Search

[ES] Este trabajo aborda la posibilidad de incorporar llamadas a procedimientos remotos a través del protocolo Jabber-RPC de XMPP dentro de la plataforma de sistemas multiagente SPADE (Smart Python Agent Development Environment), a través de un complemento. Este complemento abre las puertas a una gran cantidad de posibilidades, ya que ahora la plataforma está preparada para que los agentes puedan ejecutar servicios que ofrezcan otros agentes. Como caso de estudio se desarrolla una mixtura de expertos, en la que un agente ejecuta predicciones que ofrecen agentes expertos que han sido previamente entrenados. También se desarrolla un agente directorio, que actúa como repertorio de servicios que ofrecen los agentes dentro del sistema., [EN] Abstract This work addresses the possibility of incorporating calls to remote procedures th- rough the Jabber-RPC protocol of XMPP within the multi-agent system platform SPA- DE (Smart Python Agent Development Environment), through a plugin. This plugin opens the door to a great number of possibilities, since the platform is now prepared for agents to execute services offered by other agents. As a case study, a mixture of experts is developed, in which an agent executes pre- dictions offered by expert agents that have been previously trained. A directory agent is also developed, which acts as a repertoire of services offered by agents within the system.

[ES] El objetivo de este trabajo es desarrollar un sistema de detección de anomalías para la industria, dentro del marco de mi puesto como trabajador en la empresa NUNSYS SA. Se cubrirán todas las fases del proyecto, desde la adquisición de los datos, pasando por su análisis y preprocesado, para seguir con la experimentación de diferentes técnicas de detección de anomalías y finalmente la puesta en producción del sistema en las instalaciones de un cliente real. Se pondrá especial énfasis en la evaluación y comparación de los diferentes enfoques utilizados durante el desarrollo del proyecto, incluyendo tanto las técnicas más clásicas como los modelos más neuronales que definen ahora mismo el estado del arte., [EN] The objective of this work is to develop an anomaly detection system for industry, within the framework of my position as a worker in the company NUNSYS SA. All the phases of the project will be covered, from data acquisition, through data analysis and preprocessing, to the experimentation of different anomaly detection techniques and finally the implementation of the system in production at a real customer's site. Special emphasis will be put on the evaluation and comparison of the different approaches used during the development of the project, including both the more classical techniques and the more neural models that define the state of the art right now.

[ES] Los visores Oculus Quest son uno de los dispositivos autónomos pioneros en Realidad Virtual (RV), que permite utilizarlo sin ningún tipo de conexión, al tener integrado el procesador, unidad de almacenamiento y conexión a Bluetooth y WIFI. Para delimitar y detectar la zona de ubicación del usuario, además de los movimientos de este, cuenta con cuatro cámaras en escala de grises, mostrando la imagen del entorno real y superponiendo elementos virtuales en color para delimitar dicha zona y mostrar los límites de esta. También, con las cámaras se puede localizar la posición de los controladores táctiles que incluye o de las manos del usuario dentro del entorno virtual. Recientemente, Oculus ha lanzado una API experimental llamada Passthrough, que permite una visualización 3D del mundo real en tiempo real gracias a las cámaras frontales del dispositivo, que muestran el entorno en escala de grises, brindado la posibilidad de combinar este entorno con objetos virtuales y así ofrecer Realidad Mixta (RM). El primer objetivo de este TFM es explorar el potencial de la RM en un dispositivo de Realidad Virtual autónomo, sin añadir dispositivos adicionales, para decoración de interiores. Para ello se pretende diseñar y desarrollar una aplicación de RM para la decoración de interiores utilizando la API Passthrough. La aplicación permitirá decorar un espacio real eligiendo diferentes elementos de mobiliario y accesorios que se mostrarán como elementos virtuales. El usuario podrá visualizar el espacio real que desee, por ejemplo, su casa y colocar los elementos de diseño virtuales para ver cómo cambiaría el espacio real al añadir estos objetos reales. El segundo objetivo es la validación de esta aplicación con usuarios reales. Se ha llevado a cabo un estudio en el que han participado 40 usuarios. Del análisis de los datos recopilados se concluye que todos los participantes completaron la tarea de decorar una oficina con al menos 7 elementos de decoración. Los modos de visualización no presentaron diferencias significativas en los tiempos de familiarización y uso en la tarea principal. Además de no presentar diferencias significativas al comparar los dos modos de visualización y respecto a los efectos adversos por el uso de visores de RV en las variables del Cuestionario SSQ, a excepción de la variable Desorientación en la que el modo normal indujo más efectos adversos de este tipo. Los análisis estadísticos indicaron que los resultados de rendimiento y resto de variables analizadas fueron independientes del género. Por último, hay que destacar la satisfacción de los usuarios con la experiencia y su preferencia por la visualización a color del entorno real., [EN] The Oculus Quest headset is one of the pioneering autonomous devices in Virtual Reality (VR), which allows its use without any type of connection, as it has an integrated processor, storage unit and connection to Bluetooth and WIFI. To delimit and detect the user's location area, in addition to his/her movements, it has four cameras in gray scale, showing the image of the real environment and superimposing virtual elements in color to delimit the mentioned area and show its limits. Also, with the cameras is possible to locate the position of the touch controllers or the user's hands within the virtual environment. Recently, Oculus has released an experimental API called Passthrough, which enables real-time 3D visualization of the real world thanks to the front-facing cameras of the device, which shows the environment in grayscale, providing the possibility of combining this environment with virtual objects and thus offering Mixed Reality (MR). The first objective of this TFM is to explore the potential of MR in an autonomous Virtual Reality device, without adding additional devices, for interior decoration. For this, it is intended to design and develop a MR application for interior decoration using the Passthrough API. The application will allow to decorate a real space by choosing different elements of furniture and accessories that will be displayed as virtual elements. The users will be able to visualize the desired real space, for example, their house and place the virtual design elements to see how the real space would change by adding these real objects. The second objective is the validation of this application with real users. A study was carried out in which 40 users were involved. From the analysis of the collected data, it is concluded that all the participants completed the task of decorating an office with at least 7 decoration elements. The display modes did not present significant differences in the times of familiarization and use in the main task. In addition, no significant differences were observed when comparing the two display modes and regarding the adverse effects of the use of VR headsets in the variables of the SSQ Questionnaire, except for the variable Disorientation in which the normal mode induced more adverse effects of this type. The statistical analyzes indicated that the performance results and the rest of the variables analyzed were independent of gender. Finally, we must highlight the satisfaction of users with the experience and their preference for the color visualization of the real environment.

[ES] La tarea de resumen automático de texto se ha abordado en la literatura mediante enfoques abstractivos, extractivos y mixtos. Los enfoques extractivos componen resúmenes seleccionando oraciones o palabras directamente de los documentos, mientras que los enfoques abstractivos construyen los resúmenes reescribiendo las principales oraciones de los documentos, más similares a los que suelen generar los humanos. Los sistemas de resumen tanto extractivos como abstractivos del estado del arte estan basados en modelos neuronales. Uno de los retos en el caso de los modelos abstractivos aplicados a documentos periodísticos es el gran tamaño que presentan la mayor parte de estos artículos. Es por ello que se ha planteado la posibilidad de preprocesar los artículos para conseguir una versión más corta de los mismos antes de alimentar el modelo abstractivo. En este trabajo se propone construir un modelo para resumen abstractivo basado en la conexión secuencial de un modelo neuronal extractivo con un modelo neuronal abstractivo, ambos modelos ya desarrolados previamente y basados en redes neuronales de tipo transformer. Dado un artículo periodístico, en un primer paso se aplicará el modelo de resumen extractivo para generar un primer resumen del documento de longitud adecuada. En un segundo paso este resumen se ofrecerá como entrada al modelo de resumen abstractivo. Esta propuesta se aplicará a un corpus de noticias en catalán que proporciona una colección de pares (artículo, resumen), en la que la mayor parte de los resúmenes son de naturaleza abstractiva., [EN] The automatic text summarization task has been approached in the literature using abstractive, extractive, and mixed approaches. Extractive approaches compose summaries by selecting sentences or words directly from documents, while abstractive approaches build summaries by rewriting the main sentences of documents, more similar to those typically generated by humans. State-of-the-art abstractive and extractive summary systems are based on neural models. One of the challenges in the case of abstractive models applied to journalistic documents is the large size of most of these articles. That is why the possibility of preprocessing the articles to obtain a shorter version of them before feeding the abstractive model has been considered. In this work, it is proposed to build a model for abstractive summarization based on the sequential connection of an extractive neural model with an abstractive neural model, both models already developed previously and based on transformers. Given a journalistic article, in a first step the extractive summary model will be applied to generate a first summary of the document of an adequate length. In a second step, this summary will be offered as input to the abstractive summary model. This proposal will be applied to a corpus of news in Catalan that provides a collection of pairs (article, abstract), in which most of the abstracts are of an abstract nature.

