Search

Association rule mining is intended for searching for the relationships between attributes in transaction databases. The whole process of rule discovery is very complex, and involves pre-processing techniques, a rule mining step, and post-processing, in which visualization is carried out. Visualization of discovered association rules is an essential step within the whole association rule mining pipeline, to enhance the understanding of users on the results of rule mining. Several association rule mining and visualization methods have been developed during the past decades. This review paper aims to create a literature review, identify the main techniques published in peer-reviewed literature, examine each method's main features, and present the main applications in the field. Defining the future steps of this research area is another goal of this review paper.

In this paper three customised Artificial Intelligence (AI) frameworks, considering Deep Learning (convolutional neural networks), Machine Learning algorithms and data reduction techniques are proposed, for a problem of long-term summer air temperature prediction. Specifically, the prediction of average air temperature in the first and second August fortnights, using input data from previous months, at two different locations, Paris (France) and C\'ordoba (Spain), is considered. The target variable, mainly in the first August fortnight, can contain signals of extreme events such as heatwaves, like the mega-heatwave of 2003, which affected France and the Iberian Peninsula. Thus, an accurate prediction of long-term air temperature may be valuable also for different problems related to climate change, such as attribution of extreme events, and in other problems related to renewable energy. The analysis carried out this work is based on Reanalysis data, which are first processed by a correlation analysis among different prediction variables and the target (average air temperature in August first and second fortnights). An area with the largest correlation is located, and the variables within, after a feature selection process, are the input of different deep learning and ML algorithms. The experiments carried out show a very good prediction skill in the three proposed AI frameworks, both in Paris and C\'ordoba regions., Comment: 33 pages, 14 figures, 7 tables, under review

Numerical association rule mining offers a very efficient way of mining association rules, where algorithms can operate directly with categorical and numerical attributes. These methods are suitable for mining different transaction databases, where data are entered sequentially. However, little attention has been paid to the time series numerical association rule mining, which offers a new technique for extracting association rules from time series data. This paper presents a new algorithmic method for time series numerical association rule mining and its application in smart agriculture. We offer a concept of a hardware environment for monitoring plant parameters and a novel data mining method with practical experiments. The practical experiments showed the method's potential and opened the door for further extension.

Resumen de la publicación de una participación en formato µVídeo en en el congreso Divulga NextGen (1ª edición) que se celebrará online, de manera gratuita y en las redes sociales los días 26, 27 y 28 de mayo de 2021., {"references":["[1] S. Salcedo-Sanz, A review on the coral reefs optimization algorithm: new development lines and current applications, Progress in Artificial Intelligence, 6 (2017) 1–15.","[2] C.G. Marcelino, P.E.M. de Almeida, E.F. Wanner, M.B., M. Weil, L.M. Carvalho, V. Miranda, Solving security constrained optimal power flow problems: a hybrid evolutionary approach, Applied Intellicence 48 (2018) 3672-3690","[3] A. Guitouni, J-M. Martel, J.M, Tentative guidelines to help choosing an appropriate MCDA method, European Journal of Operational Research, 109 (1998) 501–521","[4] C.G. Marcelino, M. Baumann, L.M. Carvalho, N. Chibeles-Martins, M. Weil, P.E.M. de Almeida, E.F. Wanner, A combined optimisation and decision-making approach for battery-supported HMGS, Journal of the Operational Research Society, 71(2020) 762-774"]}

Black-box optimization problems (BBOP) are de ned as those optimization problems in which the objective function does not have an algebraic expression, but it is the output of a system (usually a computer program). This paper is focussed on BBOPs that arise in the eld of insurance, and more speci cally in reinsurance problems. In this area, the complexity of the models and assumptions considered to de ne the reinsurance rules and conditions produces hard black-box optimization problems, that must be solved in order to obtain the optimal output of the reinsurance. The application of traditional optimization approaches is not possible in BBOP, so new computational paradigms must be applied to solve these problems. In this paper we show the performance of two evolutionary-based techniques (Evolutionary Programming and Particle Swarm Optimization). We provide an analysis in three BBOP in reinsurance, where the evolutionary-based approaches exhibit an excellent behaviour, nding the optimal solution within a fraction of the computational cost used by inspection or enumeration methods.

