Search

A día de hoy nos encontramos ante un nuevo paradigma que está revolucionando completamente la forma en la que vemos las cosas. Este nuevo paradigma surge ante el gran volumen de datos que se generan mediante multitud de dispositivos conectados entre sí y la necesidad de obtener conocimiento a partir de toda esta información. El auge de las tecnologías y la gran capacidad de computación de la que disponemos a día de hoy ha hecho posible que términos como ciencia de datos, minería de datos, inteligencia artificial o aprendizaje automático hayan cobrado mucha importancia en la sociedad actual. Todos estos términos tienen en común un factor, y es el de extraer conocimiento a partir de los datos. El aprendizaje automático es un tipo de inteligencia artificial que proporciona a las máquinas de computación la capacidad de aprender sin ser programadas explícitamente para llegar a ese conocimiento. Este aprendizaje puede verse desde 2 puntos de vista diferentes según si los datos están etiquetados previamente o no. Si los datos de partida están etiquetados se denomina aprendizaje supervisado, y si no están etiquetados se pasa a llamar aprendizaje no supervisado. El aprendizaje supervisado trata de encontrar una función capaz de explicar los datos de entrenamiento. Esta función trata de buscar relaciones que asocie entradas con salidas a partir de un conjunto de datos etiquetados, es decir, cuyas entradas y salidas son conocidas. Dependiendo del objetivo a predecir, hablamos de clasificación, si el atributo es categórico o de regresión, si el atributo es numérico. En el caso de los problemas de clasificación, la mayoría de algoritmos y modelos desarrollados hasta el momento no tienen en cuenta una posible relación de orden entre las distintas etiquetas cuando realmente sí lo hay. Aquellos modelos que sí tienen en cuenta este factor se denominan modelos de clasificación ordinal y han demostrado obtener resultados muy prometedores cuando la etiqueta a predecir tiene valores que guardan relación entre sí. Esta tesis doctoral analiza y desarrolla una nueva metodología de aprendizaje supervisado para realizar clasificación ordinal. Esta nueva propuesta consiste en un algoritmo ensemble que combina la salida de clasificadores individuales mediante un sistema de votación por pesos, dichos pesos son calculados tras un proceso de optimización llevado a cabo mediante un algoritmo genético. Esta tesis se presenta como compendio de artículos de investigación con un total de 5 publicaciones, 3 de ellas publicadas en revistas con alto índice de impacto en el Journal Citation Reports y 2 de ellas como aportaciones científicas en congresos internacionales. La necesidad de desarrollar este algoritmo surge ante el análisis de la calidad del aceite de oliva. La calidad del aceite de oliva viene determinada por factores físico-químicos que son traducidos en etiquetas que tienen un orden de relación entre ellas dependiendo del grado de calidad de las muestras. Los resultados obtenidos fueron muy prometedores, demostrando que esta metodología es una muy buena alternativa para este problema concreto. La importancia de una correcta clasificación de un producto tan importante en la economía española, como es el aceite de oliva y teniendo en cuenta la riqueza y variedad de los datos con los que contábamos, decidimos también explorar otras técnicas de inteligencia artificial, como son las redes neuronales artificiales, para tratar el mismo problema desde distintos puntos de vista, con el objetivo de obtener los mejores resultados posibles. Por último, dada la delicadeza y privacidad de los datos con los que trabajábamos, se hizo un estudio de técnicas de inteligencia artificial para la generación de datos sintéticos, con el objetivo de poder compartir datos con otros grupos de investigación sin poner en compromiso los datos originales. La técnica utilizada fue las redes neuronales generativas adversariales (GANs) que demostraron tener mucho éxito en la generación de datos sintéticos.

