La necesidad de diseñar e implementar arquitecturas inteligentes impone grandes retos que exceden las capacidades del software desarrollado hasta el momento, pues no existen arquitecturas inteligentes que se adapten a los cambios del escenario físico y tomen decisiones en tiempo real. Esto significa que uno de los retos críticos en el problema planteado está en el campo de la ingeniería y arquitectura software, que tienen que estar dispuestos a entender la interactividad de cambios en las variables del entorno físico, lo cual implica que el enfoque dado a dichas arquitecturas debe redirigirse al diseño e implementación de un nuevo paradigma de inteligencia en los ecosistemas en los que actúan la ingeniería y la arquitectura. Para atacar las necesidades de inteligencia expuestas anteriormente, proponemos una arquitectura como marco de referencia inteligente, diseñada en torno a la exposición de servicios y microservicios dirigidos por eventos con la capacidad funcional de procesar eventos complejos, los cuales pueden ser configurados, parametrizados y direccionados, diseñando patrones que adquieren inteligencia. Estos patrones son diseñados e implementados de acuerdo con un análisis previo de las rutinas de comportamiento de objetos o personas en un escenario dado. La inteligencia radica en la forma de inferir nuevos eventos más complejos, con mayor significado semántico y ontológico, a partir de la suma de eventos simples. Esto nos permite implementar patrones de comportamiento relevantes detectados por dispositivos sensores (cámaras de videovigilancia, sensores visuales, sensores de detección de señales, de proximidad, etc.) instalados en escenarios físicos. El diseño de arquitectura propuesto está orientado al aprendizaje de los patrones, de tal forma que a partir de este aprendizaje, analice la serie de eventos y derive conclusiones de ellos, dependiendo si en los eventos analizados existen situaciones catalogadas como inusuales o de interés. Todo lo anterior le permite al sistema reaccionar y someter la información a un procesamiento en línea y mejorar en la toma decisiones. En nuestro caso, también proveemos inteligencia desde el software, dado que la inteligencia diseñada a través de los patrones es recursiva en la suma de capacidades de los diferentes comportamientos que puede adquirir un evento expuesto a través de un microservicio. En el cual, la inteligencia se debe al engranaje conjunto de los componentes en un ecosistema dado en el que actúe el microservicio (sistemas ciberfísicos, la nube, redes neuronales, inteligencia artificial, robótica, etc.). Además, la inteligencia radica en la forma como los servicios compiten por los recursos de información subyacentes en los dispositivos sensores y por las necesidades de competencia por la infraestructura del ambiente IoT y la nube.

Esta tesis doctoral ha provocado un cambio de actitud y mentalidad; porque la forma de realizar investigación hasta el momento había sido basada en resultados, es decir, primero se piensa cual será el resultado que se obtendrá o hacia donde se debe llegar, que es lo que se va a producir, utilizando en este caso el método de abajo hacia arriba (bottom up). Sin embargo, este informe se ha realizado bajo una metodología causal, es decir, interesa conocer primeramente cual será el modelo para luego contestar preguntas ¿qué es? y ¿para qué es?, debido a que así se decide un modelo que servirá de marco a la solución y se concretan los objetivos, ya sin ambigüedad, que se persigue alcanzar. Posteriormente se irán contestando las preguntas de ¿cómo?, ¿cuándo? y ¿quién lo hará? Porque así se establece la estructura de la solución, la tecnología que la soportará, y el contexto. Por esa razón, este trabajo aborda aspectos diferentes a las formas tradicionales de resolver un problema en particular, sobre el cual ya se conocen otras soluciones. El método bottom-up puede utilizarse cuando se conoce de antemano la solución por otros casos parecidos; y el top-down es el método general cuando no se tiene mayor conocimiento previo sobre cuál puede ser la solución. De allí que para esta investigación se ha hecho uso del método top-down. Por lo tanto, el grado de Doctora permitirá, resolver problemas haciendo uso de método científico, procurando evitar incorporar arbitrariedad o reduciendo esta a su mínima expresión y, con ello, garantizando la calidad de la solución. Se persigue producir un avance en el estado del conocimiento, en el caso particular de la educación piramidal en el que se ha trabajado bajo un enfoque colaborativo jerarquizado, para la enseñanza de los lenguajes de programación, a través de una plataforma didáctica virtual, en la cual personas con un nivel de educación superior pueden tutorar a otros de nivel educativo inferior para, de esa manera, poder mejorar el proceso de enseñanza-aprendizaje en la Universidad Tecnológica de El Salvador, aunque cabe mencionar que este proyecto podrá ser aplicado a cualquier institución educativa ya sea formal o informal. El objetivo principal es que mediante la educación piramidal y por medio del uso de una plataforma virtual, se pueda dar apoyo en el aprendizaje de cualquier área del conocimiento, que en el caso particular se abordarán los lenguajes de programación, por ser parte fundamental de las carreras de Informática y del área de competencia docente de la autora.