[ES] Uno de los grandes retos de la Inteligencia Artificial ha sido y sigue siendo la capacidad de inferir soluciones dadas instancias pequeñas de un problema, o incluso subproblemas, que puedan generalizar hacia otras de tamaño mayor. El objetivo de la Planificación Generalista en el campo de la Planificación Automática es, precisamente, encontrar principios generales válidos más allá de los datos que se han utilizado para encontrarlos. En este trabajo, ofrecemos un acercamiento basado en Deep Reinforcement Learning (DRL), en el cual se ha intentado aprender una política capaz de resolver instancias de problemas complejos a partir del aprendizaje de la estructura subyacente del dominio con problemas más pequeños del mismo. Esto se ha conseguido utilizando una representación concreta de las tareas de planificación a través de un grafo, el cual codifica su estructura. En particular, se han utilizado Graph Neural Networks (GNN), que son un tipo concreto de Red Neuronal capaz de trabajar directamente con grafos y que usa esta misma estructura para sacar la máxima información del problema. Con todo esto, se verá que la política aprendida gracias mediante las técnicas DRL y GNN generaliza bien hacia instancias de varios órdenes de magnitud superiores que con los que se había entrenado., [EN] One of the greatest challenges of Artificial Intelligence has been and still is the ability to infer solutions from small problems or even subproblems that can generalize over larger instances. The goal of Generalized Planning in the field of Automated Planning is precisely to come up with general principles that are valid beyond the data used to infer such principles. In this work, we offer a perspective based on Deep Reinforcement Learning (DRL), in which we try to learn a policy capable of solving complex planning problem instances by learning the underlying structure through small problems of the same domain. This is achieved by using an ideal representation of the planning tasks in the form of a graph that encodes their structure. Particularly, we use Graph Neural Networks (GNN), which are a type of Neural Network capable of working directly on graphs and taking advantage of their structure to get the most out of the information. With all this, it will be shown that the policy learned by means of DRL and GNN generalizes well over instances of several orders of magnitude higher than those for which it has been trained.

[ES] En este proyecto se pretende obtener un sistema basado en redes neuronales que, en tiempo real, sea capaz de detectar el mejor agarre robótico del objeto más accesible entre los detectados en ese instante en un entorno industrial, concretamente para tareas de carga-descarga en máquinas, picking u otras tareas de precisión. Esto se va a lograr mediante redes neuronales usadas en segmentación semántica entrenadas con un conjunto de entrenamiento creado a partir de imágenes RGB y su codificación de la profundidad, las cuales son extraídas desde la cámara Intel RealSense Depth Camera D435 usada en el entorno de trabajo y cuyo etiquetado de segmentación se ha realizado mediante la herramienta CVAT. La red se encargará de reconocer la segmentación de los objetos disponibles para ser agarrados en ese instante (sin ser superpuestos por otros objetos), y con esta salida y mediante técnicas de visión por computador con la librería OpenCV de Python, se obtendrá el mejor punto de agarre posible para uno de ellos., [EN] This project aims to obtain a system based on neural networks that, in real-time, can detect the best robotic grasp of the most accessible object among those detected at that moment in an industrial environment, specifically in tasks of machine loading-unloading, picking, and other precision tasks. This will be achieved by means of neural networks for semantic segmentation trained with a training set created from RGB images and their depth encoding, which are extracted from the environment's camera Intel RealSense Depth Camera D435 and whose segmentation labelling has been carried out using the CVAT tool. This net will recognize the segmentation of the objects available to be grasped at that moment (without opposition from other objects), and with this output and through computer vision techniques implemented in the OpenCV library in Python, the best possible grasp of one of the objects will be obtained.

[ES] La clasificación de imágenes en ámbitos médicos es un área bastante prometedora, debido a lo interesante que sería utilizar estos sistemas para ayudar a profesionales, aliviando su trabajo a partir de la automatización de algunas tareas. Sin embargo, uno de los inconvenientes que existen a la hora de entrenar un modelo de clasificación en esta área es el desbalance existente entre las imágenes dadas. En otras palabras, normalmente se dispone de más imágenes de sujetos sanos que enfermos. En este proyecto, particularmente nos centramos en la detección de tejido cancerígeno (carcinoma ductal invasivo). De esta forma, vamos a utilizar Redes Generativas Antagónicas (GAN) como un generador de imágenes de tejido cancerígeno y sano con el objetivo de crear muestras sintéticas para reentrenar los modelos disponibles con estas muestras y mejorar sus resultados de clasificación. Con esto en mente, primero utilizaremos redes neuronales para obtener resultados con el conjunto real de datos de partida, seguidamente entrenaremos un par de GANs para generar imágenes de ambos tipos (sanas y cancerígenas) y, finalmente, evaluaremos si generando muestras con este enfoque mejora los resultados previamente obtenidos., [EN] Image classification in medical fields is a very promising area, due to how interesting it would be to use these systems to help professionals, relieving their work by automating some tasks. However, one of the drawbacks when training a classification model in this area is the imbalance between the given images. In other words, there are usually more images of healthy subjects available than diseased ones. In this project, we particularly focus on the detection of cancerous tissue (invasive ductal carcinoma). Thus, we are going to use Generative Adversarial Networks (GAN) as an image generator of cancerous and healthy tissue with the goal of creating synthetic samples to retrain the available models with these samples and improve their classification results. With this in mind, we will first use neural networks to obtain results with the real starting data set, then we will train a pair of GANs to generate images of both types (healthy and cancerous) and, finally, we will evaluate whether generating samples with this approach improves the previously obtained results.

[ES] Este trabajo está orientado al desarrollo de un software de estimación de tamaño y peso de individuos en especies marinas, mediante la aplicación de redes neuronales convolucionales y técnicas de visión por computador. En concreto, se trabaja con la especie Thunnus thynnus, y sobre videos subacuáticos grabados con un sistema de cámaras estereoscópicas. Los desarrollos han sido entrenados con grandes cantidades de datos etiquetados específicamente para este proyecto. Tras una interfaz gráfica que permite visualizar las grabaciones esterocoscópicas, generar informes y estadísticas en tablas y gráficos y visualizar imágenes de los individuos medidos, subyacen desarrollos y técnicas de visión por redes neuronales convolucionales, transfer learning, triangulación 3D y tracking. Este sistema, en su versión beta, va a ser probado por la empresa Balfegó en su campaña de pesca de atún rojo 2022, en el Mediterráneo, para controlar que la cuota autorizada de pesca de esta especie no se rebasa. Gracias a este sistema, se podrá garantizar la correcta monitorización de especies marinas que requieren de un control estricto en su pesca y, al mismo tiempo, supone un ahorro económico, de tiempo y de trabajo manual, tanto para los inspectores de pesca como para los pescadores y empresas del sector de la acuicultura., [EN] This master's thesis is oriented to the development of a software for the estimation of size and weight of individuals in marine species, through the application of convolutional neural networks and computer vision techniques. Specifically, we work with the species Thunnus thynnus, and on underwater videos recorded with a stereoscopic camera system. The developments have been trained with large amounts of data tagged specifically for this project. Behind a graphical interface that allows visualization of the stereoscopic recordings, generation of reports and statistics in tables and graphs and visualization of images of the measured individuals, underlie developments and techniques of vision by convolutional neural networks, transfer learning, 3D triangulation and tracking. This system, in its beta version, will be tested by the company Balfegó in its 2022 bluefin tuna fishing campaign in the Mediterranean, to ensure that the authorized fishing quota for this species is not exceeded. Thanks to this system, it will be possible to guarantee the correct monitoring of marine species that require strict control in their fishing and, at the same time, it will save money, time and manual work, both for fisheries inspectors and for fishermen and companies in the aquaculture sector.

[ES] Pese a haber existido desde hace décadas, no ha sido hasta los últimos años que el trazado de rayos ha adquirido gran popularidad fuera de la industria de la producción audiovisual. Esto se debe principalmente al desarrollo de herramientas que permiten acelerar este proceso mediante el uso de Unidades de Procesamiento Gráfico, o GPUs. Cada herramienta de trazado de rayos ha sido concebida con ciertos casos de uso en mente. Estos van desde gráficos en tiempo real para aplicaciones como visualización o videojuegos, a aquellos en los que prima el fotorrealismo, y que requieren mayores tiempos de procesado, para simulaciones o cine. Este trabajo busca comparar el rendimiento de las principales tecnologías existentes de aceleración de trazado de rayos por GPU. Para ello, se implementarán aplicaciones de referencia y se diseñarán escenas con distintos niveles de complejidad de geometría y/o materiales., [EN] Despite having been around for decades, it hasn't been until the last few years that ray tracing has become very popular outside of the audiovisual production industry. This is mainly due to the development of tools that speed up this process through the use of Graphics Processing Units, or GPUs. Each ray tracing tool has been conceived with certain use cases in mind. These range from real-time graphics for applications such as visualization or video games, to those in which photorealism prevails, and which require longer processing times, for simulations or cinema. This work seeks to compare the performance of the main existing GPU ray tracing acceleration technologies. To do this, reference applications will be implemented and scenes with different levels of geometry and/or material complexity will be designed.