This Ph.D. thesis’ goal is focused on the optimization of renewable energy resources development, specifically solar PV energy, using different hybrid computational Machine Learning techniques. Energy is the engine of our society, allowing us performing almost every action taken by human beings in our daily routine, and providing a constant evolution and development in all our fields. Currently, fossil fuels entail the higher percentage of energy sources in our planet. They have several advantages, such as easy and constant production, but, at the same time, they present substantial disadvantages, like the extreme pollution associated with these resources, and their contribution to global warming and climate change. This is the reason why the largest and most powerful economies are working for a energy change towards renewable sources for a sustainable development. In the introduction of this thesis, a large number of studies are presented, which foresee a penetration by over a 50% of this kind of energies in the next decades. Strong investments are being made in this field, looking for technology development and, besides, introducing these energies into society as a matter to be taken into account, for it is related to economic and social status. However, the development of energy systems mainly based on renewable energy will surely be slow, since these energies depend on variables which are out of our control, mainly atmospheric and climatic variables, which are intrinsically intermittent. This matter must be taken into account, due to the amount of energy demanded by society at the present, as well as the tremendous increase that is predicted for this demand in the future, due to new technologies and new ways of daily routines, like electric vehicles or IoT, etc. To obtain a solution for this problem, on one hand, it is fundamental to achieve the capability of predicting the quantity of energy obtained in each moment, avoiding increases or decreases of energy, being this matter the core of this Ph.D. Thesis, where the optimal feature selection for predicting the quantity of global solar radiation in a given point is studied. On the other hand, all the information to do the prediction process will be obtained from a numerical weather mesoscale model called WRF (Weather Research and Forecasting), a static model based on different physic equations which involve different variables like humidity, pressure or percentage of cloud fraction in any point and different heights in the planet. Additionally, dynamic information, like global solar radiation can be obtained from a radiometric measuring point in Toledo, Spain, allowing us to get a database of the solar global radiation in the past few years. The result of 9 mixing both of these data will be added as inputs in our hybrid systems. In this work, a deep analysis in the state of art for machine learning models is performed, so as to solve the problems previously considered. Different contributions have been proposed: 1. One of the pillars of this work is focused on the optimal feature selection in the exploitation of solar PV radiation in a given point. For this purpose, Extreme-Learning Machine (ELM) will be used as regressor element in the system, where the output of the ELM will be calculated from the WRF outcome features added as inputs in the system. 2. The second contribution of this thesis is related to parameters selection problems. More specifically, the use of EAs such as Grouping Genetic Algorithm (GGA) or Coral Reef Optimization (CRO) hybridized with others ML are used as classifiers and regressors. Regarding this, the GGA or CRO look for several subsets of basic parameters to solve the problem, and the regressor employed provides the prediction in terms of the selected by the Genetic Algorithm (GA), reducing the computational cost maintaining a good accuracy. Finally, the several of the mentioned algorithms are applied in the same problem already defined, in order to get the global solar radiation prediction in different points, dealing to improve previous results in other works and obtaining new applications and techniques, as new paths of research in the future., Esta Tesis doctoral tiene como objetivo la optimización de la explotación de recursos energéticos renovables, siendo en este caso el objetivo principal la energía solar fotovoltaica y la predicción del recurso. El análisis llevado a cabo se fundamenta en la utilización de algoritmos y técnicas computacionales metaheurísticas híbridas, específicamente algoritmos genéticos de agrupamiento, algoritmos de