Search

Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

Con la llegada de la denominada Industria 4.0 comienza a haber una demanda por sistemas de visión e inferencia basados en inteligencias artificiales. Gracias a avances en el campo del Deep Learning es posible crear y entrenar modelos de redes neuronales que sean capaces de reconocer en tiempo real la posición o trayectoria de objetos, algo de gran utilidad en la logística de muchas industrias ya que permite obtener datos de interés como por ejemplo el tiempo de empleo de infraestructuras, la capacidad de trabajo de éstas o un historial del movimiento de mercancías, entre muchos otros. Si bien ya existen diversos algoritmos de tratamiento de imágenes para detección de objetos, su implementación junto a estas redes posibilita la creación de programas de reconocimiento de objetos muy flexibles y generalizados que pueden implementarse a distintas industrias. En este trabajo en concreto se hará, por una parte, empleo de visión artificial para detección de barcos cargueros y grúas en el Puerto de Sevilla; y, por otra parte, se hará una demostración del empleo de algoritmos y técnicas de tratamiento de imágenes para la detección de movimiento en una fábrica de virolas para aerogeneradores. The Fourth Industrial Revolution has created a demand for the integration of Artificial Intelligence systems. Thanks to advances in the field of Deep Learning, it is possible to train neural network able to recognize the position or trajectory of objects in real time. This has great use in the logistics of many industries since it allows to obtain data of interest such as the time of use of the infrastructures, their working capacity or a registry of the movement of goods, among many others. Although there are already various image processing algorithms for object detection, their implementation together with these neural networks is what allows the creation of flexible and generalized object recognition programs that can be implemented in different industries. In this work, on the one hand, computer vision will be used to detect cargoships and cranes from a camera at the Port of Seville; and, on the other hand, there will be shown a demonstration of the use of algorithms for image processing techniques for the detection of movement in a ferrule factory. Universidad de Sevilla. Grado de Ingeniería Electrónica, Robótica y Mecatrónica (UMA/USE)

El tratamiento digital de imágenes y vídeos es una rama que ha sido explotada y de la que se ha realizado múltiples investigaciones y desarrollos, llegando a un punto en el que se centra más en optimizar y mejorar el rendimiento de estos procesos. Estamos entrando en unos años donde se cree que la próxima gran revolución tecnológica viene de la mano junto con la inteligencia artificial. Cada vez son más los divulgadores de estas tecnologías y son más los usos que se le están dando. En concreto, el ámbito de Deep Learning está siendo impulsado junto con los avances en procesamientos de datos y en potencia computacional que cada vez están a disposición de más personas. Uno de los tantos campos de aplicación de redes neuronales es en el procesamiento de vídeo donde se están rompiendo nuevas barreras gracias a estas redes, consiguiendo obtener resultados de problemas que requieren de cierta abstracción. El objetivo de este documento consiste en valernos de estas herramientas para que una inteligencia artificial sea capaz de reconocer una acción específica a través de una simple imagen. Digital image and video processing is an engineering branch which has been exploited and has undergone a lot of research and development, reaching a point where the focus is more on optimising and improving the performance of these processes. We are entering a time when it is believed that the next great technological revolution will come hand in hand with artificial intelligence. These technologies are becoming more widespread, arising new ideas for their usage. In particular, the field of Deep Learning is being driven by advances in data processing and computational power that are becoming available to more people. One of the many fields of application of neural networks is in video processing where new barriers are being broken thanks to these neural networks, managing to obtain results for problems that require a certain degree of abstraction. The aim of this document is to use these tools to train an artificial intelligence to recognise a specific action through a simple image. Universidad de Sevilla. Ingeniería de las Tecnologías de Telecomunicación.

La inteligencia Artificial y más concretamente el Deep Learning o aprendizaje profundo está siendo de gran relevancia hoy en día ya que se implementa en dispositivos que todos usamos diariamente. En este trabajo se conocerá un poco acerca de esta tecnología, viendo su historia, entendiendo sus elementos más básicos, adentrándose en su estructura y diseñando una red neuronal completa, en este caso se diseñará una red neuronal convolucional en Python para clasificación de imágenes más concretamente imágenes de plantas que se clasificarán por su número de hojas y se propondrán varias técnicas de preprocesado de imagen para mejorar el rendimiento de la red. Por último, se compararán los resultados con otro algoritmo que nada tiene que ver con inteligencia artificial y que también sirve para reconocimiento de imágenes. Este estudio no tiene un fin comercial, sino familiarizarse con esta herramienta tan potente que es el Deep learning, aprender sobre el tratamiento de las imágenes y conocer técnicas para mejorar el aprendizaje de estas redes. Artificial intelligence and more specifically Deep Learning is being of great relevance nowadays as it is implemented in devices that we all use daily. In this work we will learn a little about this technology, seeing its history, understanding its most basic elements, getting into its structure, and designing a complete neural network, in this case we will design a convolutional neural network in Python for image classification, more specifically images of plants that will be classified by their number of leaves and we will propose several image preprocessing techniques to improve the performance of the network. Finally, the results will be compared with another algorithm that has nothing to do with artificial intelligence and is also used for image recognition. This study does not have a commercial purpose, but rather to become familiar with this powerful tool that is Deep learning, to learn about image processing and to learn techniques to improve learning of this networks. Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