[ES] La detección de variantes de ADN es una tarea importante y difícil en la Genómica. Las tecnologías de secuenciación de una sola molécula han conseguido revolucionar la detección de variantes genéticas, el ensamblaje de genomas complejos y la detección de marcas epigenéticas (marcas químicas que se añaden al ADN y permiten su correcto funcionamiento) en los últimos años. En el caso de la secuenciación de una sola molécula, se tiene una tasa de error por nucleótido de entre 5 y 15%. Por lo que a pesar de los rápidos avances en las tecnologías de secuenciación, es difícil detectar variantes del genoma de un individuo a partir de miles de millones de lecturas de secuencias cortas y erróneas. Debido a la masiva cantidad de lecturas del genoma y la alta tasa de error de secuenciación, aplicar Deep Learning para el aprendizaje de relaciones entre las secuencias de ADN, es el enfoque que mejores resultados obtiene, superando a las herramientas de última generación y métodos tradicionales de detección de variantes. La naturaleza de la tarea que se propone enmarca este Trabajo Final de Máster dentro de la Genómica, concretamente en el problema de Detección de Variantes Genómicas aplicando Técnicas de Inteligencia Artificial y del Reconocimiento de Formas. Como primer objetivo se realiza un estudio de las diferentes herramientas de última generación, enfoques y particularidades. El segundo objetivo se centra en el tratamiento y manipulación de los datos genómicos con el fin de desarrollar una metodología robusta. En la metodología se incluye el análisis y diseño de arquitecturas de Redes Neuronales Artificiales para el problema que se trata y sus correspondientes experimentos. Finalmente, se discuten los resultados obtenidos y se declaran futuros desarrollos para continuar nuevas investigaciones en esta línea., [EN] DNA variant detection is an important and challenging task in Genomics. Single-molecule sequencing technologies have revolutionized the detection of genetic variants, the assembly of complex genomes and the detection of epigenetic marks (chemical marks that are added to DNA and allow it to function correctly) in recent years. In the case of single molecule sequencing, there is a per nucleotide error rate of between 5 and 15%. So despite rapid advances in sequencing technologies, it is difficult to detect variants of an individual's genome from billions of short and erroneous sequence reads. Due to the massive amount of genome reads and the high sequencing error rate, applying Deep Learning for learning relationships between DNA sequences is the approach that yields the best results, outperforming state-of-the-art tools and traditional variant detection methods. The nature of the proposed task frames this Master's Thesis within Genomics, specifically in the problem of Genomic Variant Calling by applying Artificial Intelligence and Shape Recognition Techniques. The first objective is a study of the different state-of-the-art tools, approaches and particularities. The second objective focuses on the treatment and manipulation of genomic data in order to develop a robust methodology. The methodology includes the analysis and design of Artificial Neural Network architectures for the problem at hand and their corresponding experiments. Finally, the results obtained are discussed and future developments are stated in order to continue new research in this line.

[ES] Los transformers son una arquitectura neuronal que está arrasando dentro del área de la traducción automática pero uno de sus principales problemas es el gran número de muestras que necesita para su correcto funcionamiento. En este trabajo hemos afrontado el problema de la adaptación al dominio centrándonos en el reentrenamiento de modelos ya existentes para solventar la falta de muestras de entrenamiento y ahorrar el máximo tiempo de cómputo posible. Para realizar esta adaptación se han utilizado e implementado técnicas de selección de datos que utilizan modelos preentrenados para seleccionar que datos usar para nuestros reentrenamientos., [EN] Transformers are a neuronal architecture that is taking machine translation by storm, but one of its main problems is the large number of samples needed for its correct operation. In this work, we have tackled the domain adaptation problem by focusing on the retraining of existing models to solve the lack of training samples and save as much computational time as possible. To perform this adaptation we have used and implemented data selection techniques that use pre-trained models to choose which data to use for our re-trainings.

[ES] A la hora de realizar actividades de ocio, como ir al cine, los usuarios hacen uso cada vez en mayor medida de internet, con la esperanza de encontrar la información que les sea útil y de interés. Para ello, recorren las páginas web de los cines próximos a su localidad, buscando entre la oferta de películas, aquellas que puedan ser de su interés y que se proyecten en los horarios en los que están interesados. Las páginas web de cines se limitan a mostrar las películas en cartelera el día seleccionado, lo que supone que el usuario debe ir buscando cine a cine, seleccionando películas y posibles horarios. Este proceso puede ser tedioso, además de ser genérico para cualquier usuario del sistema. Este trabajo, propone el desarrollo de un servicio web que facilite al usuario este proceso de búsqueda, mostrando aquellas películas que se adapten a los gustos del usuario y le permitan ver, de un solo vistazo, horarios, cines, junto con otra serie de información de utilidad, como puntuación Imdb, clasificación, etc. El trabajo propone utilizar en este proceso técnicas de recomendación. Los sistemas recomendadores permiten adaptar la información disponible al usuario, según sus gustos cinematográficos. De esta forma, el proceso de selección se facilita enormemente. El trabajo se aplica a los cines de la ciudad de Valencia, aunque por la forma en la que el trabajo adquiere los datos de las películas, es fácilmente extrapolable a otras ciudades, así como a otras actividades de ocio., [EN] When it comes to leisure activities, such as going to the cinema, users are increasingly making use of the Internet in the hope of finding information that is useful and of interest to them. To do so, they browse the websites of cinemas near their locality, looking for films that might be of interest to them and that are shown at the times they are interested in. The websites of cinemas are limited to showing the films of the selected day, which means that the user has to search cinema by cinema, selecting films and possible times. This process can be tedious and generic for any user of the system. This work proposes the development of a web service that facilitates the user this search process, showing those films that suit the user's tastes and allowing him to see, at a glance, schedules, cinemas, and other useful information, such as Imdb score, rating, etc. The paper proposes the use of recommendation techniques in this process. Recommender systems allow the information available to be adapted to the user, according to their cinematic tastes. In this way, the selection process is greatly facilitated. The work is applied to cinemas in the city of Valencia, although due to the way in which the work acquires the film data, it is easily extrapolated to other cities, as well as to other leisure activities.

[ES] El objetivo del presente trabajo es la anonimización de datos en imágenes mediante el uso de Machine Learning. Hoy en día los datos son un atributo intrínseco a las personas, gran parte de éstos son de carácter confidencial, es por ello por lo que actualmente el concepto de anonimización de datos juega un papel muy importante. Gracias a ello, es posible la manipulación y el procesado de los datos sin que la confidencialidad de las personas se vea afectada. Para lograr el objetivo propuesto, se hará previamente un estudio sobre distintas técnicas en la detección de objetos dentro de imágenes, para finalmente justificar el uso de una estructura YOLOv5. Posteriormente se creará un sistema que genere datos sintéticos y etiquetados, y se aplicará distintas técnicas de manipulación de imagen para abarcar un mayor rango de iluminaciones y enfoque. Tras ello, se utilizará una herramienta que facilita la creación de distintas topologías y variación de parámetros de una YOLOv5; éstas serán entrenadas a partir de la generación de \textit{datasets} sintéticos para posteriormente detectare caras y matrículas en imágenes reales y proceder a anonimizarlas aplicando un difuminado sobre la zona de detección. Finalmente se estudiará y analizará la confianza y el comportamiento de las distintas topologías a la hora de anonimizar., [EN] The objective of this project is the anonymization of data in images through the use of Machine Learning. Nowadays, data is an intrinsic attribute to people, a large part of these are confidential, that is why currently the concept of data anonymization plays a very important role. Thanks to this, it is possible to manipulate and process data without affecting the confidentiality of individuals. To achieve the proposed objective, a study will be previously done on different techniques in objects detection within images, to finally justify the use of the \textit{YOLOv5} structure. Subsequently, a system will be created that generates synthetic and labeled data, and different image manipulation techniques will be applied to cover a greater range of illumination and focus. After that, a tool will be used for the creation of different topologies and variation of parameters of a YOLOv5; these will be trained from the generation of synthetic datasets to later detect faces and license plates in real images and proceed to anonymize them by applying a blur on the detection area. Finally, the confidence and behavior of the different topologies when anonymizing will be studied and analyzed.

[ES] Los métodos que describen un Sistema Multiagente (SMA) Organizacional son aquellos que identifican la forma en que están conectados los agentes en el espacio de interacción y qué relaciones existen entre ellos. Las organizaciones de agentes se refieren a un tipo de sistema donde el comportamiento de la población de agentes está controlado por una estructura organizativa. Este trabajo está enmarcado dentro del proyecto SPADE (Smart Python Agent Development Environment), una plataforma SMA escrita en Python y basada en la mensajería instantánea (XMPP). En este trabajo se propone una implementación de cómo hacer a SPADE un sistema donde sea posible crear organizaciones. Para ello se crea un nuevo tipo de agente en SPADE: agente organizacional y una nueva estructura: organización, donde conviven agentes organizacionales y las reglas relativas a la organización en cuestión., [EN] Organizational Multi-Agent System (MAS) methods describe how agents are connected in the interaction space and what relationships exist between them. Agents' organizations refers to a system where the behavior of the population of agents is guided by an organizational structure. Our work is part of the SPADE (Smart Python Agent Development Environment) project, an MAS platform written in Python based on instant messaging (XMPP). We are proposing an implementation for making SPADE a system where organizations can be created. For this purpose, a new type of agent is created in SPADE: organizational agent and a new structure: organizations, where organizational agents and the corresponding organization's rules can coexist.

[ES] El glioma de alto grado es un tumor del sistema nervioso central no resuelto hasta el momento. El seguimiento de los pacientes tras la operación requiere el análisis radiológico de series de imágenes por resonancia magnética. La segmentación de imágenes de resonancia magnética antes de cirugía está resuelta mediante redes neuronales convolucionales pero no es así para imágenes posteriores a la cirugía. En este proyecto diseñaremos un software de anotación de secuencias de imágenes de resonancia mágnética. Dicho software estará asistido por redes neuronales convolucionales o segmentaciones previas, permitiendo al radiólogo modificar la máscara de segmentación y añadir nuevos hallazgos según su criterio experto. Así pues, el software permitirá al usuario de forma interactiva la anotación de segmentaciones semánticas y hallazgos en las imágenes, así como asociarlos a información clínica e histológica relevante., [EN] High-grade glioma is an unresolved tumor of the central nervous system. Follow-up of patients after surgery requires radiological analysis of series of magnetic resonance images. The segmentation of MRI images before surgery is solved by means of convolutional neural networks but not so for images after surgery. In this project we will design a magnetic resonance image sequence annotation software. Such software will be assisted by convolutional neural networks or segmentation priors, allowing the radiologist to modify the segmentation mask and add new findings according to his expert judgment. Thus, the software will allow the user to interactively annotate semantic segmentations and findings on the images and associate them with relevant clinical and histological information.