La utilización de algoritmos de optimización en problemas de ingeniería ha tenido un gran aumento en los últimos años, lo que ha llevado a la proliferación de un gran número de nuevos algoritmos para resolver problemas de optimización. Además, la aparición de nuevas técnicas de paralelización aplicables a estos algoritmos para mejorar su tiempo de convergencia ha hecho que sea objeto de estudio por parte de muchos autores. Dentro de todos los algoritmos centraremos la investigación en dos algoritmos de optimización: Jaya y TLBO (y su versión discreta DTLBO). Una de las principales ventajas de ambos algoritmos sobre otros métodos de optimización es que los primeros no necesitan ajustar parámetros específicos para el problema concreto al que se aplican. En este trabajo se comparan las implementaciones paralelas de Teaching-Learning Based Optimization y Jaya. La paralelización de ambos algoritmos se realiza utilizando técnicas de GPUs manycore. Se crearán diferentes escenarios partiendo de un enfoque teórico utilizando funciones de la literatura actual para la evaluación de algoritmos de optimización y finalizando en la aplicación de dichos algoritmos a problemas reales de optimización de rutas, en nuestro caso aplicándolo al problema del viajante y para problemas de perforación en placas. Los resultados permitirán comparar ambos algoritmos paralelos en cuanto al número de iteraciones y el tiempo necesario para realizarlas para obtener un nivel de error predeterminado. También se analizará la ocupación de recursos de la GPU en cada caso.

Actualmente, la mejora e innovación en los procesos de enseñanza-aprendizaje se consideran aspectos fundamentales en todos los ámbitos de la enseñanza; sin embargo, las enseñanzas de música aún permanecen, en muchos casos, estáticas en este aspecto. Si se focaliza concretamente en el aprendizaje del canto lírico, se observa que el formato de las clases se reduce a una clase semanal, de una hora de duración aproximadamente, lo cual resulta insuficiente si se tienen en cuenta todas las destrezas que convergen en este arte poliédrico que es el canto lírico. Ello implica que el estudio en casa -que se presupone diario- se lleve a cabo en soledad, sin asistencia, guía o seguimiento por parte de la figura docente. Como consecuencia, aparecen habitualmente malos vicios o errores que, durante el estudio y su memorización, acaban volviéndose recurrentes, lo cual dificulta su rápida corrección. Por tanto, durante cada clase presencial se dedica mucho tiempo a corregir problemas recurrentes de afinación y medida rítmica, restando ese tiempo a los aspectos relacionados con la técnica vocal o la interpretación apropiada del repertorio, entorpeciéndose y ralentizándose, por tanto, la calidad de la enseñanza y los resultados académicos y artísticos. Esta propuesta pretende optimizar el tiempo de clase y el tiempo de estudio en casa mejorando a su vez los resultados, mediante el desarrollo de una aplicación informática que localiza y señala los errores recurrentes de afinación y medida, ofreciendo, a su vez, un protocolo de estudio diseñado como método que permite estructurar y organizar cada fase de estudio y dota al alumnado de todo un abanico de actividades preparatorias al canto. Al mismo tiempo, la aplicación ofrece al profesor/a la posibilidad de realizar un seguimiento real y minucioso del proceso de estudio llevado a cabo por cada alumno/a, favoreciendo una evaluación e individualización más precisa del alumnado, lo cual permite organizar cada futura clase de forma personalizada, en función de las necesidades específicas de cada alumno/a, mediante la obtención del feedback de la aplicación. De este modo, mediante grabación de audio, la herramienta recoge y señala de forma precisa sobre la propia partitura los errores cometidos a través de códigos de color asociados a cada parámetro musical. Esta información o feedback es accesible tanto para el/la alumno/a como para el/la docente, lo cual favorece un aprendizaje sin errores y un seguimiento individualizado, posibilitando así la optimización del tiempo y la mejora de la calidad de la enseñanza-aprendizaje mediante la fusión compenetrada de recursos humanos y recursos tecnológicos.