arrecife de coral y redes neuronales artificiales. La energía es el motor de nuestra sociedad, que nos permite realizar casi la totalidad de las acciones que el ser humano hace a diario, propugnando una constante evolución y desarrollo en cualquier ámbito de nuestra vida. Actualmente, los combustibles denominados fósiles son la mayor fuente energética de nuestro planeta, tanto por la facilidad y continuidad en su obtención, como porque gran parte de la tecnología hasta hace poco tiempo estaba basada en su consumo. Es sobradamente conocido que este tipo de energía son un recurso finito y extremadamente contaminante, afectando al medio en el que vivimos. Debido a esto, las grandes economías están apostando por un cambio paulatino en las fuentes de energía, siendo los recursos renovables los que garantizan un futuro sostenible para nuestra forma de vida. Como veremos en la introducción de esta tesis, numerosos estudios preveen una penetración de dichas fuentes por encima del 50% en las próximas décadas. Las fuertes inversiones que se realizan en esta materia, para su desarrollo y ampliación en la penetración, hacen de ellas un elemento interesante a niveles socio-económicos. Esta evolución será lenta y paulatina, ya que este tipo de energías tienen un elemento que no podemos controlar (al contrario que en las energías fósiles) que es su intermitencia intrínseca, ya que son energías que dependen de en muchos casos de fenómenos naturales, fundamentalmente atmosféricos en el caso de la energía solar y eólica. El objetivo final es conseguir que la penetración de estas energías renovables supere a las energías fósiles y permita salvar el problema anteriormente descrito. La mejor opción para conseguir una penetración elevada de los recursos renovables es desarrollar sistemas de predicción que permitan establecer el recurso disponible en el futuro próximo, para poder adelantarnos a cualquier exceso o defecto de la producción. Este será un elemento clave sobre el que gira la presente Tesis doctoral. Específicamente, la selección de las variables más importantes para realizar una predicción del recurso solar con el menor error posible y que nos permita realizar las gestiones oportunas en tiempo y forma. En este aspecto, obtendremos toda la información para la predicción de un modelo numérico-meteorológico de meso-escala (WRF), el cual es un modelo estático y que, basado en distintas ecuaciones físicas, aporta una serie de variables como la humedad, la presión o el porcentaje de cielo nublado que obtendremos en cualquier lugar del planeta, a distintas alturas. Este modelo puede ser utilizado para la predicción en sí mismo, pero usualmente sufre de falta de resolución en la estimación de la radiación solar en un punto específico de la superficie. En esta Tesis se utiliza una red neuronal de entrenamiento rápido para realizar la predicción final en el punto deseado, usando los algoritmos metaheurísticos mencionados anteriormente para la selección delas variables óptimas a usar en esta predicción. En este trabajo se ha realizado un análisis del estado del arte de los modelos de aprendizaje máquina que se utilizan actualmente, con el objetivo de resolver los problemas asociados a los temas tratados con anterioridad. Diferentes contribuciones han sido propuestas: 1. Uno de los pilares esenciales de este trabajo está centrado en la selección de los parámetros más importantes en la medición de la energía solar fotovoltaica en un punto dado. Con este propósito, el algoritmo de Extreme Learning Machine (ELM), será utilizado como elemento regresor del sistema, que permitirá calcular en un tiempo de cómputo mínimo, el valor de la radiación solar global en función de las variables de entrada. 2. Otro de los aspectos tratados está relacionado con problemas de selección de características para una óptima predicción de nuestro sistema regresor. Concretamente, con el uso de algoritmos evolutivos como Algoritmos de Agrupación Genética (GGA) o los algoritmos de Optimización de Arrecife de Coral (CRO) hibridados con otros métodos de aprendizaje máquina como clasificadores y regresores. En este sentido, el GGA o CRO analizan diferentes conjuntos de características para obtener aquel que resuelva el problema con el menor posible, y el regresor empleado proporciona la predicción en función de las características obtenidas por el GGA, reduciendo el coste computacional con gran fiabilidad en los resultados. Los diferentes algoritmos mencionados han sido aplicados a una serie de casos reales con medidas de radiación solar del observatorio Astronómico de Toledo, España.