[ES] El objetivo de este TFM consiste en desarrollar una aplicación para el análisis de datos recogidos mediante el protocolo FMS (Fleet Management System) de una flota de autobuses con el fin de detectar patrones de comportamiento en el funcionamiento de los vehículos y detectar posibles anomalías en aquellos que se salgan del patrón. Dicho análisis proporcionará una información útil para el mantenimiento predictivo de la flota y el seguimiento del estado del vehículo. El trabajo se centra en la detección de anomalías en series temporales de datos FMS de la flota de autobuses recogidos durante un período de tiempo. Al no disponer de un dataset de entrenamiento etiquetado con secuencias anómalas, la propuesta se centra en desarrollar un modelo no supervisado de detección de anomalías. Con este fin, se proporciona un conjunto de datos con secuencias temporales que se consideran normales, a partir del cual se entrena un modelo que aprende a analizar diferencias con otras secuencias y a clasificarlas como anomalías o no. Se implementarán dos técnicas de detección de anomalías, una basada en los k-vecinos más cercanos y otra basada en técnicas de agrupamiento (clustering) que se aplicarán en función de la tipología de los datos FMS., [EN] The objective of this TFM is to develop an application for the analysis of data collected through the FMS (Fleet Management System) protocol of a fleet of buses in order to detect behavior patterns in the operation of vehicles and detect possible anomalies in those That they get out of the pattern. This analysis will provide useful information for predictive fleet maintenance and vehicle health monitoring. The work focuses on the detection of anomalies in time series of FMS data of the bus fleet collected over a period of time. In the absence of a training dataset labeled with anomalous sequences, the proposal focuses on developing an unsupervised model of anomaly detection. To this end, a set of data with temporal sequences that are considered normal is provided, from which a model is trained that learns to analyze differences with other sequences and to classify them as anomalies or not. Two anomaly detection techniques will be implemented, one based on k-closest neighbors and the other based on clustering techniques that will be applied based on the type of FMS data.

[ES] La técnica de federated learning permite distribuir el entrenamiento de una red entre varios ordenadores y luego enviar los modelos entrenados a un servidos central para que los combine. De esta forma, se consigue reducir el número de rondas en el entrenamiento de una red neuronal (RN). Sin embargo, en ocasiones este proceso puede resultar costoso. Por un lado, puede ocurrir que exista alguna limitación física que impida a todos los ordenadores conectarse con el servidor. Por otro lado, los modelos o los conjuntos de datos pueden ser tan grandes que resulta impracticable centralizar el proceso. Los procesos de consenso en redes permiten a un conjunto de nodos conectados en red realizar cálculos de manera distribuida, intercambiando información con los vecinos directos únicamente. En este trabajo se propone construir un prototipo que perrmita validar la aplicación de estos algoritmos para realizar federated learning distribuido en una red., [EN] The federated learning technique makes it possible to distribute the training of a network among several computers and then send the trained models to a central server to combine them. In this way, it is possible to reduce the number of rounds in the training of a neural network (NN). However, sometimes this process can be costly. On the one hand, there may be some physical limitation that prevents all computers from connecting to the server. On the other hand, the models or datasets may be so large that it is impractical to centralize the process. Consensus processes in networks allow a set of networked nodes to perform computations in a distributed manner, exchanging information with direct neighbors only. In this work we propose to build a prototype to validate the application of these algorithms to perform distributed federated learning in a network.

[ES] Actualmente, en el ámbito de las negociaciones entre entidades es importante reseñar que se está produciendo un cambio sustancial, puesto que se está evolucionando hacia un entorno virtual y automatizado. No sólo eso, sino que, además, existe una creciente demanda de herramientas para la simulación de mercado. Es, por tanto, que los sistemas multi-agente están convirtiéndose en un instrumento imprescindible dentro de este sector, sobre todo en el mercado eléctrico, financiero y de comercio electrónico. La función de esta tecnología es ayudar en el diseño de los diferentes agentes de negociación, así como estudiar de qué manera diferentes estrategias pueden alterar el resultado final. Asimismo, simulan verazmente escenarios de negociación de la vida real. Esto permite probar diferentes comportamiento y estrategias con el fin de obtener un mayor conocimiento y una mejor compresión de los resultados alcanzados. A lo largo de los últimos años, el estado del arte de los modelos de simulación de mercado ha evolucionado de métodos conductuales periódicos a modelos basados en redes neuronales artificiales y aprendizaje por refuerzo. Hasta la fecha, el grueso de la investigación en esta área se ha centrado en el diseño de protocolos de negociación. Sin embargo, en los últimos años, los estudios han mostrado un interés creciente en la creación de plataformas de simulación genéricas. Aun así, a día de hoy, no se han encontrado publicaciones relacionadas con frameworks para la simulación genérica de mercados virtuales. Una de las mejores herramientas para estudiar los mercados virtuales son las plataformas de simulación genéricas. Tal y como se expuso previamente, la demanda de herramientas de simulación de mercado está en aumento. Sin embargo, hasta hace poco, en la totalidad de las investigaciones realizadas se han utilizado simuladores hechos a medida. Cabe destacar que se trata de solución ineficiente y, por este motivo, es importante reseñar que utilizar una herramienta genérica parametrizable sería una alternativa a tener en cuenta, ya que reduciría tanto el tiempo de desarrollo como el coste. Además, las herramientas de tipo sandbox han demostrado que eliminar restricciones permite realizar una experimentación más original, los cuales no podrían obtenerse de recreaciones de mercado restringidas. Es por ello, que desarrollar una aplicación accesible para simulaciones genéricas de mercados virtuales sería una contribución notable dentro de este ámbito. Aparte de ello, resulta importante tener en cuenta que los simuladores poseen herramientas poco eficientes para visualizar interacciones entre agentes. Una prueba de ello es que la mayoría de los frameworks muestran la comunicación entre agentes a través de registros log. Por este motivo, sería interesante explorar opciones más accesibles. Por tanto, este trabajo propone una solución novedosa en esta área de aplicación, ya que su principal objetivo es desarrollar un simulador de mercado virtual genérico utilizando sistemas multi-agente. Además, se pretende crear una herramienta de visualización del sistema. Por las razones expuestas en el párrafo anterior, la finalidad de este estudio no es diseñar protocolos de actuación óptimos, sino permitir a los investigadores parametrizar un entorno según sus necesidades, independientemente del tipo de mercado estudiado. Con este fin, se ha diseñado una herramienta basada en SPADE, que es una plataforma de código abierto para la simulación multi-agente. Las características principales de este simulador se exponen a continuación: (1) un proceso de negociación dividido en dos etapas (una negociación bilateral seguida de una subasta), (2) un comportamiento de negociación personalizable, (3) restricciones opcionales sobre el número máximo de artículos intercambiados y (4) un visualizador web que muestra las interacciones y los resultados de las negociaciones. En este sentido, se pone en práctica este modelo a través de un estudio re, [EN] Nowadays, negotiations between entities are undergoing a substantial change, as it is rapidly transitioning into a virtual and automated environment. On top of that, there is an increasing demand for market simulation tools. Therefore, multi-agent technologies are becoming essential in different types of market simulations, specially in electricity, financial and e-commerce markets. These technologies are used to assist the design of negotiating agents and how different strategies affect the results obtained. They allow faithful simulations of real-life negotiation scenarios. This, which enables to carry out experimentation with different behaviors and strategies in order to obtain deeper insights and a better understanding of the results. State-of-the-art market simulation models have evolved over the last few years. These have progressed from periodic behavioral methods to neural-based models using artificial neural networks and reinforcement learning. To date, the vast majority of the research in this area has focused on the design of negotiation protocols. However, lately, studies have shifted their interest to the creation of generic simulation frameworks. Despite this, there is no published research related to generic virtual market simulations. Generic simulation frameworks are one of the best tools to study virtual markets. As stated previously, there is also an increasing demand for market simulation tools. However, until recently, tailored simulators have been used for almost every research study. This ultimately is an inefficient solution. Alternatively, using a parameterizable generic tool will reduce financial costs and development time. Moreover, sandbox like tools have shown that eliminating restrictions allows a better experimentation to reach deeper insights, which cannot be obtained in regular restrained market re-creations. Therefore, exploring the development of an accessible application for generic virtual market simulations would be a remarkable contribution to this area. On top of that, simulators have poor visualization tools to analyze agent interaction. Proof of this is that nearly all frameworks show agent communication via log registers. That is why it would be interesting to explore friendlier tools for this matter. Therefore, this work provides a novel solution in this application area, as its main aim is to develop a generic virtual market simulator using multi-agent systems. In addition, a visualization tool is created for the system. For the reasons stated above, this study does not aim to design optimal interaction protocols but to create the first milestone that allows researchers to parametrize an environment to their needs regardless of the type of market studied. To this end, our tool is based on SPADE, an open-source platform for multi-agent simulation. Hence, the simulator's main features consist of: (1) a 2-step negotiation process (an initial bilateral negotiation followed up by an auction), (2) a customizable negotiation behavior, (3) optional restrictions over the maximum number of exchanged items and (4) a web visualizer showing the interactions and results of the negotiations. Furthermore, this work is evaluated with a real-life case study provided by the Institute of Energy Engineering of the Universitat Politècnica de València. This group defined several case scenarios in an electricity market in order to examine the emergent behavior in the different simulations. Finally, results show that this model can be considered the starting point for the successful development of a more complex system to study the behavior in virtual markets.