Según los últimos censos, nuestro planeta tiene cerca de 7.000 millones de habitantes principalmente concentrados en zonas urbanas. Consecuencia de esto las multitudes de personas se congregan en estos sitios, complicando la tarea de supervisión y vigilancia para mantener la seguridad pública en calles, plazas, avenidas y demás. Esto motiva el estudio y mejora de métodos de análisis automático del comportamiento humano. A esta área de investigación se le denomina Análisis del Comportamiento Humano, o Reconocimiento de Actividades Humanas. Gran parte de los trabajos dedicados a este problema se basan en técnicas de visión por computador junto con algoritmos de Machine Learning y, más recientemente, en Deep Learning. En este proyecto de tesis, se ha hecho inicialmente una revisión del estado del arte respecto al tema del análisis y reconocimiento de actividades y comportamientos humanos. En este estudio se han analizado los principales trabajos de machine learning tradicional y deep learning para el tema de la tesis, así como los principales datasets. Se ha visto que no existe un estándar o arquitectura que proponga solución genérica. Por otro lado, la mayoría de trabajos se centran en un determinado rango de individuos, habiendo propuestas para personas individuales, para pequeños grupos, grandes grupos o multitudes. Además, no existe un consenso en la nomenclatura respecto a los grados de complejidad, niveles de comportamiento o, como aquí se denomina, nivel de semántica de las acciones que se realizan. Tras este estudio, se ha propuesto una taxonomía bidimensional que permite clasificar las propuestas en el espacio "número de personas/nivel de semántica", siendo más descriptivo respecto al actual estado del arte y permitiendo ver donde se concentran mayormente los trabajos y cuales los retos aun no resueltos. Tras el estudio del estado del arte, en este trabajo se ha propuesto una arquitectura de visión y aprendizaje para reconocer actividades de grupos usando descriptores de movimiento. Se compone de dos bloques principales, el descriptor de movimiento y el clasificador de actividad. Las arquitecturas de red profunda que se estudian actualmente tienen la bondad de, dados unos datos en crudo (imágenes, secuencias, etc.) tratarlos internamente de forma que devuelvan un resultado, sin necesidad de pre-procesarlos primero. Sin embargo, esto los hace dependientes de los datos de entrenamiento y necesitan grandes datasets para que el entrenamiento sea suficiente. El hecho de introducir un descriptor hace que el espacio de búsqueda se reduzca, y por lo tanto se pueda entrenar con menor número de datos, y además, se pueda independizar la escena (número de individuos, localización de la actividad en el espacio, etc.) del comportamiento en sí. Para el descriptor de la arquitectura se propone en esta tesis como una variante del descriptor Activity Descriptor Vector (ADV), que se denomina D-ADV, y que obtiene dos imágenes del movimiento local acumulado, una UDF (de los movimientos arriba, Up, abajo, Down, y Frecuencia) y otra LRF (de los movimientos Left, izquierda, Right, derecha y Frecuencia). Por otro lado, como instancias de la arquitectura haciendo uso del D-ADV, se proponen el D-ADV-MultiClass para clasificación de múltiples clases. Esta propuesta se basa en utilizar los dos streams UDF y LRF, junto con una red profunda y transfer learning, para reconocer la actividad del grupo. Además, se ha propuesto otra instancia, llamada D-ADV-OneClass, que añade a los dos streams anteriores, otro con información de contexto. Esta última instancia da solución a problemas en los que solo se conoce una clase durante el entrenamiento, y por lo tanto se utilizan técnicas de one-class classification. En la experimentación se ha validado la arquitectura con las dos instancias D-ADV-MultiClass y D-ADV-OneClass utilizando los datasets públicos ampliamente conocidos, como son BEHAVE, INRIA y CAVIAR para multi-class, y para one-class los datasets Ped 1, Ped 2 y Avenue. Los resultados experimentales muestran la capacidad de la arquitectura para clasificar las actividades de los grupos presentados en los datasets. Además, se demuestra que la arquitectura es capaz de tener buenos resultados utilizando datasets con poca cantidad de datos. En este caso, no a partir de la imagen sino de la representación del movimiento. Por último se plantean como trabajos futuros experimentar con otros datasets de mayor tamaño o con otro tipo de datos (peleas callejeras y en rings de boxeo para ver como afecta el contexto en estas situaciones). A medio o largo plazo se realizarán mejoras aumentando y comprobando otras instancias de la arquitectura utilizando múltiples streams de entrada que puedan permitir detectar otros comportamientos.