Generally, classification problems catalog instances according to their target variable with out considering the relation among the different labels. However, there are real problems in which the different values of the class are related to each other. Because of interest in this type of problem, several solutions have been proposed, such as cost-sensitive classi fiers. Ensembles have proven to be very effective for classification tasks; however, as far as we know, there are no proposals that use a genetic-based methodology as the meta heuristic to create the models. In this paper, we present OCEAn, an ordinal classification algorithm based on an ensemble approach, which makes a final prediction according to a weighted vote system. This weighted voting takes into account weights obtained by a genetic algorithm that tries to minimize the cost of classification. To test the performance of this approach, we compared our proposal with ordinal classification algorithms in the literature and demonstrated that, indeed, our approach improves on previous results Ministerio de Ciencia, Innovación y Universidades TIN2017-88209-C2 Junta de Andalucía US-1263341

La reconstitution des techniques agricoles préhistoriques constitue un élément fondamental pour la compréhension du processus d'expansion de l'agriculture en Méditerranée occidentale. Dans le cadre d'un projet européen rassemblant des tracéologues et des carpologues espagnols et français, nous avons, dans une première phase, étudié les méthodes de récolte des céréales pratiquées durant le Néolithique en Espagne et dans le Sud de la France, du Néolithique ancien au Néolithique moyen. L'étude des outils de récolte a permis de distinguer trois aires distinctes. Le Sud-Est de l'Espagne est caractérisé par des faucilles courbes avec des éléments insérés obliquement dans le manche. En Catalogne, Languedoc et Provence, la majorité des faucilles sont constituées de longues lames emmanchées parallèlement au manche, mais d'autres modèles existent. En Espagne cantabrique, les céréales étaient récoltées sans faucille. Nos travaux en cours explorent différents facteurs pouvant expliquer cette variabilité : conditions environnementales, types de céréales cultivées, finalités techniques et alimentaires de la culture des céréales, techniques de conservation des céréales, rôle de l'agriculture céréalière dans l'économie, dynamiques historiques de l'expansion et de l'adoption des innovations néolithiques. The restitution of prehistoric agricultural techniques is a key element to understand the diffusion of farming in Western Mediterranean. The aim of this paper is to present the preliminary results of a European working group composed of Spanish and French use-wear analysts and archaeobotanists. Cereal harvesting methods during the Early and Middle Neolithic in the Iberian Peninsula and the South of France were studied. Three major areas were distinguished. In the South-East of Spain, curved sickles with short flint elements inserted obliquely are characteristic. In Catalonia, Languedoc and Provence, most of the sickles are made with long blades inserted in parallel to the handle, but other ways of hafting the blade have been documented. In the Cantabrian Spain, cereals were harvested, in the beginning of the Neolithic, without sickle. This variability is here discussed taking into account different factors : ecology, variety of cultivated crops, aims of cereal cultivation (craft vs food), methods of cereal conservation, role of the cereal agriculture in the economy, historical dynamics of the spread of agriculture and of Neolithic innovations.

The Navalmaíllo site is a karstic rockshelter located in a mountain environment near the Lozoya river. The location of the site allows for the close monitoring of the surrounding area, for following the migrations of animals and for the temporary residence of human groups. The difficulties associated with estimating the time span of occupational processes at archaeological sites raise the problem of the synchrony and diachrony of occupations that form palimpsests. Archaeostratigraphy has revealed the integrity of the sedimentary deposit, how it has been affected by both natural agents (falling boulders and the conservation of the site) and human agents (the excavation method). The deformation of the plastic deposit is reflected in the archaeostratigraphy, but the two periods of occupation identified have been preserved and were not largely affected. The archaeostratigraphic approach has resulted in the identification of some of the taphosedimentary aspects of Layer F and in the deciphering of the cultural palimpsest, establishing the cultural sequence of occupations at the Navalmaíllo site. El yacimiento de Navalmaíllo es un abrigo kárstico localizado en un entorno de montaña cerca del río Lozoya. La ubicación del yacimiento permite un control del entorno, siguiendo las migraciones de animales y para el establecimiento temporal de los grupos humanos. Las dificultades asociadas con la temporalidad relacionada con los procesos ocupacionales de los yacimientos, desvelan la problemática vinculada a la sincronía y diacronía de las ocupaciones que componen los palimpsestos. La arqueoestratigrafía ha permitido conocer la integridad del depósito, y cómo se ha visto afectado por procesos naturales (la caída de bloques y la conservación del yacimiento) y humanos (el método de excavación). La deformación del depósito plástico ha quedado reflejada en la arqueoestratigrafía, pero los dos periodos de ocupación identificación han quedado preservados y apenas se han visto afectados por esta caída de bloques. El enfoque arqueoestratigráfico ha permitido la identificación de algunos de los aspectos tafosedimentarios del nivel F y desgranar el palimpsesto cultural, estableciendo la secuencia cultural de ocupaciones en el yacimiento de Navalmaíllo.