El análisis de componentes principales (PCA) basado en la norma L1 es una técnica cada vez más popular para el análisis de datos multivariantes. Como idea intuitiva se utiliza que, para las direcciones en las que la nube se extiende por el espacio, las proyecciones de esos puntos han de tener una gran varianza. Este criterio es muy efectivo, pero tiene el inconveniente de que la varianza es un estadístico poco robusto: si los datos están contaminados con valores atípicos (outliers), las estimaciones de la varianza tendrán un gran error. Como solución, se ha propuesto sustituir la varianza por el promedio del valor absoluto de las proyecciones. Esta técnica resultante es lo que se ha denominado PCA basado en la norma L1 o L1-PCA, consiguiendo algoritmos muy robustos. Esta Tesis demuestra que un vínculo entre L1-PCA y la transformada de Fukunaga-Koontz (FKT, del inglés Fukunaga-Koontz transform). En su formulación original, L1-PCA proyecta los datos de manera que maximiza, en promedio, el valor absoluto de las proyecciones. De esta forma, se consiguen resultados similares al PCA tradicional. Ahora bien, manteniendo el valor absoluto como función objetivo, pero cambiando maximizar por minimizar, L1-PCA proporciona un resultado equivalente al que se obtiene mediante FKT. La importancia práctica de este resultado es que la FKT estándar es una técnica supervisada, es decir, para estimar los parámetros de la transformación, requiere un conjunto de datos de entrenamiento pertenecientes a cada una de las clases correctamente etiquetados. Por el contrario, minimizar el valor absoluto puede llevarse a cabo de manera totalmente no supervisada, haciendo innecesarios por ello los datos de entrenamiento. De esta forma, se ofrece una alternativa completamente novedosa para el cálculo de la FKT. Esto abre nuevas líneas de investigación en el área del aprendizaje automático o 'machine learning'.

En este proyecto se ha desarrollado un sistema de inteligencia artificial para la implantación de un nuevo modelo productivo de agricultura ecosostenible. Entre las tareas a realizadas, se encuentra la elaboración de un algoritmo de aprendizaje automático que analiza datos de sensores instalados en una finca experimental y que simula el conocimiento de los expertos para informar al agricultor de las distintas situaciones que se estén dando en las plantaciones. Se analizan datos de cultivos como el almendro o tomate, y se miden magnitudes como la temperatura ambiental, cantidad de precipitaciones, humedad, presión o salinidad. Con estas medidas y su análisis, se han encontrado relaciones que han permitido predecir riesgos bióticos como plagas o enfermedades y riesgos abióticos como estrés hídrico, estrés por radiación solar, estrés por salinidad, escaso desarrollo vegetativo o fallo en el cuajado de frutos. El algoritmo alerta al agricultor de los posibles riesgos que puedan darse en el futuro anticipándose y de esta forma permite evitar posibles daños en los cultivos. También, dependiendo del riesgo, se hace la recomendación correspondiente que señalen los especialistas. Asimismo, se han analizado datos relacionados con el manejo de los cultivos, tales como el volumen, la dosis y el número de aplicaciones de los insumos agrícolas. Se ha buscado modelar su relación con la producción, el peso, el calibre de los frutos o el volumen entre otras magnitudes. Otro de los objetivos que se han contemplado en el desarrollo de este trabajo es la determinación la sostenibilidad del cultivo analizando las medidas de los sensores. Se han prestado principal atención a los colocados a distintos niveles de profundidad junto a las raíces de los cultivos, pues proporcionan la información si sobre los fertilizantes aplicados se están adhiriendo únicamente a la planta o si por el contrario se está produciendo algún filtrado al suelo y como consecuencia el cultivo es poco sostenible. La función del sistema de inteligencia artificial será evaluar la situación y avisar a el agricultor para que tome las medidas oportunas que indiquen los expertos. In this project, an artificial intelligence system has been developed for the implementation of a new eco- sustainable agriculture production model. Among the tasks to be carried out, is the development of a machine learning algorithm that analyzes data from sensors installed in an experimental farm and that simulates the knowledge of the experts to inform the farmer of the different situations that are occurring in the plantations. Data from crops such as almond or tomato are analyzed, and magnitudes such as environmental temperature, amount of rainfall, humidity, pressure or salinity are measured. With these measures and their analysis, relationships have been found that have made it possible to predict biotic risks such as pests or diseases and abiotic risks such as water stress, solar radiation stress, salinity stress, poor vegetative development or fruit set failure. The algorithm alerts the farmer of the possible risks that may arise in the future by anticipating and in this way allows to avoid possible damage to the crops. Also, depending on the risk, the corresponding recommendation indicated by the specialists is made. Likewise, data related to crop management have been analyzed, such as volume, dose and number of applications of agricultural inputs. It has been sought to model its relationship with production, weight, fruit size or volume, among other magnitudes. Another objective that has been considered in the development of this work is to determine the sustainability of the crop by analyzing the measurements of the sensors. Main attention has been paid to those placed at different depth levels next to the roots of the crops, since they provide information if the applied fertilizers are adhering only to the plant or if, on the contrary, some filtration is taking place to the soil and as a consequence the cultivation is not very sustainable. The function of the artificial intelligence system will be to evaluate the situation and notify the farmer to take the appropriate measures indicated by the experts. Universidad de Sevilla. Máster en Ingeniería Electrónica, Robótica y Automática