Los sistemas de divisas virtuales o criptomonedas traen la posibilidad de profundos y disruptivos cambios en la forma en cómo se trabaja. Sobre su paradigma de descentralización y el otorgamiento de confianza en base a algoritmos criptográficos, podría dar forma a nuevos sistemas económicos que orientados de manera adecuada, serían componentes fundamentales que impulsen a la sociedad a alcanzar varios de los Objetivos de Desarrollo Sostenible. Esta investigación toma su enfoque bajo el análisis de diversas experiencias de sistemas monetarios alternativos cuya intención ha sido el desarrollo social y económico en entornos de proximidad; además, añade experiencias de gobierno electrónico y su relación con nuevas tecnologías que han fomentado modelos de desarrollo sostenible. Bajo este entorno, el trabajo presentado en esta tesis describe un modelo conceptual basado en criptomonedas sociales y cuyo objetivo se orienta a impulsar el desarrollo sostenible de la comunidad; además plantea sus componentes fundamentales y el flujo económico propuesto.

En la actualidad, la medicina no puede entenderse sin el apoyo de la tecnología. Las nuevas tecnologías forman parte del día a día de los profesionales de la salud y, cada vez más, de los usuarios de servicios médicos. Los avances en las tecnologías de la información y la comunicación (TICS) permiten una mayor interacción del personal médico con sus pacientes. El término e-Health se refiere a la aplicación de las TICS en el sector sanitario. Éstas permiten un fácil acceso a la información sobre salud, la posibilidad de interaccionar con otros pacientes y formar grupos de apoyo, la comunicación con profesionales de la salud y la utilización como herramienta en el seguimiento de patologías crónicas. El cáncer de mama es el tumor maligno femenino más frecuente. En España, una de cada ocho mujeres padecerá cáncer de mama en algún momento de su vida. Además, es una de las enfermedades más mediáticas y conocidas, con campañas de difusión sobre la prevención y el tratamiento del cáncer de mama en los distintos medios de comunicación. Todo esto lo convierte en un problema socio-sanitario importante. La fase diagnóstica de una lesión mamaria puede llegar a durar varias semanas, lo que influye en el bienestar psicológico de las mujeres que esperan el resultado definitivo de sus pruebas. La falta de información sobre los distintos pasos a seguir y el motivo de realización de los mismos aumentan la ansiedad en las pacientes, que tratan de indagar sobre su enfermedad por otros medios, siendo Internet la herramienta más utilizada en los últimos años. El objetivo principal de nuestro estudio es comprobar si la información y el seguimiento conjunto durante el proceso diagnóstico disminuye el nivel de ansiedad en mujeres con una lesión mamaria sospechosa. Para ello hemos creado una aplicación web con acceso personalizado, donde se dará información detallada de la patología de la paciente y de los distintos procesos diagnósticos que precisa cada una de forma individual. Como base del proyecto hemos desarrollado un proceso utilizando Bussines Process Management Notation (BPMN) con la aplicación BonitaBPM Community, que describe todas las fases del diagnóstico de una lesión mamaria y las distintas intervenciones de las partes implicadas para que la información se integre de manera eficaz a través de la web específicamente diseñada para nuestro proyecto. Diseñamos una aplicación web Isencilla, llamada “BreasTrack”, con acceso identificado personal, bilingüe (español/inglés), que incluye información general sobre patología mamaria, así como la información específica del proceso diagnóstico individual de cada paciente. Debido a una serie de problemas técnicos y de mantenimiento, finalmente utilizamos para este