This Ph.D. thesis deals with the optimization of several renewable energy resources development as well as the improvement of facilities management in oceanic engineering and airports, using computational hybrid methods belonging to AI to this end. Energy is essential to our society in order to ensure a good quality of life. This means that predictions over the characteristics on which renewable energies depend are necessary, in order to know the amount of energy that will be obtained at any time. The second topic tackled in this thesis is related to the basic parameters that influence in different marine activities and airports, whose knowledge is necessary to develop a proper facilities management in these environments. Within this work, a study of the state-of-the-art Machine Learning have been performed to solve the problems associated with the topics above-mentioned, and several contributions have been proposed: One of the pillars of this work is focused on the estimation of the most important parameters in the exploitation of renewable resources. The second contribution of this thesis is related to feature selection problems. The proposed methodologies are applied to multiple problems: the prediction of $H_s$, relevant for marine energy applications and marine activities, the estimation of WPREs, undesirable variations in the electric power produced by a wind farm, the prediction of global solar radiation in areas from Spain and Australia, really important in terms of solar energy, and the prediction of low-visibility events at airports. All of these practical issues are developed with the consequent previous data analysis, normally, in terms of meteorological variables., arXiv admin note: text overlap with arXiv:1706.03673, arXiv:1805.03463 by other authors

According to the report published by the online protection firm Iovation in 2012, cyber fraud ranged from 1 percent of the Internet transactions in North America Africa to a 7 percent in Africa, most of them involving credit card fraud, identity theft, and account takeover or h¼acking attempts. This kind of crime is still growing due to the advantages offered by a non face-to-face channel where a increasing number of unsuspecting victims divulges sensitive information. Interpol classifies these illegal activities into 3 types: • Attacks against computer hardware and software. • Financial crimes and corruption. • Abuse, in the form of grooming or “sexploitation”. Most research efforts have been focused on the target of the crime developing different strategies depending on the casuistic. Thus, for the well-known phising, stored blacklist or crime signals through the text are employed eventually designing adhoc detectors hardly conveyed to other scenarios even if the background is widely shared. Identity theft or masquerading can be described as a criminal activity oriented towards the misuse of those stolen credentials to obtain goods or services by deception. On March 4, 2005, a million of personal and sensitive information such as credit card and social security numbers was collected by White Hat hackers at Seattle University who just surfed the Web for less than 60 minutes by means of the Google search engine. As a consequence they proved the vulnerability and lack of protection with a mere group of sophisticated search terms typed in the engine whose large data warehouse still allowed showing company or government websites data temporarily cached. As aforementioned, platforms to connect distant people in which the interaction is undirected pose a forcible entry for unauthorized thirds who impersonate the licit user in a attempt to go unnoticed with some malicious, not necessarily economic, interests. In fact, the last point in the list above regarding abuses has become a major and a terrible risk along with the bullying being both by means of threats, harassment or even self-incrimination likely to drive someone to suicide, depression or helplessness. California Penal Code Section 528.5 states: “Notwithstanding any other provision of law, any person who knowingly and without consent credibly impersonates another actual person through or on an Internet Web site or by other electronic means for purposes of harming, intimidating, threatening, or defrauding another person is guilty of a public offense punishable pursuant to subdivision [...]”