Este proyecto trata de aplicar las técnicas de Inteligencia Artificial existentes para la generación automática de texto en el desarrollo de una aplicación de asistente de voz, cuyo objetivo será el dar cobertura informativa en elecciones municipales. La aplicación sería capaz de brindar información automática para cualquiera de los más de 8000 municipios que componen España, además de responder a preguntas del usuario sobre estas cuestiones. Se han utilizado los modelos de lenguaje GPT-2, T5 y BERT para tareas de generación de textos, resumen de textos y resolución de preguntas durante todo el desarrollo del trabajo, así como múltiples plataformas online como DialogFlow o HuggingFace. Todo el código ha sido escrito en Python. La memoria incluye tanto introducciones teóricas sobre los ámbitos de aplicación como explicaciones y descripciones detalladas de los procedimientos llevados a cabo para la implementación de la aplicación, junto con capturas del resultado final en funcionamiento. This project aims to apply existing Artificial Intelligence techniques for Natural-language Generation in the development of a voice assistant app, whose main goal is to provide media coverage in local elections. The application would be able to inform of any of the more than 8000 towns in Spain, as well as answer user’s questions about these matters. The language models GPT-2, T5 and BERT have been used for text generation tasks, text summarization and question answering throughout the development of the project, besides many online platforms such as DialogFlow or HuggingFace. All the code has been written in Python. This report includes theoretical introduction to the application field, but also detailed explanations and descriptions about the methods carried out for the fulfillment of the app. It will also include different screenshots of it. Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

En este proyecto se tratará de procesar y analizar diferentes retransmisiones deportivas utilizando la herramienta ImageAI. Se explica brevemente cómo se realiza de forma tradicional el procesamiento de imágenes y vídeos. Posteriormente, a través de la herramienta anteriormente mencionada trataremos de obtener la mayor cantidad de información posible a través de la automatización. El objetivo es obtener un vídeo respuesta al código utilizado, detectando el movimiento de los jugadores y los objetos empleados que puede ser utilizado para un sinfín de aplicaciones. Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

El Procesamiento del Lenguaje Natural es la disciplina que estudia cómo hacer que las máquinas lean e interpreten el lenguaje que utilizan las personas, el lenguaje natural. Sin embargo, en el mundo de las máquinas no existen las palabras como tal, sólo existen secuencias de números utilizadas para representar caracteres con el fin de mostrarlos en una pantalla. Una de las ramas del Procesamiento del Lenguaje Natural es el Análisis de Sentimientos, una tarea llevada a cabo por una máquina que se encarga de analizar y predecir a partir de una frase o texto el sentimiento o la opinión que le produciría a una persona al leerlo. En este documento realizaremos un estudio comparativo de algunos de los algoritmos de aprendizaje automático (Machine Learning) más utilizados, tales como “Support Vector Machines” y “Random Forest”, para llevar a cabo un análisis de emociones en tweets tanto en inglés como en español. Natural Language Processing is the discipline that studies how to make machines read and interpret the language that people use, natural language. However, in the machine world there are no words as such, there are only sequences of numbers used to represent characters in order to display them on a screen. One of the branches of Natural Language Processing is Sentiment Analysis, a task carried out by a machine that is in charge of analyzing and predicting from a sentence or text the feeling or opinion that a person would have when reading it. In this paper we will make a comparative study of some of the most used Machine Learning algorithms, such as "Support Vector Machines" and "Random Forest", to carry out an analysis of emotions in tweets in both English and Spanish. Universidad de Sevilla. Máster en Ingeniería de Telecomunicación

El mantenimiento preventivo de las líneas de alta tensión supone una gran parte de los costes de la red eléctrica de transporte. Para ello, deben llevarse a cabo inspecciones rutinarias, las cuales están consiguiendo automatizarse gracias al empleo de los UAV. Uno de los métodos propuestos consiste en utilizar la información del campo magnético generado por estas líneas para la navegación del dron a lo largo de la misma. Para ello, es necesario correlacionar dichas medidas con la distancia a la línea. El objetivo del proyecto consiste en procesar la información extraída a través de vuelos experimentales en los que un LiDAR nos aporta las nubes de puntos de la escena, y un magnetómetro, en conjunción con un analizador de espectro, nos aporta la densidad espectral de potencia de la señal del campo magnético. Para el procesamiento de nubes de puntos se ha desarrollado una herramienta capaz de leer un archivo bag de ROS y arrojar la distancia media al tendido eléctrico para cada nube de la grabación. Para lograr este objetivo, la nube debe ser sometida a una serie de algoritmos de filtrado y segmentación implementados en la librería PCL. Los resultados muestran un elevado porcentaje de éxito de segmentación de líneas en torno al 93%, y una alta correspondencia entre la distancia medida y las observaciones. Universidad de Sevilla. Máster en Ingeniería Aeronáutica

En este proyecto se ha abordado el problema de la detección de fraude en transacciones bancarias utilizando un modelo de inteligencia artificial ajustado y entrenado con un conjunto de datos relativos a dichas transacciones que se ha procesado anteriormente. Estos datos contienen información sobre cada transacción y su emisor y se han cargado usando librerías de manejo de datos y reduciendo tanto su uso de memoria como su dimensionalidad para mejorar el entrenamiento del modelo. Por otro lado, se ha realizado un análisis gráfico de las distintas características a fin de denotar las más importantes. Posteriormente, se ha realizado el entrenamiento de un modelo de Inteligencia Artificial con estos datos. Además, se ha realizado un ajuste de los parámetros de dicho modelo para conseguir los mejores resultados, los cuales se han analizado. Finalmente, se han propuesto diferentes formas de mejorar y extender el proyecto utilizando distintas técnicas y procedimientos. In this project, the problem of detecting fraud in banking transactions has been addressed using an artificial intelligence model adjusted and trained with a set of data related to said transactions that has been previously processed. This data contains information about each transaction and its issuer and has been loaded using data management libraries and reduced its memory usage and dimensionality to improve model training. On the other hand, a graphic analysis of the different characteristics has been carried out in order to denote the most important ones. Subsequently, the training of an Artificial Intelligence model with these data has been carried out. In addition, an adjustment of the parameters of said model has been carried out to achieve the best results, which have been analyzed. Finally, different ways to improve and extend the project have been proposed using different techniques and procedures. Universidad de Sevilla. Máster en Ingeniería Electrónica, Robótica y Automática