estudio una versión adaptada de “BreasTrack” a través de la plataforma MOODLE. La población elegida para la investigación son mujeres pertenecientes al Hospital de Torrevieja que presenten una lesión mamaria sospechosa que precisa la realización de una biopsia para su confirmación diagnóstica. Dividimos a las mujeres en dos grupos: un grupo control, que sólo debe completar el test de ansiedad de Spielberg (STAI) al inicio y al final del proceso diagnóstico, y un grupo de estudio, que además realizará el seguimiento de su proceso a través de la web. En una primera fase del estudio, analizamos y comparamos los niveles de ansiedad de cada grupo y las características socio-demográficas de las pacientes que presentan mayor nivel de ansiedad y en qué momento del proceso diagnóstico es más elevada. Por otra parte, evaluamos la usabilidad de nuestra aplicación web, tanto desde el punto de vista de las usuarias como de otros profesionales de la salud. Presentamos los resultados de una prueba de concepto con 29 participantes, 14 en el grupo web y 15 en el grupo control. La edad media de las pacientes fue de 59 años (36-75). La duración de la fase diagnóstica fue de 15,4 días (7-34). En global, todas las mujeres presentan un elevado nivel de ansiedad al inicio del proceso diagnóstico (72,17±4,34), que llega casi a normalizarse en el test final (56,24±4,34). No hay diferencias significativas entre el grupo web y el control, aunque el descenso en el nivel de ansiedad final es más importante en las mujeres que utilizaron la web, de un 78,57±6,25 en el test inicial hasta un 58,57±6,25 en el STAI final. Las participantes que presentaron el mayor nivel de ansiedad inicial en función de los factores socio-demográficos estudiados fueron: las mujeres menores de 45 años (92,16±9,55), las españolas por encima del resto de europeas (79,08±6,75), las viudas (93,5±16,53) y las separadas (74,66±13,5), las mujeres sin estudios (93,5±16,53), las mujeres con hijos (74,65±4,87) y las que practican algún deporte o técnica de relajación (74,2±5,23). Pocas diferencias en relación con el apoyo social o los antecedentes de cáncer de mama. En cuanto al tipo de tumor diagnosticado, las mujeres más ansiosas fueron el grupo de resultado benigno, pero de potencial maligno incierto, tanto al inicio (82±10,46) como al final del período diagnóstico (74,2±10,46). Entre las mujeres que utilizaron la web, la disminución de la ansiedad al final del proceso fue más evidente en mujeres de edad media (52,38±8,27), europeas (55,28±8,84), mujeres con estudios superiores (44±11,69), casadas (58,55±7,79), con apoyo social (52,28±6,75), sin antecedentes oncológicos (51±8,84) y las que practican deporte o técnicas de relajación (49,63±7,05). En comparación con el grupo control, no hubo grandes diferencias en ninguno de los factores estudiados, ya que en este grupo el nivel de ansiedad final también se mantiene o disminuye en muchos de los subgrupos, aunque en menor medida que en el grupo web. A pesar de estos resultados, la mayoría de las mujeres consideraron la web muy útil (57,14%) o útil (21,43%) durante la fase diagnóstica de una lesión mamaria. La valoración de la usabilidad por parte de profesionales de la salud concluye que “BreasTrack” es una aplicación w página web sencilla, intuitiva y útil, que cubre las necesidades del usuario. La adaptación en MOODLE no fue considerada tan fácil de utilizar al principio ni tan intuitiva, aunque si útil para las pacientes. Desde un punto de vista técnico se consultó con ingenieros aspectos sobre el desarrollo y el mantenimiento de la aplicación, concluyendo que el desarrollo de la aplicación web era más complejo que la adaptación (incluida la instalación) del MOODLE igual que su mantenimiento. En conclusión, “BreasTrack” es una herramienta web que ayuda a reducir el elevado nivel de ansiedad que presentan las mujeres durante la fase diagnóstica de una lesión mamaria sospechosa, independientemente de los factores socio-demográficos analizados en esta tesis. Es una web usable, útil y cubre las expectativas para las que fue diseñada. La implementación de la web original en un estudio con un mayor número de participantes permitirá una valoración más real del impacto de las TICS en la salud psicológica de nuestras pacientes.