. IV Therefore, impersonation consists of any criminal activity in which someone assumes a false identity and acts as his or her assumed character with intent to get a pecuniary benefit or cause some harm. User profiling, in turn, is the process of harvesting user information in order to construct a rich template with all the advantageous attributes in the field at hand and with specific purposes. User profiling is often employed as a mechanism for recommendation of items or useful information which has not yet considered by the client. Nevertheless, deriving user tendency or preferences can be also exploited to define the inherent behavior and address the problem of impersonation by detecting outliers or strange deviations prone to entail a potential attack. This dissertation is meant to elaborate on impersonation attacks from a profiling perspective, eventually developing a 2-stage environment which consequently embraces 2 levels of privacy intrusion, thus providing the following contributions: • The inference of behavioral patterns from the connection time traces aiming at avoiding the usurpation of more confidential information. When compared to previous approaches, this procedure abstains from impinging on the user privacy by taking over the messages content, since it only relies on time statistics of the user sessions rather than on their content. • The application and subsequent discussion of two selected algorithms for the previous point resolution: – A commonly employed supervised algorithm executed as a binary classifier which thereafter has forced us to figure out a method to deal with the absence of labeled instances representing an identity theft. – And a meta-heuristic algorithm in the search for the most convenient parameters to array the instances within a high dimensional space into properly delimited clusters so as to finally apply an unsupervised clustering algorithm. • The analysis of message content encroaching on more private information but easing the user identification by mining discriminative features by Natural Language Processing (NLP) techniques. As a consequence, the development of a new feature extraction algorithm based on linguistic theories motivated by the massive quantity of features often gathered when it comes to texts. In summary, this dissertation means to go beyond typical, ad-hoc approaches adopted by previous identity theft and authorship attribution research. Specifically it proposes tailored solutions to this particular and extensively studied paradigm with the aim at introducing a generic approach from a profiling view, not tightly bound to a unique application field. In addition technical contributions have been made in the course of the solution formulation intending to optimize familiar methods for a better versatility towards the problem at hand. In summary: this Thesis establishes an encouraging research basis towards unveiling subtle impersonation attacks in Social Networks by means of intelligent learning techniques.

La última década ha sido testigo de un aumento vertiginoso de la cantidad y frecuencia de desastres a gran escala, principalmente debido a los fenómenos devastadores derivados de paradigmas climatológicos y ambientales a gran escala como el calentamiento global. De entre ellos son las inundaciones, huracanes y terremotos los desastres de mayor frecuencia de aparición y fatales consecuencias durante este período, tal como certifican los más de 20.000 muertos a consecuencia de un terremoto en la región de Gujarat (India) en 2001, o las 230.000 y 316.000 pérdidas humanas de los terremotos de Indonesia y Haití en 2004 y 2010, respectivamente. En este contexto, el enfoque de esta tesis se centra en una casuística concreta de desastre a media-gran escala cuya frecuencia y severidad han crecido de manera igualmente preocupante en los últimos tiempos: los incendios, definidos como un fuego de grandes dimensiones no voluntariamente iniciado por el ser humano, y que afecta a aquello que no está destinado a quemarse. Pese a la diversidad de iniciativas, campañas y procedimientos orientados a la minimización del impacto y las consecuencias de los incendios, varios sucesos fatales acontecidos en los últimos años han puesto en duda la efectividad de las políticas actuales de gestión de recursos contra incendios como aeronaves, vehículos terrestres, equipamiento de comunicaciones radio, logística de abastecimiento y las brigadas desplegadas en el área afectada. Un ejemplo manifiesto de esta falta de eficacia es la muerte de once bomberos ocurrida en un incendio de 130 kilómetros cuadrados en la zona de Guadalajara (España) en 2005, oficialmente atribuida a una deficiente coordinación entre el puesto de mando y los equipos de extinción debida, fundamentalmente, a problemas de cobertura en los sistemas de radiocomunicación. Aunque la causa de esta falta de coordinación ha sido cuestionada por las autoridades y los agentes involucrados desde entonces, lo cierto es que este suceso supone un ejemplo evidente de la necesidad de estudiar y desarrollar herramientas algorítmicas que ayuden al personal de comandancia