[ES] Los avances en el campo de la Inteligencia Artificial nos han llevado a una nueva era de investigación. Los modelos de Deep Learning permiten detectar y diagnosticar enfermedades en pacientes de manera automática. En este proyecto se aplican técnicas de Deep Learning a diversos casos de uso relacionados con la salud. Se hace uso de redes neuronales para construir modelos capaces de afrontar las distintas tareas de cada caso de uso. Las tareas presentadas en este trabajo están relacionadas con el análisis de electroencefalogramas e imagen médica. El proyecto cae en el marco del desarrollo de la herramienta EDDL, un software que premite crear y manipular los modelos mencionados. El objetivo principal es hacer uso de la herramienta para afrontar problemas de aprendizaje automático con modelos del estado del arte., [EN] The progress in the field of Artificial Intelligence has led us to a new research era. Deep Learning models can automatically detect and diagnose diseases in patients. In this project, Deep Learning techniques are applied to several use cases related to health. Neural Networks are used to build models which are able to face the different tasks in each use case. The tasks presented in this work are related to the analysis of electroencephalogram signals and medical imaging. The project was carried out under the development of the EDDL toolkit, a software that allows for creating and manipulating the mentioned models. The main goal is to use this toolkit to face machine learning problems with state-of-the-art models.

[ES] El cerebro es uno de los órganos más desconocidos por los seres humanos, sobre el que año tras año se adquiere conocimiento sobre su funcionamiento real. Su análisis nos ayuda a entender su comportamiento de manera más precisa permitiendo descubrir como maneja el control de elementos vitales esenciales del cuerpo humano. El objetivo de este proyecto es analizar cómo el cerebro gestiona las emociones. Para ello, se utilizará un método de adquisición de datos del cerebro (sensores EEG) y, mediante su análisis, poder interpretar la señal recibida y discriminar entre diferentes situaciones emocionales de cada individuo. Para el análisis de estas señales complejas se utilizarán técnicas de aprendizaje automático buscando aquellos modelos que mejor puedan predecir las emociones de los sujetos., [EN] The brain is one of the most unknown human organs, and year after year we acquire knowledge about its real functioning. Its analysis helps us to understand its behavior in a more precise way, allowing us to discover how it manages the control of essential vital elements of the human body. The aim of this project is to analyze how the brain manages emotions. To do this, we will use a method of data acquisition from the brain (EEG sensors) and, through its analysis, interpret the signal received and discriminate between different emotional situations of each individual. For the analysis of these complex signals, machine learning techniques will be used to search for those models that can best predict the emotions of the subjects.

[ES] Los sistemas de recomendación ayudan a los usuarios a encontrar elementos relevantes y adecuados entre la enorme cantidad de opciones disponibles. En este proyecto, exploramos de qué manera se puede construir un sistema de recomendación utilizando Redes Neuronales basadas en Grafos (GNNs), un nuevo tipo de redes neuronales que operan directamente en la estructura nativa de los datos. En particular, utilizando el conjunto de datos de MovieLens, compararemos dos enfoques diferentes. El primer enfoque se basa en un grafo bipartito donde los nodos representan usuarios y películas, y las aristas indican las relaciones entre estos y, el otro enfoque se centra en el Procesamiento de Señales de Grafos. En ambos enfoques, realizamos diferentes experimentos con el fin de comparar los resultados. Todo el código desarrollado en este proyecto está escrito en PyTorch Geometric, una biblioteca basada en PyTorch que facilita la manipulación de las GNNs, [EN] Recommendation systems help users find relevant and suitable items among the enormous amount of selectable choices. In this project, we explore how a recommendation system can be built using Graph Neural Networks (GNNs), a new type of neural network that operates directly on the native graph structure of the data. Particularly, using the MovieLens dataset, we will compare two different approaches. The first approach is based on a bipartite graph where nodes represent users and movies, and the edges denote relationships among them. The other approach is centered on Graph Signal Processing. In both approaches, different experiments will be carried out in order to compare the results. All the code developed in this project is written in PyTorch Geometric, a library built upon PyTorch that eases the manipulation of GNNs.

[ES] Se propone estudiar los modelos de lenguaje pre-entrenados disponibles en Pytorch como BERT o GPT-2, con el fin de adaptarlos a tareas concretas y mejorar su precisión de partida. Concretamente se utilizarán estos modelos para la clasificación de noticias. Se utilizará dos conjuntos de datos del repositorio Kaggle y el estudio tendrá en cuenta métricas como el coste del entrenamiento y el rendimiento del estos. Se pretende que el modelo sea utilizable por usuarios finales, de modo que la mejor implementación dará lugar a un demostrador web., [EN] A study of the pre-trained language models available in Pytorch such as BERT or GPT-2 is proposed, in order to adapt them to specific tasks and improve their starting accuracy. Specifically, these models will be used for news classification. Two data sets from the Kaggle repository will be used and the study will take into account metrics such as the cost of training and the performance of these models. The model is intended to be usable by end-users, so the best implementation will result in a web demonstrator.

[ES] El presente trabajo de fin de máster, expone el desarrollo de un sistema que permite la clasificación de anomalías en imágenes digitales de ultrasonido de la glándula tiroidea, utilizando una prueba de tamizaje (discriminatoria) Europea, conocida como EU- TIRADS, la cual está compuesta por cinco clases y se usa para la categorización del nódulo tiroideo. Con base en la investigación realizada y en apoyo de la Clínica Foscal en Colombia, quienes proporcionaron las imágenes, se lleva a cabo un prototipo para la automatización del proceso de clasificación a través de algoritmos de aprendizaje profundo en uso de Redes Neuronales, que han sido probadas con éxito para la clasificación de otro tipo de imágenes médicas. Con 1353 imágenes, 5 clases, un modelo de red neuronal convolucional como inicio del proceso de experimentación y aplicando transfer learning con diferentes modelos pre-entrenados, que se detallan en el desarrollo del documento, se logró obtener un Accuracy de 55% y una pérdida del 1.16, teniendo en cuenta que es una clasificación de 5 clases, la probabilidad de asignar una clase correcta a una imagen es del 20%, lo que quiere decir que el modelo es 27.5% mejor que elegir al azar. En vista del proceso realizado y los resultados obtenidos con el dataset construido desde cero y el proceso que se ha llevado a cabo, se espera continuar con la investigación e implementación a futuro, teniendo como base los resultados obtenidos en los experimentos realizados, donde se evidencia que al aumentar la data el proceso de predicción mejora significativamente, sin embargo esto también dependerá de factores como la calidad de los datos y un buen etiquetado., [EN] This master's thesis presents the development of a system that allows the classification of anomalies in digital ultrasound images of the thyroid gland, using a European screening test (discriminatory), known as EU-TIRADS, which is composed of five classes and is used for the categorization of the thyroid nodule. Based on the research carried out and with the support of the Foscal Clinic in Colombia, who provided the images, a prototype is carried out for the automation of the classification process through deep learning algorithms using Neural Networks, which have been successfully tested for the classification of other types of medical images. With 1353 images, 5 classes, a convolutional neural network model as the beginning of the experimentation process and applying transfer learning with different pre-trained models, which are detailed in the development of the document, it was possible to obtain an Accuracy of 55% and a loss of 1.16, taking into account that it is a classification of 5 classes, the probability of assigning a correct class to an image is 20%, which means that the model is 27.5% better than choosing at random. In view of the process performed and the results obtained with the dataset built from scratch and the process that has been carried out, it is expected to continue with the research and implementation in the future, based on the results obtained in the experiments performed, where it is evident that by increasing the data the prediction process improves significantly, however this will also depend on factors such as data quality and good labeling.

[ES] Este proyecto consiste en el análisis y desarrollo de una técnica de alineamiento para imágenes de documentos con el objetivo de poder buscar información en las imágenes. En concreto, este proyecto se basa en la implementación de una aplicación gráfica para el alineamiento de imágenes de documentos que tienen una maquetación (layout) similar. Las imágenes de documentos con una maquetación similar pueden presentar variaciones debidas al proceso de captura de la imagen (ligeras rotaciones, curvatura, traslación, etc.). Alinear distintas imágenes en este caso requiere una comparación no lineal entre cada par de imágenes. La técnica estudiada en este proyecto permite realizar eficientemente este alineamiento y cuantificarlo. Esto nos permite plantear un problema de búsqueda entre una imagen de referencia y un conjunto de imágenes de test. Para llevar a cabo la comparación entre ambas imágenes se utiliza el algoritmo de evaluación BIDM (Binary Image Distorision Model) para realizar un alineamiento no lineal y dotar de flexibilidad a la herramienta desarrollada. Asimismo, para ayudarnos a evaluar los resultados obtenidos se han utilizado otras técnicas, como la técnica de los k vecinos más cercanos, para poder comparar y evaluar la técnica de alineamiento elegida., [EN] This project consists of the analysis and development of an alignment technique for document images with the aim of being able to search for information in the images. In particular, this project is based on the analysis and development of a GUI application for the alignment of document images that have a similar layout. The images of documents with a similar layout may present variatios due to the image capture process(slight rotations, curvature, translation, etc.). In this case, the alignment between two images requieres a non-linear comparison between a pair of images. The technique studied in this project allows to perform this alignment efficiently and to quantify that alignment. This allows us to consider a search problem between a reference image and a set of test templates. To carry out the comparison between both images, the evaluation algorithm BIDM (Binary Image Distorision Model) is used to perform a non-linear alignment and to provide flexibility to the developed tool. Furthermore, to help us evaluate the results obtained, other techniques such as the k-nearest neighbors algorithm have been used to be able to compare and evaluate the chosen alignment technique.