Las redes inalámbricas de sensores (WSN) son una herramienta cada vez más cotidiana, puesto que aportan distintas ventajas en nuestro día a día, como control, seguridad o confort. Este trabajo consta de un análisis de los métodos más usados actualmente para radiolocalización por potencia de señal en interiores. En primer lugar, se hace una descripción introductoria de las redes inalámbricas de sensores. A continuación, se exponen brevemente algunos métodos de estimación de distancia, haciendo especial hincapié en RSSI, para después pasar a detallar cada algoritmo de radiolocalización, y estudiar su comportamiento mediante simulaciones. Finalmente, se comparan estos algoritmos entre sí teniendo en cuenta algunos parámetros relevantes. Wireless sensor networks (WSN) are an increasingly daily tool, since they provide different advantages in our day to day, such as control, security or comfort. This work consists of an analysis of the most commonly used methods for radiolocation by signal strength indoors. First, an introductory description of wireless sensor networks is made. Next, some distance estimation methods are briefly exposed, with special emphasis on RSSI, to then go on to detail each radiolocation algorithm, and study its behavior through simulations. Finally, these algorithms are compared with each other considering some relevant parameters. Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

En este proyecto se tratará de procesar y analizar retransmisiones deportivas con el fin de obtener de forma automatizada la mayor cantidad de información posible, como la detección y seguimiento de jugadores y pelota, detección del campo de juego y datos para estadísticas relevantes como distancias recorridas, trayectorias, etc. El objetivo será aplicar distintas técnicas de percepción y visión por computador para procesar la imagen, orientado a obtener determinado parámetro de forma automática. Además, se hará uso de filtros predictivos que ayudarán al seguimiento de los jugadores y a la detección en circunstancias más complejas. Para todo ello, usaremos la herramienta de OpenCV en Python, una biblioteca libre orientada a la visión artificial This project will try to process and analyze sports broadcasts in order to automatically obtain as much information as possible, such as the detection and monitoring of players and ball, detection of the playing field and data for relevant statistics such as distances traveled, trajectories, etc. The objective will be to apply different techniques of perception and computer vision to process the image, aimed at obtaining a parameter automatically. In addition, predictive filters will be used to help monitor players and switch in more complex circumstances. For all this, we will use the OpenCV tool in Python, a free library oriented to computer vision. Universidad de Sevilla. Grado en Ingeniería Electrónica, Robótica y Mecatrónica

Desde hace unos años hasta la actualidad, el desarrollo en el campo de los interfaces cerebro ordenador ha ido aumentando. Este aumento viene motivado por una serie de factores distintos. A medida que aumenta el conocimiento acerca del cerebro humano y como funciona (del que aún se conoce relativamente poco), van surgiendo nuevos avances en los sistemas BCI que, a su vez, sirven de motivación para que se investigue más acerca de este órgano. Además, los sistemas BCI abren una puerta para que cualquier persona pueda interactuar con su entorno independientemente de la discapacidad física que pueda tener, simplemente haciendo uso de sus pensamientos. Recientemente, la industria tecnológica ha comenzado a mostrar su interés por estos sistemas, motivados tanto por los avances con respecto a lo que conocemos del cerebro y como funciona, como por el uso constante que hacemos de la tecnología en la actuali- dad, ya sea a través de nuestros smartphones, tablets u ordenadores, entre otros muchos dispositivos. Esto motiva que compañías como Facebook inviertan en el desarrollo de sistemas BCI para que tanto personas sin discapacidad como aquellas que, si las tienen, puedan comunicarse con los móviles usando solo el cerebro. El trabajo desarrollado en esta tesis se centra en los sistemas BCI basados en movimien- tos imaginarios. Esto significa que el usuario piensa en movimientos motores que son interpretados por un ordenador como comandos. Las señales cerebrales necesarias para traducir posteriormente a comandos se obtienen mediante un equipo de EEG que se coloca sobre el cuero cabelludo y que mide la actividad electromagnética producida por el cere- bro. Trabajar con estas señales resulta complejo ya que son no estacionarias y, además, suelen estar muy contaminadas por ruido o artefactos. Hemos abordado esta temática desde el punto de vista del procesado estadístico de la señal y mediante algoritmos de aprendizaje máquina. Para ello se ha descompuesto el sistema BCI en tres bloques: preprocesado de la señal, extracción de características y clasificación. Tras revisar el estado del arte de estos bloques, se ha resumido y adjun- tado un conjunto de publicaciones que hemos realizado durante los últimos años, y en las cuales podemos encontrar las diferentes aportaciones que, desde nuestro punto de vista, mejoran cada uno de los bloques anteriormente mencionados. De manera muy resumida, para el bloque de preprocesado proponemos un método mediante el cual conseguimos nor- malizar las fuentes de las señales de EEG. Al igualar las fuentes efectivas conseguimos mejorar la estima de las matrices de covarianza. Con respecto al bloque de extracción de características, hemos conseguido extender el algoritmo CSP a casos no supervisados. Por último, en el bloque de clasificación también hemos conseguido realizar una sepa- ración de clases de manera no supervisada y, por otro lado, hemos observado una mejora cuando se regulariza el algoritmo LDA mediante un método específico para Gaussianas. The research and development in the field of Brain Computer Interfaces (BCI) has been growing during the last years, motivated by several factors. As the knowledge about how the human brain is and works (of which we still know very little) grows, new advances in BCI systems are emerging that, in turn, serve as motivation to do more re- search about this organ. In addition, BCI systems open a door for anyone to interact with their environment regardless of the physical disabilities they may have, by simply using their thoughts. Recently, the technology industry has begun to show its interest in these systems, mo- tivated both by the advances about what we know of the brain and how it works, and by the constant use we make of technology nowadays, whether it is by using our smart- phones, tablets or computers, among many other devices. This motivates companies like Facebook to invest in the development of BCI systems so that people (with or without disabilities) can communicate with their devices using only their brain. The work developed in this thesis focuses on BCI systems based on motor imagery movements. This means that the user thinks of certain motor movements that are in- terpreted by a computer as commands. The brain signals that we need to translate to commands are obtained by an EEG device that is placed on the scalp and measures the electromagnetic activity produced by the brain. Working with these signals is complex since they are non-stationary and, in addition, they are usually heavily contaminated by noise or artifacts. We have approached this subject from the point of view of statistical signal processing and through machine learning algorithms. For this, the BCI system has been split into three blocks: preprocessing, feature extraction and classification. After reviewing the state of the art of these blocks, a set of publications that we have made in recent years has been summarized and attached. In these publications we can find the different contribu- tions that, from our point of view, improve each one of the blocks previously mentioned. As a brief summary, for the preprocessing block we propose a method that lets us nor- malize the sources of the EEG signals. By equalizing the effective sources, we are able to improve the estimation of the covariance matrices. For the feature extraction block, we have managed to extend the CSP algorithm for unsupervised cases. Finally, in the classification block we have also managed to perform a separation of classes in an blind way and we have also observed an improvement when the LDA algorithm is regularized by a specific method for Gaussian distributions.