a ejecutar óptimamente sus tareas de coordinación y control. Desafortunadamente la coyuntura de crisis económica mundial que azota con especial fuerza los países del Sur de Europa ha mermado dramáticamente las partidas presupuestarias para la prevención y extinción de incendios en beneficio de programas nacionales de reducción de déficit. A consecuencia de estos recortes, el coste ha irrumpido con fuerza como un criterio de extrema relevancia en la planificación operativa de este tipo de desastres: desde la perspectiva de un problema de optimización, los recursos contra incendios son actualmente gestionados con el objetivo fundamental de maximizar su efectividad contra incendios, sujeto a la restricción de que el coste agregado asociado a las decisiones tomadas no supere un determinado umbral presupuestario. Pese a que estas restricciones de coste están bien acotadas, en la práctica la mayoría de los procedimientos de gestión de recursos contra incendios están fuertemente determinados por la capacidad limitada del ser humano para tomar decisiones ágiles en escenarios de elevada complejidad y heterogeneidad. Por los motivos anteriormente expuestos, la presente Tesis doctoral propone la adopción de algoritmos meta-heurísticos para solventar eficientemente problemas de optimización que modelan procesos de gestión de recursos contra incendios. Esta familia de algoritmos de optimización es capaz de explorar el espacio solución de un problema dado merced a la aplicación iterativa de mecanismos inteligentes de búsqueda explorativa y explotativa, produciendo soluciones que sacrifican calidad por una complejidad computacional menor en comparación con la resultante de procesos determinísticos de búsqueda exhaustiva. En particular la Tesis plantea la búsqueda por harmonía (del inglés Harmony Search) como la técnica meta-heurística de optimización común a las herramientas diseñadas para la gestión de recursos en dos escenarios diferentes: ? El primer escenario analizado contempla el despliegue óptimo de redes de comunicación inalámbrica para la coordinación de equipos de extinción en incendios forestales de gran escala. Desde el punto de vista formal, el problema del despliegue dinámico de retransmisores que caracteriza matemáticamente este escenario consiste en estimar el número y localización de los retransmisores radio que deben ser desplegados en el área afectada por el incendio, de tal modo que el número de nodos móviles (i.e. recursos) con cobertura radio es maximizado a un coste del despliegue mínimo. A fin de reflejar la diversidad de equipamiento de retransmisión radio existente en la realidad, este problema es reformulado para considerar modelos de retransmisor con diferentes características de cobertura y coste. El problema resultante es resuelto de manera eficiente mediante sendos algoritmos mono- y bi-objetivo que conjugan 1) la Búsqueda por Harmonía como método de búsqueda global; y 2) una versión modificada del algoritmo de agrupación K-means como técnica de búsqueda local. El desempeño de los métodos propuestos es evaluado mediante experimentos numéricos basados en datos estadísticos reales de la Comunidad de Castilla la Mancha (España), merced a cuyos resultados queda certificada su practicidad a la hora de desplegar infraestructura de comunicación en este tipo de desastres. ? El segundo escenario bajo estudio se concentra en el despliegue y planificación óptima de vehículos aéreos de extinción de incendios basados en estimaciones predictivas del riesgo de incendio de una cierta área geográfica. De manera enunciativa, el problema subyacente busca la asignación de recursos a aeródromos y aeropuertos con restricciones de capacidad que maximice la utilidad de dichos recursos en relación al riesgo de incendio y minimice, a su vez, el coste de ejecutar dicha asignación. La formulación de este problema también considera, dentro de la definición de dicha función de utilidad, la distancia relativa entre aeropuerto, punto de potencial riesgo de incendio y el recurso acuífero (lago, río o mar) más cercano. Para su resolución eficiente se propone el uso de algoritmos de optimización basados, de nuevo, en la Búsqueda por Harmonía, incorporando además métodos voraces de reparación capacitiva. La aplicabilidad práctica de estos métodos es validada mediante experimentos numéricos en escenarios sintéticos y un caso práctico que incluye valores reales del riesgo de incendio, posiciones de recursos acuíferos e instalaciones aeroportuarias. En resumen, esta Tesis evidencia, desde un punto de vista práctico, que la meta-heurística moderna supone una solución algorítmica computacionalmente eficiente para tratar problemas de gestión de recursos contra incendios sujetos a restricciones de coste.

