempo (alrededor de 9 años), además de ser una buena introducción para todo aquel que quiera entender el funcionamiento de la generación de elementos mediante técnicas de aprendizaje automático profundo. El código implementado se puede encontrar en: https://github.com/mapacheAgridulce/TFG-Generacion-elementos-DL.git, Grado en Ingeniería Informática de Servicios y Aplicaciones

161 p., Brain stroke is the second cause of death worldwide. Among the cerebrovascular accidents, ischemic stroke is the most common. It is caused by an interruption of blood flow, and it is characterized by sudden neuronal death (necrosis in the core) and apoptotic neuronal loss in the penumbra. After the generation of the glial scar surrounding the penumbra, ischemia in animal model can activate the neurogenic machinery in the subventricular zone (SVZ). However, the rapid formation of the glial scar after brain ischemia represents a double edged sword for brain survival. On one side, the ischemic scar isolates the healthy tissues from deadly factors released in the ischemic core but on the other hand, it impedes the neuronal regeneration from the SVZ. Previous results in our laboratory demonstrated that high levels of extracellular adenosine, one of the factors released after brain ischemia, could activate theSVZ and generate new astrocytes. In this PhD project, we used a mice model of transient brain ischemia by middle cerebral artery occlusion (MCAO) to accomplish the following objectives:1) To characterize the SVZ activation and astrogliogenesis following brain ischemia;2) To investigate the role of newborn astrocytes generated from the SVZ.By combining immunofluorescence with genetic cellular tracing (in vivo electroporation of neural progenitor cells) we demonstrated that brain ischemia induced the generation of newborn astrocytes from the SVZ. Newborn astrocytes expressed the specific marker Thbs4 and were derived from the activated Type B cells at the dorsal SVZ. The neural stem cells and the Thbs4 astrocytes generated from the SVZ, deviated their physiological route to the olfactory bulb and reached the ischemic scar. Here, astrocytes generated after brain ischemia could degrade and synthetize the hyaluronic acid of the extracellular matrix suggesting a dual role in the modulation of the ischemic glial scar. We demonstrated for the first time that astrocytes deriv

Tuberculosis is a respiratory disease that affects lungs and it is caused by the bacillus Mycobacterium tuberculosis (MTB), which is spread when people who are sick with tuberculosis expel bacteria into the air by coughing. Before the coronavirus (COVID-19) pandemic, tuberculosis was the leading cause of death from infectious agents even ranking above HIV/AIDS. Growing MTB on solid medium is the main diagnostic reference method. In addition, this is the standard method for identifying the bacterial resistance profile. However, the waiting period for the results is long, during which time a patient can be highly contagious. In turn, delaying treatment for tuberculosis can increase disease severity, but treating without diagnostic confirmation can lead to bacterial resistance, a higher rate of adverse events, and higher costs. Therefore, pulmonary tuberculosis disease must be rapidly diagnosed by a cost-effective method. This paper proposes models for the detection of pulmonary tuberculosis by using different artificial intelligence techniques. These models can be used to support decision making of doctors and are intended to identify whether a patient has tuberculosis or not. In particular, four supervised learning techniques are used (neural networks, decision trees, and two ensemble methods). Each model allows predicting a positive or negative diagnosis of pulmonary tuberculosis based on previously recorded diagnostic variables taken from patients in Cali, Colombia. According to the results, the Extra Trees method reaches the highest accuracy compared to the other techniques used for the prediction of pulmonary tuberculosis with an area under the ROC curve of 95,63%., La tuberculosis es una enfermedad respiratoria que afecta los pulmones y que es causada por el bacilo Mycobacterium tuberculosis (MTB), el cual se expande cuando una persona enferma con tuberculosis expulsa la bacteria al aire al toser. Antes de la pandemia del COVID-19, la tuberculosis era considerada la principal causa de muerte por agentes infecciones en el mundo incluso por encima del VIH/SIDA. El cultivo de MTB en medio sólido es el principal método de referencia diagnóstica. Además, es el método estándar para identificar el perfil de resistencia bacteriana. Sin embargo, se requiere de mucho tiempo para la obtención del resultado; tiempo durante el cual un paciente puede ser altamente contagioso. Por otro lado, la demora en instaurar un tratamiento para la tuberculosis puede conducir a mayor gravedad de la enfermedad, pero de tomarse una medida de sobretratamiento independiente de la confirmación diagnóstica, se generaría resistencia bacteriana, mayor tasa de eventos adversos y mayores costos. Por lo tanto, es necesaria una estrategia que permita hacer un diagnóstico rápido de la tuberculosis. Para abordar este reto, en este artículo se proponen modelos para la detección de tuberculosis pulmonar utilizando diferentes técnicas de inteligencia artificial. Estos modelos se pueden usar como apoyo a la toma de decisiones por parte de los médicos y tienen como objetivo identificar si un paciente padece de tuberculosis. En particular, se proponen modelos basados en cuatro técnicas de aprendizaje supervisado (redes neuronales, árboles de decisión, y dos métodos de ensamble) que permiten realizar un diagnóstico, positivo o negativo, de tuberculosis pulmonar a partir de unas variables de entrada y de diagnósticos anteriormente registrados de pacientes sanos y otros con tuberculosis pulmonar de la ciudad de Cali, Colombia. De acuerdo con los resultados obtenidos, el método de ensamble Extra Trees resulta ser el más exacto comparado con las otras técnicas utilizadas para l

En este trabajo se ha llevado a cabo la implementación de un dispositivo capaz de detectar emociones y alertar cuando ocurran cambios en la persona que dispone de él. Para ello se ha trabajado en la búsqueda de un modelo de red neuronal, entrenando y testando diversos, capaz de conseguir la mejor precisión posible.