La promoción y protección de la salud por parte de las autoridades sanitarias tiene por objetivo fomentar estilos de vida y entornos saludables, reducir los riesgos para la salud y garantizar la atención sanitaria de calidad de todas las personas. Las tecnologías de la información y la comunicación (TIC) tienen un gran potencial para abordar algunos de los desafíos que enfrentan tanto los países desarrollados como aquellos en vías de desarrollo para proporcionar servicios de atención médica accesibles, rentables y de calidad. El trabajo de investigación de esta tesis doctoral plantea el diseño de un modelo basado en monitorización para ayudar al empoderamiento en salud. El objetivo es implementar un modelo que sea lo suficientemente general, para que se pueda adaptar fácilmente a diversas patologías y procesos de atención médica; integral, que permita la adquisición de cualquier variable de información para su monitorización; y flexible, para que pueda ser utilizado en diferentes entornos. Para instanciar este modelo, se ha seguido el paradigma de arquitecturas distribuidas orientadas a servicios (SOA) que proporciona características de interoperabilidad, robustez, independencia, concurrencia, escalabilidad, reusabilidad y tolerancia a fallos. Los resultados obtenidos a lo largo de esta investigación confirman la hipótesis planteada demostrando que los sistemas desarrollados cumplen con las funcionalidades descritas en el modelo y en la arquitectura y han contribuido al desarrollo de los modelos de monitorización enfocados al empoderamiento de los pacientes.

El algoritmo de clasificación kNN (k-nearest neighbors) es uno de los métodos de clasificación no paramétrico más utilizados, sin embargo, está limitado debido al consumo de memoria relacionado con el tamaño del conjunto de datos, lo que hace poco práctica su aplicación a grandes volúmenes de datos. La investigación descrita en esta tesis fue motivada por la necesidad de una representación óptima de datos categóricos que puedan ser fácilmente incorporados en los algoritmos de aprendizaje automático que permiten un análisis y explotación inteligente de grandes volúmenes de datos. En esta tesis se propone el uso de un esquema de compresión a nivel de bits para comprimir el conjunto de datos de entrenamiento (training dataset) antes de entrenar un modelo de aprendizaje automático. Para utilizar el conjunto de datos, se propuso una descompresión en tiempo real que permite el uso del conjunto de datos sin necesidad de una descompresión completa. Para facilitar la incorporación del método de compresión propuesto en los frameworks de aprendizaje automático existentes, el método propuesto está alineado con el estándar Basic Linear Algebra Subprograms - BLAS de nivel 1 que define los bloques de construcción básicos en forma de funciones algebraicas. En particular, en esta tesis se propone el uso del algoritmo kNN para trabajar con datos categóricos comprimidos. El método propuesto permite mantener los datos comprimidos en memoria, con lo que se reduce drásticamente el consumo de memoria.

No description available.