Este trabajo de Tesis Doctoral estudia el problema del despliegue de redes móviles (Mobile Network Deployment Problem o MNDP), orientado a la localización de estaciones base en una red de telecomunicación GSM. Tradicionalmente, este problema de optimización consiste en hallar una solución tal que, con el mínimo coste económico de la red, asegure un grado de servicio mínimo en la zona. Así la función de evaluación maneja dos variables: el coste y el grado de cobertura de la red en el área de estudio. Una de las aportaciones de este trabajo es la incorporación de una nueva variable a dicha función: la radiación electromagnética sobre el terreno en el que opera la red. Existen numerosos estudios que abordan el problema a partir del coste y el grado de servicio, sin embargo no hemos encontrado investigaciones que persigan minimizar la cantidad de radiación emitida por las estaciones base. La sociedad actual mantiene cierta aversión a la radiación que emiten los equipos de telefonía móvil. De este sentimiento surge la idea de incorporar el parámetro de polución electromagnética al problema de optimización MNDP. El problema se aborda mediante métodos metaheurísticos de optimización: un algoritmo evolutivo tradicional, y un novedoso algoritmo recientemente publicado, el Coral Reefs Optimization (CRO). Este último es un algoritmo bio-inspirado que se basa en la simulación de los procesos que de los arrecifes de coral. Los resultados obtenidos de la aplicación de ambas metodologías al problema MNDP han sido comparados con otros tres algoritmos metaheurísticos con la misma función de evaluación. Estos son: el algoritmo Particle Swarm Optimization, el Harmony Search y un algoritmo tipo greedy. Los experimentos realizados sitúan, de manera ampliamente diferenciada, el algoritmo CRO como el más apropiado para resolver el problema MNDP.

La evolución experimentada por las comunicaciones móviles a lo largo de las últimas décadas ha sido motivada por dos factores principales: el surgimiento de nuevas aplicaciones y necesidades por parte del usuario, así como los avances tecnológicos. Los servicios ofrecidos para términales móviles han evolucionado desde el clásico servicio de voz y mensajes cortos (SMS), a servicios más atractivos y por lo tanto con una rápida aceptación por parte de usuario final como, video telephony, video streaming, online gaming, and the internet broadband access (MBAS). Todos estos nuevos servicios se han convertido en una realidad gracias a los avances técnologicos, avances tales como nuevas técnicas de acceso al medio compartido, nuevos esquemas de codificiación y modulación de la información intercambiada, sistemas de transmisión y recepción basados en múltiples antenas (MIMO), etc. Un aspecto importante en esta evolución fue la liberación del sector a principios de los años 90, donde la función reguladora llevado a cabo por las autoridades regulatorias nacionales (NRA) se ha antojado fundamental. Uno de los principales problemas tratados por la NRA espcífica de cada nación es la determinación de los costes por servicios mayoristas, esto es los servicios entre operadores de servicios móvilles, entre los que cabe destacar el coste por terminación de llamada o de inteconexión. El servicio de interconexión hace posible la comunicación de usuarios de diferente operadores, así como el acceso a la totalidad de servicios, incluso a aquellos no prestados por un operador en concreto gracias al uso de una red perteneciente a otro operador, por parte de todos los usuarios. El objetivo principal de esta tesis es la minimización de los costes de inversión en equipamiento de red, lo cual repercute en el establecimiento de las tarifas de interconexión como se verá a lo largo de este trabajo. La consecución de dicho objetivo se divide en dos partes: en primer lugar, el desarrollo de un conjunto de algoritmos para el dimesionado óptimo de una red de acceso radio (RAN) para un sistema de comunicaciones móvilles. En segundo lugar, el diseño y aplicación de algoritmos de optimización para la distribución óptima de los servicios sobre el conjunto de tecnologías móviles existentes (OSDP). El modulo de diseño de red proporciona cuatro algoritmos diferenciados encargados del dimensionado y planificación de la red de acceso móvil. Estos algoritmos se aplican en un entorno multi-tecnología, considerando sistemas de segunda (2G), tercera (3G) y cuarta (4G) generación, multi-usuario, teniendo en cuenta diferentes perfiles de usuarios con su respectiva carga de