[ES] El objetivo de este TFM consiste en predecir ocho químicos de cuatro reactores biológicos diferentes e independientes que se encuentran en una Estación Depuradora de Aguas Residuales (EDAR). Todo ello resulta en un total de treinta y dos variables a predecir, además de nueve variables adicionales que son comunes a los cuatro reactores. Por lo que el total de variables a predecir son cuarenta y uno. Asimismo, se tendrán en cuenta cincuenta variables más que se podrán usar como input para ayudarnos a realizar esta predicción. De cada variables existe una serie temporal, es decir, una colección de observaciones de dicha variable que han sido tomadas de forma secuencial y ordenadas en el tiempo. Se evaluarán diferentes modelos de aprendizaje automático como es el caso de Prophet, redes neuronales recurrentes (LSTM) y XGBoost. Para cada uno de ellos se analizarán los resultados obtenidos por cada variable utilizando distintos parámetros y se realizará una comparación de los tres usando el mejor en cada caso. Habrá que realizar diversas operaciones de normalizado a los datos debido a la naturaleza de los mismos (alto nivel de nulos, granularidades distintas, etc). Con todo ello, se pretende construir un sistema que sea capaz de predecir qué valor tendrán esas variables descritas anteriormente teniendo en cuenta el histórico anterior., [EN] The aim of this TFM is to predict eight chemicals from four different and independent biological reactors located in a Wastewater Treatment Plant (WWTP). This results in a total of thirty-two variables to be predicted, plus nine additional variables that are common to all four reactors. Therefore, the total number of variables to be predicted is forty-one. In addition, fifty more variables will be taken into account that can be used as input to help us make this prediction. For each variable there is a time series, i.e. a collection of observations of that variable that have been taken sequentially and ordered in time. Different machine learning models will be evaluated, such as Prophet, recurrent neural networks (LSTM) and XGBoost. For each of them, the results obtained for each variable will be analysed using different parameters and a comparison of the three will be made using the best one in each case. Various normalisation operations will have to be performed on the data due to the nature of the data (high level of nulls, different granularities, etc.). The aim is to build a system that is capable of predicting the value of the variables described above, taking into account the previous history.

[ES] Existen multitud de modelos que tratan de predecir la velocidad en vías urbanas e interurbanas, la contaminación acústica provocada por el tráfico en ciudades o el flujo de tráfico urbano en base a datos históricos de cámaras o del tráfico en los móviles de las personas. En este estudio, se trata de diseñar un modelo que sea capaz de predecir el flujo de tráfico en la ciudad de Valencia, España, en base a los datos recogidos por unas espiras electromagnéticas repartidas por toda la ciudad. Con una buena predicción se podrá ser capaz de prever posibles atascos y ser capaz de evitarlos. El objetivo es diseñar un modelo basado en una red neuronal recurrente de tipo Long Short-Term Memory (LSTM) para realizar la predicción del flujo de tráfico en las diferentes calles de Valencia en las diferentes horas del día así como un estudio de la influencia de las características utilizadas en la precisión del modelo., [EN] There are many models that try to predict the speed on urban and interurban roads, the noise pollution caused by traffic in cities, or even the flow of urban traffic based on historical data from cameras or traffic on people's mobile phones. The aim of this study is to design a model capable of predicting traffic flow in the city of Valencia, Spain, based on data collected by electromagnetic loops distributed throughout the city. With a good prediction it will be possible to foresee possible traffic jams, and also to avoid them. A model based on a recurrent neural network of the Long Short-Term Memory (LSTM) type has been designed to predict the traffic flow in the different streets of Valencia for the different hours of the day, as well as a study of the influence of the characteristics used in the accuracy of the model.

[ES] Con el auge de la capacidad computacional de los ordenadores en las últimas décadas, poco a poco se ha podido permitir introducir el uso de inteligencia artificial en el mundo digital, acabando incluso a ser un instrumento útil en el día a día. Por ejemplo, los sistemas biométricos que permiten la verificación facial del usuario es algo bastante accesible llegando a ser una herramienta que se usa en algo tan común y que tenemos todo como son los dispositivos móviles. Sin embargo, este tipo de utensilios no suelen tener un correcto funcionamiento cuando se habla de imágenes a muy baja resolución. Por ello, una de las soluciones que se proponen para este tipo de casos, es la mejora de calidad mediante la inferencia de un modelo especializado en la súper resolución facial. En este trabajo se ha detallado el estado del arte de la súper resolución centrado en el rostro facial, se ha buscado una base de datos pública que cumpla con las limitaciones y se ha llevado a cabo una serie de experimentos con un modelo de súper resolución facial propuesto que nos permita mejorar el rostro facial de las imágenes a una calidad superior., [EN] With the rise of the computational capacity of computers in recent decades, it has gradually been possible to introduce the use of artificial intelligence in the digital world, even becoming a useful tool in everyday life. For example, biometric systems that allow facial verification of the user is something quite accessible, becoming a tool that is used in something so common and that we have everything like mobile devices. However, this type of tools do not usually have a correct operation when talking about very low resolution images. Therefore, one of the solutions proposed for this type of cases is the improvement of quality through the inference of a model specialized in facial super resolution. In this work we have detailed the state of the art of super resolution focused on the facial face, searched for a public database that meets the constraints and carried out a series of experiments with a proposed facial super resolution model that allows us to improve the facial face of the images to a higher quality

[ES] Los sistemas de recomendación tienen una fuerte presencia en plataformas web, el comercio electrónico, las plataformas de medios, las noticias o cualquier plataforma que tenga como objetivo impulsar la participación del usuario ofreciendo de contenido personalizado para el usuario. Estos sistemas recopilan información del usuario y la utilizan para ofrecer experiencias personalizadas, minimizando la sobrecarga de contenido y proporcionando el contenido más relevante para el usuario. Los modelos de estado del arte para los sistemas de recomendación han variado durante los últimos años. Los modelos han pasado de métodos de factorización matricial a grandes redes neuronales artificiales. Esta tesis tiene como objetivo explorar estos modelos basados redes neuronales aplicados en una empresa de moda, H&M. Siendo una de las grandes marcas de moda, podemos beneficiarnos de las recomendaciones personalizadas de los usuarios para mejorar las ventas y el compromiso del usuario con la marca. H&M ha estado utilizando métodos de factorización matricial en el pasado. Estos métodos no pueden captar relaciones temporales como tendencias o temporadas, ni la evolución temporal en las preferencias de moda de un cliente. Trabajaremos con modelos específicos basados en redes que pueden capturar dicha información. Los datos provienen del mercado sueco de H&M y consisten en interacciones web. Evaluaremos nuestros modelos con métricas tradicionales y de diversidad. Es fundamental para H&M evaluar elementos como la personalización del usuario y las métricas de diversidad en las recomendaciones ofrecidas. No siempre es mejor recomendar el artículo más vendido, sino recomendar artículos que aumenten la participación del usuario, lo que se traduce en mejores ventas. Los resultados indican que los modelos neuronales capturan estas relaciones temporales y se benefician de ellas, con un rendimiento mejor que los métodos anteriores utilizados en H&M., [EN] Recommender systems have a strong presence in today's web platforms, e-commerce, media content, news, or any platform that aims to boost user engagement through user personalized content offerings. These systems collect user information and use it to deliver personalized experiences, minimizing the overload of content while providing the most relevant content for the user. The state-of-the-art models for recommendation systems have varied during the last years. Models have transitioned from matrix factorization methods to neural-based models using large artificial neural networks. This thesis aims to explore such neural-based models on a big fashion retailer, H&M. As one of the biggest fashion retailers in the world, we can benefit from user personalized recommendations to improve sales and user engagement with the brand. H&M has been using matrix factorization methods in the past. Still, these methods can not catch temporal relations such as trends or seasons, neither the time evolution in a customer fashion preferences. We will work with specific neural-based models that can capture such information. The data comes from the Swedish market for H&M consists of web interactions. We will evaluate models with both traditional and diversity metrics. It is essential to H&M to assess elements such as user personalization, diversity and diversity metrics in the recommendations offered. It is not always best to recommend the bestseller article, but instead recommend articles that boost user engagement, which translate into better selling. Results indicate neural models capture such temporal relations and benefit from them, performing better than the previous methods used at H&M.