En este trabajo, se tratarán de aplicar varias técnicas de inteligencia artificial a señales electroencefalográficasrecogidas directamente del cuero cabelludo de pacientes que padecen epilepsia intratable. Estas técnicas son específicas para cada paciente y estarán orientadas a investigar con qué técnicas y parámetros se pueden obtener las mayores precisiones en los menores tiempos posibles al detectar un ataque epiléptico. Además de comparar los resultados de las distintas técnicas entre sí, se tiene como objetivo analizar si estas se pueden aplicar en tiempo real, lo cual hace que se tengan que optimizar todos los recursos para conseguir obtener un resultado de alta precisión en el menor tiempo posible. Poder aplicar el sistema en tiempo real permitiría a los potenciales pacientes utilizarlo en su día a día, lo cual mejoraría su calidad de vida al disponer de un sistema de alertas que le avisa si va a padecer un ataque epiléptico hasta una hora antes o más de que ocurra, permitiendo así, que los pacientes tomen las medidas necesarias para mantenerse a salvo o, incluso, para evitar que el ataque suceda. Se aplicarán algunos cambios a cada una de las técnicas y se analizará como afectan al resultado en cada caso. In this work, we will try to apply several artificial intelligence techniques to electroencephalographic signals collected directly from the scalp of patients suffering from intractable epilepsy. These techniques are patient-specific and will be focused on investigating with which techniques and parameters the highest precision in the shortest possible time can be obtained when detecting an epileptic seizure. In addition to comparing the results of the different techniques with each other, the objective is to analyze whether they can be applied in real time, which means that all resources have to be optimized to achieve a high precision result in the shortest possible time. Being able to apply the system in real time would allow potential patients to use it in their day-to-day life, which would improve their quality of life by having an alert system that alerts them if they are going to suffer an epileptic attack up to an hour before or more than occur, thus allowing patients to take the necessary measures to stay safe or even to prevent the attack from happening. Some changes will be applied to each of the techniques and it will be analyzed how they affect the result in each case. Universidad de Sevilla. Máster en Ingeniería de Telecomunicación

Las tecnologías de reconocimiento facial pertenecen a uno de los numerosos grandes hitosen la historia del desarrollo tecnológico. Mediante la aplicación de técnicas de detección,identificación y clasificación de rostros, se abre la posibilidad al desarrollo de numerosos tiposde aplicaciones. Algunas de estas, por ejemplo, irían desde sistemas de autenticación biométricosorientados al control de acceso, hasta la clasificación de rostros por grupos de edad para la emi-sión de anuncios personalizados o el análisis de las expresiones para el reconocimiento de emociones. Sin embargo, todo este desarrollo de aplicaciones jamás podría haber llegado hasta este punto dela década del siglo XXI, sin la aparición y avances de un revolucionario modelo de computación: elMachine Learning (ML). Para este proyecto, se presenta un sistema de detección, identificación y seguimiento de rostros enimágenes y video. Para ello en primer lugar se realizará un estudio de los distintos tipos de técnicasempleadas de forma clásica que se han podido emplear para la resolución de este tipo de problemas.Después se presentará una introducción a varios modelos de clasificación y algoritmos empleadosbasados en ML. Finalmente, se harán un conjunto de pruebas para poner a prueba dicho sistema. Facial recognition technologies belong to one of the many great milestones in the history oftechnological development. The application of techniques for the detection, identification andclassification of faces opens up the possibility for the development of many types of applications.Some of these, for example, would go from biometric authentication systems oriented to accesscontrol, to the classification of faces by age groups for the emission of personalized announcementsor the analysis of expressions for the recognition of emotions. However, all this application development could never have reached this point in the decade of the21st century, without the appearance and advances of a revolutionary computing model: MachineLearning (ML). For this project, a system for the detection, identification and tracking of faces on video ispresented. To do this, first a study of the different types of techniques used in a classical way thathave been used to solve this type of problem will be carried out. Then an introduction to variousclassification models and algorithms used based on ML will be presented. Finally, a set of tests willbe made to test the system. Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