tráfico, y multo-servicio, incluyendo voz, servicios de datos de baja velocidad (64-144 Kbps), y acceso a internet de banda ancha móvil. La segunda parte de la tesis se encarga de distribuir de una manera óptima el conjunto de servicios sobre las tecnologías a desplegar. El objetivo de esta parte es hacer un uso eficiente de las tecnologías existentes reduciendo los costes de inversión en equipamiento de red. Esto es posible gracias a las diferencias tecnológicas existente entre los diferentes sistemas móviles, que hacen que los sistemas de segunda generación sean adecuados para proporcionar el servicio de voz y mensajería corta, mientras que redes de tercera generación muestran un mejor rendimiento en la transmisión de servicios de datos. Por último, el servicio de banda ancha móvil es nativo de redes de última generadón, como High Speed Data Acces (HSPA) y 4G. Ambos módulos han sido aplicados a un extenso conjunto de experimentos para el desarrollo de análisis tecno-económicos tales como el estudio del rendimiento de las tecnologías de HSPA y 4G para la prestación del servicio de banda ancha móvil, así como el análisis de escenarios reales de despliegue para redes 4G que tendrán lugar a partir del próximo año coinicidiendo con la licitación de las frecuencias en la banda de 800 MHz. Así mismo, se ha llevado a cabo un estudio sobre el despliegue de redes de 4G en las bandas de 800 MHz, 1800 MHz y 2600 MHz, comparando los costes de inversión obtenidos tras la optimización. En todos los casos se ha demostrado la mejora, en términos de costes de inversión, obtenida tras la aplicación de ambos módulos, posibilitando una reducción en la determinación de los costes de provisión de servicios. Los estudios realizados en esta tesis se centran en la nación de España, sin embargo todos los algoritmos implementados son aplicables a cualquier otro país europeo, prueba de ello es que los algoritmos de diseño de red han sido utilizados en diversos proyectos de regulación.

Este proyecto optimiza el mecanismo de detección de accidentes del sistema denominado "Moto eCall", finalizado en Junio del año 2011 en el Colegio de Ingeniería de Aarhus (Dinamarca). Para ello, y después de un largo proceso de búsqueda de soluciones, se propone el uso de una red neuronal artificial (RNA) de propagación hacia delante junto con la nueva técnica de aprendizaje denominada ELM (Extreme Learning Machine). Las RNAs ofrecen numerosas ventajas como aprendizaje adaptativo, auto-organización, tolerancia a fallos y operación en tiempo real. Además, el algoritmo ELM proporciona el mejor rendimiento de generalización a una velocidad de aprendizaje muy elevada. Con todo esto, las RNAs el algoritmo de aprendizaje ELM son la combinación perfecta para optimizar el rendimiento de Moto eCall. Gracias a los "crash test" realizados con el programa de simulación llamado "Working Model', la susodicha combinación ha sido probada. Los resultados muestran un rendimiento óptimo ya que la red neuronal reacciona casi inmediatamente cuando se produce un accidente y, además, los tiempos de entrenamiento y de previsión son más pequeños que los del algoritmo actual. Por lo tanto, se confirma que la propuesta de este proyecto mejora los puntos débiles del sistema actual de detección de accidentes, This project optimizes the accident detection mechanism of the system called "Moto eCall", developed in June 2011 at the Engineering College of Aarhus (Denmark). After a deep study of different solutions, a feedforward artificial neural network (ANN) trained the new learning technique referred to as Extreme Learning Machine (ELM) is proposed. Among others, ANNs present numerous advantages such as adaptive learning, self-organization, failover and real-time operation that make them a suitable alternative to the current crash detection technique. Besides, ELM algorithm tends to provide the best generalization performance at extremely fast learning speed. Therefore, ANNs and ELM are the perfect combination to optimize Moto eCall performance. Thanks to crash test developed with the simulation program called Working Model, the previously mentioned combination has been tested. The results show an optimal performance due to ANN reacts almost immediately when a crash happens and also ELM training and predicting times are shorter than currently algorithm. Consequently, it is confirmed that the proposal improves the weaknesses of the actual motorcycle crash detection system., Grado en Ingeniería en Sistemas de Telecomunicación