[ES] La comunicación mediante el habla permite a los individuos transmitir no sólo información lingüística, sino también su estado emocional, de forma eficaz y natural. El reconocimiento automático del estado emocional de un individuo a partir de su voz ha dado lugar a un campo de investigación denominado Reconocimiento de Emociones del Habla (del inglés, Speech Emotion Recognition, SER), con aplicaciones en diversas áreas, como la interacción persona-ordenador o la investigación médica. Esta tesis explora el reconocimiento de las emociones del habla utilizando algoritmos de aprendizaje automático supervisado. A diferencia de la mayoría de las investigaciones en este campo, que utilizan bases de datos basadas en emociones actuadas o inducidas, en este proyecto se recopiló primero una base de datos de habla emocional natural para desarrollar modelos de reconocimiento de emociones del habla aplicables en situaciones de la vida real. La base de datos, denominada Vocal Social Media (VOSOME), contenía mensajes de audio procedentes de conversaciones reales de WhatsApp de 100 hablantes españoles, que fueron etiquetados posteriormente en las dimensiones de excitación y valencia de las emociones. Se implementaron dos enfoques de modelado: técnicas clásicas de aprendizaje automático basadas en funciones estadísticas de alto nivel calculadas a partir de características acústicas, y modelos de aprendizaje profundo basados tanto en estadísticas como en descriptores de bajo nivel extraídos de los audios. En concreto, se utilizaron máquinas de vectores de soporte y k-vecinos más cercanos como algoritmos clásicos, mientras que como enfoques de aprendizaje profundo se implementaron redes neuronales artificiales y redes de memoria a corto plazo. Las mismas técnicas de modelado se aplicaron a una conocida base de datos pública llamada RAVDESS, representativa de las típicas bases de datos de habla emocional actuada, para comparar los resultados., [EN] Speech communication allows individuals to convey not only linguistic information but also their emotional state in an efficient and natural way. The automatic recognition of an individual's emotional state from their voice has given rise to a field of research called Speech Emotion Recognition (SER), with applications in several areas such as human-computer interaction or medical research. This thesis explores speech emotion recognition using supervised machine learning algorithms. Unlike most research in this field, which uses databases based on acted or induced emotions, in this project a database of natural emotional speech was first collected in order to develop speech emotion recognition models applicable in real-life situations. The database, called Vocal Social Media (VOSOME), included audio messages from real WhatsApp conversations of 100 Spanish speakers that were subsequently labelled on the arousal and valence dimensions of emotions. Two modelling approaches were implemented: classical machine learning techniques based on high-level statistics functions computed from acoustic features, and deep learning models based on both statistics and low-level descriptors extracted from the audios. In particular, Support Vector Machines and k-Nearest Neighbor were used as classical algorithms, while Artificial Neural Networks and Long Short-Term Memory models were implemented as deep learning approaches. The same modelling techniques were applied to a well-known public database called RAVDESS, representative of the typical acted emotional speech databases, to compare the results.

[ES] El objetivo del trabajo es desarrollar un sistema de segmentación que sea capaz de clasificar a nivel de pixel entre clases fondo, folio, pie izquierdo y pie derecho, para un futuro post-procesado de la imagen. Este proceso de segmentación se realizará con modelos "Encoding-Decoding Fully Convolutional" capaces de extraer información contextual a diferentes niveles de escala para una mejor interpretación de la imagen. El resultado de este proceso será un mapa de segmentación con los identificadores de cada clase como valor de pixel. A demás, se realizará una localización de las esquinas del folio para conocer su posición en el espacio 2D mediante una regresión del mapa de calor de los keypoints, definidos como una gaussiana 2D de valores de probabilidad de apariencia del keypoint. Dicha regresión se realizará mediante modelos con módulos Hourglass con supervisión intermedia. Con el mapa de segmentación y la posición de las esquinas, se puede conocer el tamaño del pie relativo al folio y sus medidas antropométricas para un modelado 3D del mismo, siendo este el fin en sí mismo del proyecto. Los modelos implementados se desarrollarán buscando optimizar los resultados y el rendimiento, para un funcionamiento robusto, rápido y preciso. Para el desarrollo del proyecto contamos con una base de datos de unas 6000 imágenes etiquetadas a nivel de segmentación y de puntos clave, proporcionada por el Instituto Biomecánico de Valencia., [EN] This project describes the development of a segmentation system capable of classifying between background, paper, left foot and right foot classes at a pixel level. It will begin with a proposed segmentation model, PSPNet, which will evolve as the project progresses. The result will be a segmentation map with the identifiers of each class as pixel value. In addition, a task of locating the corners of the folio will be carried out to know their position in 2D space through a regression of the heat map of the keypoints, defined as a 2D Gaussian of appearance probability values. With the segmentation map and the position of the corners, it is possible to know the size of the foot relative to the sheet and its anthropometric measurements for a 3D modeling, this being the goal of the project. The implemented models will be developed in order to optimize results and performance, for robust, fast and accurate operation.

[ES] Una de las principales limitaciones actuales de los vehículos eléctricos es su autonomía. En este trabajo se pretende optimizar el mapa de consumo para ofrecer la potencia (y velocidad) necesaria en función del perfil de ruta que se va a seguir. El beneficio que se puede conseguir es doble. Por un lado, tratar de incrementar la autonomía tanto como sea posible con la cantidad de batería existente. Por otro lado, tratar de analizar la forma más rápida posible de cubrir una ruta precalculada con la cantidad de batería existente. En el trabajo se analizarán distintas técnicas inteligentes y/o metaheurísticas y se desarrollará la más adecuada., [EN] One of the main limitations of electric vehicles is their range. In this project, the aim is to optimize the consumption map to provide the necessary power (and speed) depending on the route profile to be followed. The benefit that can be achieved is dual. On the one hand, try to increase the autonomy as much as possible with the existing amount of battery. On the other hand, try to analyze the fastest possible way to cover a pre-calculated route with the existing amount of battery. In this project, different intelligent and/or metaheuristic techniques will be analyzed and the most suitable one will be developed.

[ES] La cuestión del uso de corpus monolingües para el entrenamiento de sistemas de traducción automática no supervisados es un asunto de notable relevancia en este mundo en continua globalización en que vivimos, debido principalmente a la escasez de corpus bilingües para la gran mayoría de pares de idiomas y a las limitaciones que esto presenta para el entrenamiento de sistemas de traducción automática. Este TFM parte de los sistemas de traducción neuronal no supervisada creados por Artetxe et al. llamados Undreamt y Monoses, y aspira a explorar el uso de diversas arquitecturas neuronales cercanas al actual estado de la cuestión en el marco de dicho sistemas. Se utilizarán para ello diversos de los corpus monolingües provenientes de la tarea de traducción WMT 2014, midiendo la calidad de las traducciones obtenidas mediante la métrica BLEU y buscando las mejores configuraciones para diversos pares de idiomas, comparándolas tanto como con el estado de la cuestión como con las métricas reportadas por Artetxe et al., [EN] The use of monolingual corpora for training Unsupervised Machine Translation systems is a matter of notorious relevance in this wold in continuous globalization we live in, mainly due to the scarcity of bilingual corpora for the great majority of language pairs and the serious limitation this represents for the training of Machine Translation systems. This TFM takes as a starting point the unsupervised Neural Machine Translation systems created by Artetxe et al., named Undreamt and Monoses, and aims to explore, within the frame of said systems, the use of neural architectures that stand close to the current state of the art. To do that the corpora used will be monolingual corpora from the WMT 2014 translation task, measuring the quality of the translations achieved using the BLEU metric and looking for the best configurations for various language pairs, comparing these both with the state of the art and with the metrics reported by Artetxe et al.

[ES] Los métodos de alineamiento croslingüe para representaciones monolingües del lenguaje han sido objeto de un interés notable en el campo de procesamiento del lenguaje natural durante los últimos años, en gran medida debido a la capacidad que estos tienen para general alineamientos entre lenguas utilizando poca o nula información paralela. Sin embargo, su uso en técnicas de preentrenamiento de modelos de traducción automática, un papel en el que los modelos monolingües son particularmente exitosos, y que debería beneficiarse de la información croslingüe obtenida, sigue siendo limitado. Esta propuesta intenta aportar algo de luz sobre los efectos de algunos de los factores que afectan a las representaciones croslingües y las estrategias de preentrenamiento, con la esperanza de que pueda ayudar a futuras investigaciones en este campo. Para ello, este trabajo estudia los dos componentes principales que constituyen el preentrenamiento croslingüe: los alineamientos croslingües y la integración de los mismos como modelos de preentrenamiento. Los primeros son explorados a través de varios métodos croslingües no supervisados ampliamente conocidos, que emplean principalmente similaridades distribucionales para encontrar un alineamiento satisfactorio entre lenguajes. Debido a esto, resultan un interesante terreno de pruebas en el que analizar los efectos de la similaridad entre lenguajes sobre tanto las técnicas de alineamiento croslingüe como los espacios de representación sobre los que operan. En en apartado de integración en preentrenamiento, los espacios de representación croslingües son utilizados para preentrenar modelos de traducción automática, los cuales son comparados contra esquemas que emplean espacios de representación independientes. Los resultados muestran que los métodos croslingües con supervisión débil son remarcablemente efectivos a la hora de generar alineamientos incluso para parejas de lenguajes muy diferentes, y se benefician notablemente de la información a nivel de subpalabra. Sin embargo, el efecto del alineamiento croslingüe en el preentrenamiento es reducido debido a las dificultad de mantener la estructura de la proyección durante el entrenamiento, así como por la limitada influencia que el propio preentrenamiento tiene sobre el modelo supervisado., [EN] Cross-lingual alignment methods for monolingual language representations have received notable research attention in the past few years due to their capacity to induce bilingual alignments with little or no supervision signals. However, their use in machine translation pre-training, a function that monolingual models excel at, and which should benefit from cross-lingual information, remains limited. This work tries to shed light on the effects of some of the factors that play a role in cross-lingual representations and pre-training strategies, with the hope that it can help guide future endeavors in the field. To this end, the survey studies the two main components that constitute cross-lingual pre-training: cross-lingual mappings and their pre-training integration. The former are explored through some widely known fully unsupervised cross-lingual methods, which rely on distributional similarities between languages. Consequently, they are a great basis upon which to consider the effects of language similarity on both cross-mapping techniques and the representation spaces over which they operate. In pre-training integration, cross-lingual representation spaces are used to pre-train a neural machine translation models, which are compared against techniques that employ independent monolingual spaces. The results show that weakly-supervised cross-lingual methods are remarkably effective at inducing alignment even for distant languages and they benefit noticeably from subword information. However, the effect of cross-linguality in pre-training is diminished due to difficulties in maintaining the structure of the projection during training, and the limited influence that pre-training itself has in the supervised model.