Las interfaces cerebro-computadora (BCI) sugieren un gran avance para la medicina. Entre sus diferentes usos, está la comunicación no muscular para personas discapacitadas. Uno de estas realizaciones se hace mediante la onda P300 generada mediante la matriz descrita por Farwell y Donchin en 1998, estudiando electroencefalogramas, tanto en línea como grabaciones. En este proyecto, se pretende estudiar algoritmos y métodos para la mejora de la predicción de caracteres pensados por un sujeto, de manera que se investigue la optimización de los mismos para poder obtener una interfaz adaptable a sujetos reales y no objetos de experimento. Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

La estimación y el seguimiento de la frecuencia cardíaca han sido esenciales en los campos de la medicina y la ingeniería biomédica a lo largo de los años. En la actualidad, existe un gran interés por extraerla sin contacto, por lo que la estimación de la frecuencia cardíaca mediante el uso de la cámara digital es un área de investigación en rápido crecimiento debido a su bajo costo y su naturaleza no invasiva. El objetivo de este trabajo es diseñar y desarrollar un algoritmo que nos permita detectar el ritmo cardíaco de un individuo mediante el análisis de secuencias de vídeo de su cara. Se ha diseñado e implementado una nueva aproximación, basada en un algoritmo base fundamentado en el trabajo previo en el que nos apoyamos. En primer lugar se realiza la detección facial mediante el algoritmo de Viola-Jones para localizar el área de la imagen que contiene la cara. A continuación, se extrae el movimiento de la cabeza usando el método de Lucas-Kanade y se aísla el movimiento correspondiente al pulso mediante un filtrado. Posteriormente se realiza el análisis de componentes principales (PCA) para seleccionar la componente que mejor se corresponda con los latidos del corazón en función de su espectro de frecuencia temporal. Finalmente, se analiza el movimiento proyectado en esta componente y se estima el ritmo cardíaco como la frecuencia (en bpm) con mayor potencia. Los experimentos muestran que, si los vídeos están grabados bajo unas buenas condiciones, podemos detectar el ritmo cardiaco de una persona obteniendo unas muy bajas tasas de error. The estimation and monitoring of heart rate have been essential in the fields of medicine and biomedical engineering over the years. At present, there is a great interest to extract it without contact, so the estimation of the heart rate by using the digital camera is a research area in rapid growth due to its low cost and non-invasive nature. The objective of this work is to design and develop an algorithm that allows us to detect the heart rhythm of an individual by analyzing video sequences of his face. A new approach has been designed and implemented, starting from a base algorithm based on previous work in which we rely. First, facial detection is performed using the Viola-Jones algorithm to locate the area of the image that contains the face. Then the motion of the head is extracted using the Lucas-Kanade method and the motion corresponding to the pulse is isolated by filtering. Afterwards, the main components analysis (PCA) is performed to select the component that best corresponds to the heartbeat according to its temporal frequency spectrum. Finally, the motion projected to this component is analyzed and the heart rate is estimated as the frequency (in bpm) with greater power. The experiments show that, if the videos are recorded under good conditions, we can detect the heart rate of a person getting low error rates Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

Las emociones son un importante factor en la vida humana y conforman un aspecto de suma relevancia en la comunicación e interacción interpersonal, y hoy día, en un mundo hiper conectado en el que la sociedad es cada vez más dependiente de la tecnología, la mayoría de los sistemas de interacción persona-ordenador son aún deficientes a la hora de identificar los estados emocionales de las personas. La computación afectiva es una rama del estudio y desarrollo de la inteligencia artificial que hace referencia al diseño de sistemas y dispositivos que pueden reconocer, interpretar y procesar emociones humanas. Que los ordenadores y otros dispositivos sean capaces de detectar e identificar cómo se sienten las personas abre la puerta a una cantidad incontable de aplicaciones y supondría una mejora de la calidad de vida para la sociedad. En el presente trabajo se ha estudiado el reconocimiento de emociones mediante el electroencefalograma. Se ha hecho una revisión del estado del arte en esta materia y de técnicas de aprendizaje máquina para posteriormente abordar los problemas de la extracción de características de las señales de encefalograma y la clasificación de emociones. Esta última se ha dividido en dos problemas de clasificación binaria: por un lado se clasifica si la emoción es positiva o negativa (clasificación de la valencia) y por otro si la emoción supone una excitación alta o baja (clasificación del grado de excitación). Universidad de Sevilla. Máster en Ingeniería de Telecomunicación

La identificación del modelo de cámara siempre ha sido uno de los campos principales del análisis forense de imágenes, ya que es la base para resolver una amplia gama de problemas forenses. Dado que el Deep Learning ha logrado un gran progreso en las tareas de visión por computador, ha surgido un gran interés en la aplicación del aprendizaje profundo en imágenes forenses. En este documento, se propone un método de identificación de modelo de cámara basado en redes neuronales convolucionales profundas (CNNs). A diferencia de los métodos tradicionales, las CNNs pueden extraer características de forma au-tomática y simultánea y aprender a clasificar durante el proceso de aprendizaje. En el presente trabajo se describe un enfoque de aprendizaje profundo para el problema de detección de cámara entre 3 modelos diferentes como parte del IEEE Signal Processing Cup 2018: Camera Model Identification organizado por IEEE Signal Processing Society. Los experimentos muestran que podemos detectar modelos de cámara desconocidos con una precisión de más del 90%. Source camera model identification has always been one of the main fields of digital image forensics since it is the foundation of solving a wide range of forensic problems. Several effective camera model identification algorithms have been developed for the practical necessity. However, they are mostly based on traditional machine learning methods. Since Deep Learning has made great progress in computer vision tasks, significant interest has arisen in applying Deep Learning in image forensics. In this paper, we propose a camera model identification method based on deep convolutional neural networks (CNNs). Unlike tradi-tional methods, CNNs can automatically and simultaneously extract features and learn to classify during the learning process. In the current work, we describe our Deep Learning approach to the camera detection task of 3 cameras as a part of the IEEE Signal Processing Cup 2018: Camera Model Identification hosted by IEEE Signal Processing Society. Experiments show that we can detect unknown camera models with an accuracy greater than 90%. Universidad de Sevilla. Máster en Ingeniería de Telecomunicación

Con la intención de acabar con las ataduras que imponían los componentes hardware a los sistemas de radio, surgió la radio definida por software, donde todo el procesado de la señal se realiza digitalmente. El objetivo de este trabajo pasa por estudiar los bloques básicos que componen a un dispositivo transmisor y receptor en un sistema de comunicación, proponiendo a su vez posibles implementaciones que sentarían las bases de un sistema de radio definida por software. Estas implementaciones se realizarán empleando el entorno de simulación MATLAB e irán acompañadas de ejemplos que muestren su funcionamiento. Hardware components imposed so many restrictions to radio systems that software defined radio was born to overcome such difficulties, allowing to implement new telecommunication standards in a more flexible way. The purpose of this project is to study the basic components of a transmitter and receiver device in a communication system and propose several ways to implement them. These implementations will be coded using MATLAB accompanied by some practical examples that will show how they work. Universidad de Sevilla. Máster en Ingeniería de Telecomunicación

Tesis Univ. Granada. Departamento de Arquitectura y Tecnología de Computadores. Leída el 2 de febrero de 2007

En este estudio se realizarán pruebas y diversas medidas de parámetros sobre señales electroencefalográficas de pacientes con epilepsia intratable. Con ello se busca detectar con la mayor eficacia posible la ocurrencia de un ataque epiléptico gracias al conocimiento de cómo varian ciertos parámetros en este tipo de señales cuando el paciente sufre convulsiones. Esto permitirá, además, maximizar el tiempo entre la detección de la crisis y el comienzo de la misma, ganando tiempo de actuación para poder aplicar algún fármaco. Por último, se pretende conocer cuánto tiempo antes podríamos detectar la crisis antes de que ocurra. In this study, we will perfome numerous tests and measurements of parameters on electroencephalographic signals from patients with intractable epilepsy. The aim is to detect as efficiently as possible the occurrence of an epileptic seizure observing how certain parameters vary in this type of signals when the patient suffers seizures. This will also allow maximizing the time between the detection of the crisis and the beginning of it, so we will have more time to act, maybe applying a drug. Finally, we want to know how many time we need to detect the crisis before it happens. Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

El reconocimiento facial representa un importante campo de estudio en la actualidad debido a la variedad de aplicaciones para las que puede ser empleado, que van desde la mejora de la seguridad o aplicaciones industriales hasta utilidades en dispositivos personales. Por otro lado, las redes neuronales han experimentado en los últimos años un incremento de su uso en todo tipo de sectores gracias a su adaptación a diferentes problemas. En este proyecto se pretende hacer un estudio de algunos de los algoritmos que usan los sistemas de reconocimiento facial y, posteriormente, implementar un sistema que aúne este área con la de las redes neuronales, donde estas sean de utilidad en algunas fases que componen todo el proceso, así como realizar una evaluación de los resultados. Facial recognition is currently an important field of study due to the variety its applications. They can be applied to security systems, industrial purposes or even in mobile applications. On the other hand, the use of neural networks has increased in several areas in the last years thanks to their adjustment capacity to different issues. This project intends to study some of the algorithms used by facial recognition systems and, in addition, to implement a system that combines some methods from this area with some neural networks and evaluate the results. Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

Según datos de la Organización Mundial de la Salud, las enfermedades cardiovasculares son la principal causa de defunción en el mundo. En 2012 se registraron 17.5 millones de muertes por esta causa, lo cual representa un 31% del total de muertes mundiales. De este número, más de tres cuartas partes se produjeron en países de ingresos medios y bajos [1]. Si nos restringimos al ámbito nacional, en 2014 se registraron 128.169 muertes por este tipo de enfermedades, suponiendo un coste para las arcas españolas de 7.700 millones de euros [2]. Se prevé que el gasto dedicado a tratar las anomalías cardíacas siga creciendo hasta alcanzar un coste per cápita de 180 euros en 2020, frente a los 124 de 2014. Por estos motivos, muchos investigadores dedicados al campo de la medicina han puesto sus ojos en la investigación sobre enfermedades cardiovasculares, intentando mejorar las formas tradicionales de diagnóstico existentes en los centros hospitalarios. En la actualidad, los diagnósticos por imagen [3] son una de las herramientas más utilizadas para la prevención de las enfermedades cardiovasculares. Otra prueba muy común es el electrocardiograma (ECG), ya que es una prueba no invasiva, simple, barata y capaz de ofrecer mucha información al facultativo para un correcto diagnóstico... Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