[ES] El reconocimiento de música manuscrita es la tarea en la que se emplean tecnologías de la computación para, a partir de una imagen de un pentagrama musical, obtener una transcripción. Si combinamos esto con técnicas de aprendizaje semi supervisado, que permiten etiquetar grandes conjuntos de información a partir de una pequeña parte de los mismos, y aprendizaje interactivo, que permite a un supervisor humano colaborar con la máquina en el proceso de transcripción, lo que obtenemos es un sistema que a partir de unas pocas transcripciones de música puede conseguir una gran base de datos de mucha calidad. Esto es importante debido a que las bases de datos de música manuscrita etiquetadas escasean, aunque la cantidad de obras que es de interés preservar se cuentan en el orden de los millones, tarea inabordable para las personas, por lo que se hace necesario un método que nos permita hacer que todas estas obras sin etiquetar sean etiquetadas con el menor esfuerzo posible. En este trabajo utilizamos tecnologías punteras del reconocimiento de texto manuscrito aplicadas a la música, como son las redes neuronales, tanto convolucionales como recurrentes, y modelos de lenguaje para explorar distintos métodos que faciliten el etiquetado de estos conjuntos de datos. Utilizamos medidas como la probabilidad a posteriori y la entropía de las muestras para determinar como debe distribuirse el esfuerzo humano a la hora de etiquetar muestras manualmente, y mostramos diferentes métodos que determinan si una muestra etiquetada es o no apta para incluirse en el conjunto de datos logrando finalmente un método eficaz para anotar grandes cantidades de muestras con un esfuerzo considerablemente menor., [EN] Handwritten music recognition is the task where computation technologies are used for, from an image of a musical score, obtaining a transcription. If we combine this with semi supervised learning techniques, that allow labeling big information sets from a small fragment of them, and interactive learning, that allow a human supervisor collaborating with the machine in the transcription process, we obtain a system that from a few music transcriptions can accomplish a big data set of great quality. This is important given that labeled handwritten music data sets are scarce, even though the amount of pieces that is of interest to preserve are counted in the order of millions, an unapproachable task for people. This makes necessary a method that allows us to label this pieces with the least effort possible. In this work we use the latest technologies for handwritten text recognition applied to music, such as neural networks, both convolutional and recurrent, and language models to explore different methods that make labeling easier for this data sets. We use measures such as posterior probability and sample entropy to determine how should human effort be used when labeling samples manually, and we show different methods to determine if a sample is or isn't good enough to be included in the data set, accomplishing in the end an effective method to label big amounts of samples with a considerably lesser effort.

[ES] Actualmente, archivos de todo el mundo están digitalizando grandes colecciones de documentos manuscritos con el fin de preservarlos y facilitar su difusión a investigadores y usuarios generales. Este hecho está motivando una gran evolución en las técnicas de reconocimiento de texto manuscrito (HTR por sus siglas en inglés), que permiten acceder a los contenidos textuales de las imágenes digitales mediante consultas de texto plano, de la misma manera que se hace con los libros y otros documentos digitales. Dentro del conjunto de documentos manuscritos sin transcripción, nos encontramos con que aproximadamente más de la mitad de los documentos se corresponden con documentos estructurados. Estos documentos contienen información de todo tipo: registros de nacimiento, de navegación, cuadernos de bitácora, etc. Toda esta información es a menudo imprescindible para usos jurídicos, estudios demográficos, estudios de la evolución del clima, etc. El objetivo de este trabajo es desarrollar nuevos métodos que permitan realizar búsquedas según el modelo "atributo-valor'" sobre estos documentos, donde los "atributos" son las cabeceras de las columnas y filas que forman la tabla y los "valores" son el resto de celdas de la tabla que no son cabecera. Para ello, vamos a basarnos en el marco de la indexación probabilistica (que está en cierto modo relacionado con el campo conocido como "keyword spotting"). En este marco, cada elemento de una imagen que se pueda interpretar como una palabra es detectado y almacenado, junto con su posición dentro de la imagen y la correspondiente probabilidad de relevancia. Así pues, empleando la información geométrica de los índices probabilísticos en conjunto con el uso de distribuciones gausianas, se pretende permitir realizar este tipo de búsquedas desde una perspectiva completamente probabilística. Bajo este enfoque, además de la búsqueda, se estudia la extracción de la información con objetivo de volcar contenidos específicos de las imágenes digitales a un formato compatible con bases de datos convencionales. En ambas tareas se han logrado resultados que superan el baseline propuesto., [EN] Currently, all archives around the world are digitising large collections of manuscripts, aiming to preserve and facilitate their dissemination to researchers and general users. This fact is motivating a fast evolution in handwritten text recognition (HTR) techniques, which allow accessing to the textual contents of digital images by means of plain-text queries, in the same way as with books and other digital documents. Among the huge set of manuscripts without transcription, more than half of the documents contain structured text. This is the case of birth records, navigation logs, etc. The information contained in these documents is often needed for legal matters, demographic studies, weather evolution studies, etc. The purpose of this work is to develop new methods that allow to perform searches according to the "attribute-value" model about these documents, where the "attributes" are, for example, column or row headers in tables and the "values" are the corresponding table cells. For this purpose, we will rely on the so-called probabilistic indexing framework (which in a certain sense is related with the field known as "keyword spotting"). In this framework, each element of an image that can be interpreted as a word is detected and stored, along with its position within the image and the correspondence relevance probability. This way, by using the geometric information available in the probabilistic indices and Gaussian distributions, we aim at allowing this type of search from a completely probabilistic perspective. Following this approach, in addition to information search, we study how to actually extract specific textual contents of the digital images in standard formats compatible with conventional databases.

[ES] Los sistemas de traducción automática neuronal normalmente traducen los documentos frase por frase de forma aislada ignorando la información extra que puede aportar el contexto entre oraciones de un mismo documento. Así pues, el hecho de que los sistemas sean conscientes del contexto ayuda a mejorar la calidad de las traducciones mejorando su coherencia y evitando errores en casos de ambigüedad. En este trabajo se estudia los beneficios que aporta que los sistemas neuronales de traducción automática sean sensibles al contexto, es decir, que en el momento de realizar la traducción de un texto, el modelo obtenga para cada oración información adicional de las oraciones que la rodean. Para ello, se realizan diferentes integraciones en la arquitectura del modelo neuronal Transformer a partir del uso de un multicodificador encargado de capturar el contexto. Con el fin de mostrar la utilidad de este enfoque, se desarrolla una amplia experimentación variando el conjunto de datos y el paradigma de multicodificador integrado en el modelo de traducción. Por consiguiente, los resultados exponen que los sistemas sensibles al contexto mejoran la calidad de las traducciones., [CA] Els sistemes de traducció automàtica neuronal normalment tradueixen els documents frase per frase de forma aïllada ignorant la informació extra que pot aportar el context entre oracions d’un mateix document. Així doncs, el fet que els sistemes siguen conscients del context ajuda a millorar la qualitat de les traduccions millorant la seua coherència i evitant errors en casos d’ambigüitat. En aquest treball s’estudia els beneficis que aporta que els sistemes neuronals de traducció automàtica siguen sensibles al context, és a dir, que en el moment de realitzar la traducció d’un text, el model obtinga per a cada oració informació addicional de les oracions que l’envolten. Per a això, es realitzen diferents integracions en l’arquitectura del model neuronal Transformer a partir de l’ús d’un multicodificador encarregat de capturar el context. Amb la finalitat de mostrar la utilitat d’aquest enfocament, es desenvolupa una àmplia experimentació variant el conjunt de dades i el paradigma de multicodificador integrat en el model de traducció. Per consegüent, els resultats exposen que els sistemes sensibles al context milloren la qualitat de les traduccions., [EN] Neural machine translation systems usually translate documents sentence by sentence in isolation, ignoring the extra information that context can provide between sentences in the same document. Thus, the fact that systems are aware of the context helps to improve the quality of the translations by improving their coherence and avoiding errors in cases of ambiguity. In this project we study the benefits of context-aware neural machine translation models, that is, when translating a text, the model obtains for each sentence additional information from sentences that surround it. For this, different integrations are made in the architecture of the Transformer neural model for the use of a multi-encoder in charge of capturing the context. In order to expose the usefulness of this approach, extensive experimentation is developed by varying the data set and the multi-encoder paradigm integrated into the translation model. Therefore, the results show that context-aware systems improve the quality of translations.