Los sistemas de reconocimiento facial han recibido un fuerte impulso en la actualidad gracias al avance en la tecnología. Dado que este tipo de técnicas tienen muchas aplicaciones útiles en campos muy diversos como la biometría, la clasificación de imágenes o la seguridad, se han destinado muchos esfuerzos tanto económicos como científicos para tratar de mejorarlas. El proceso de reconocimiento facial se divide en dos tareas. La primera de ellas, la detección, comprende la localización de una o varias caras dentro de una imagen, ya sea una imagen fija o una secuencia de video. La segunda tarea, el reconocimiento, consiste en la comparación de la cara detectada con anterioridad con otras almacenadas previamente en una base de datos. Estos dos procesos no deben ser totalmente independientes, ya que un buen reconocimiento depende fuertemente de la previa detección, la cual está condicionada por la posición y orientación de la cara del sujeto con respecto a la cámara y las condiciones de iluminación. En este trabajo se estudia, implementa y evalúa un sistema automático de reconocimiento facial, tanto para trabajar con imágenes como con videos, además de en tiempo real. Como punto de partida se realizará un estudio de las técnicas de reconocimiento facial ya existentes en el estado del arte. Tras ese primer análisis, se seleccionará una de las técnicas analizadas para su posterior implementación en Python en un sistema capaz de detectar y reconocer rostros de personas introducidas previamente en el sistema en la fase de entrenamiento. En este caso, se implementará el método Eigenfaces, construido sobre técnicas de Análisis deComponentes Principales (PCA). Finalmente, se harán un conjunto de pruebas sobre diferentes bases de datos de imágenes para analizar y verificar los resultados obtenidos tras aplicar el algoritmo implementado. Facial recognition systems have received a strong boost at presents thanks to advances in technology. All these techniques have many useful applications and can be applied in many different areas such as biometrics, image classification or security. That’s the reason why society has invested a lot of economic and investigation efforts in improving them. Facial recognition process is divided into two tasks. The first of these, detection, comprises the location of one or more faces within an image or a video sequence. The second task, recognition, consists of the comparison of the previously detected face with others previously saved in a database. These two processes should not be totally independent, since a good recognition depends strongly on the previous detection, which is conditioned by the position and orientation of the face of the subject in respect to the camera and the lighting conditions. In this project, an automatic real time face recognition system is studied, implemented and evaluated, both to work with images and with videos. First of all, a study of facial recognition techniques in the state of the art will be carried out. Once we will have finished this first analysis, we will choose one of the analysed techniques in order to develop them. We will develop in Python a system able to detect and recognize faces from people who have been entered on the system previously in a training phase. In this case, the Eigenfaces method built over techniques of Principal Component Analysis (PCA), will be implemented. Finally, we will make some tests on different image databases to analyse and check the results got from using the algorithms developed. Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

Se pretende investigar si es posible establecer la identidad de una persona a partir de las características biofísicas de su electroencefalograma (EEG). El EEG es un registro no invasivo de las corrientes eléctricas generadas por el cerebro. Sus características (forma de onda, potencia y otras) dependen de la personalidad y el aprendizaje, por lo que potencialmente puede ser empleado para distinguir a un sujeto del resto. Estas características conformarán los llamados “vectores de características”. Estos serán introducidos como entrenamiento a una Máquina de Soporte Vectorial, que aprenderá del conjunto de datos. Esta se alimentará, posteriormente, con nuevos vectores de características y se determinará si es capaz de identificar correctamente de que sujeto se trata. Se realiza un estudio con diferentes sujetos y tipos de ondas cerebrales, calculando la tasa de éxito aproximada para cada uno de ellos. Debido a que el estudio ha sido realizado para una pequeña cantidad de individuos, las tasas de error y los resultados a los que se llega, no serán concluyentes. Pero sí demostrarán el potencial del electroencefalograma para establecer la identidad de una persona. The aim is to investigate if it is possible to establish the identity of a person based on the biophysical characteristics of their electroencephalogram (EEG). The EEG is a noninvasive record of the electrical currents generated by the brain. Their characteristics (waveform, power…) depend on personality and learning, so they can potentially be used to distinguish a subject from the rest. These characteristics make up the so-called "feature vectors". These will be introduced as training to a Vector Support Machine, which they learn from the data set introduced. This will be fed later with new vectors of characteristics and will determine if it is able to correctly identify which subject is involved. A study was done with different subjects and types of brain waves, calculating the approximate success rate for each of them. Because the study has been performed for a small number of individuals, error rates and resultsto what is reached, are not conclusive. But it does demonstrate the potential of the electroencephalogram to establish the identity of a person. Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

En este trabajo, se tratará de hacer diversas pruebas con señales electroencefalográficas procedentes de pacientes que padecen epilepsia intratable. Estas pruebas estarán orientadas a investigar de qué forma o con qué parámetros, obtenidos de las señales electroencefalográficas (EEGs), se puede detectar un ataque epiléptico con la mayor eficacia posible y de forma temprana. Se tratará de maximizar el tiempo entre la detección de la crisis y el comienzo de la misma, permitiendo así un mayor tiempo de actuación, en el cuál podría aplicarse algún fármaco que reduzca los efectos de dicha crisis. Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación

En esta Tesis se estudian matemática y experimentalmente, los resultados obtenidos al realizar el análisis en componentes independientes (abreviadamente, ICA, del inglés Independent Component Analysis) de imágenes naturales. El trabajo publicado en 1995 por Bell y Sejnowski [BellSej95], estableciendo una conexión entre los resultados obtenidos al aplicar ICA a imágenes naturales y el comportamiento de ciertas neuronas de la corteza visual primaria, suscitó un gran interés y motivó la aparición de numerosos artículos en los que, mediante diversos experimentos, se ofrecían distintos matices de esta conexión (por citar algunos ejemplos, [CaywWT04, HyvHH03, vanHat98a]). En esta Tesis se aporta, por primera vez, una prueba matemática que explica por qué se observa este interesante comportamiento cuando ICA es aplicado a imágenes naturales. Premio Extraordinario de Doctorado US