El presente proyecto de tesis se enmarca dentro del proyecto FONDEF DO8I-1015 llamado DOcument COpy DEtector (DOCODE), cuyo objetivo es desarrollar un sistema de detección de copia escrita. Hoy ya existe una versión 1.0 de DOCODE que incluye búsqueda web a partir de un texto ingresado1 , sin embargo se está desarrollando la versión 2.0 en la cual se incluirán parseadores, sistemas de similitud de documento, y demás herramientas avanzadas; y es en esta nueva versión que se incluirá el Modelo de Fusión de Datos que aquí se describe. Antes de explicar el desarrollo de esta tesis recordemos la etapa de cambio que vivimos en la actualidad, la llamada revolución informática, que en pocas palabras es la masificación y facilidad de acceso a la información mediante equipos electrónicos. Esta etapa de cambio se ve fortalecida con el Internet, medio que permite a las personas consultar e intercambiar información con terceros con bastante facilidad. Esta comodidad de acceso a la información también trae consigo un inconveniente: el problema del plagio, un mal que en esta época de adelantos puede traer atrasos, porque un estudiante en formación en lugar de investigar se puede dedicar a copiar y pegar información que encuentra fácilmente en Internet. Este problema no es menor y repercute en muchos ámbitos, no sólo académico, porque además de ser un problema ético, a gran escala se puede convertir en un problema serio con índoles legales. Para evitar ello, los investigadores del tema han desarrollado diversos métodos y sistemas de detección de plagio. Los cuales se basan en metodologías o algoritmos numérico–matemáticos que ayudan a identificar el grado de similitud entre un par de documentos A y B, también denominado dupla de Documento Sospechoso vs. Documento Fuente. Estos desarrollos poseen un variado desempeño, y es dependiente de la base de prueba. Es decir, algunos métodos funcionan bien y dan un resultado confiable para cierta base de experimentación, pero otros no, y estos mismos métodos pueden entregar malos resultados para otra base, mientras que los otros dan buenos resultados. Eliminar la “incertidumbre” en los resultados es la motivación principal de esta tesis, por ello se propone desarrollar un modelo para detección de plagio que pueda incluir N métodos de detección individuales (Donde: N ∈ Z +) y que sea capaz de tomar sus mejores resultados para mostrarlos como un único resultado final. Con lo descrito, se plantea el objetivo de este proyecto: “Desarrollar un Modelo de Fusión de Datos eficiente que pueda integrar diversos resultados de Sistemas de detección de similitud entre documentos” Para conseguir dicho objetivo se Diseñó y Desarrolló un Modelo de Fusión de Datos para la detección de plagio entre documentos que posee tres partes importantes: (1) La modificación de la Ecuación del Valor de la Información propuesta por Yu Suzuki et. al. [67]. (2) Un Sistema de Combinación Geométrico y (3) Una formulación que incluye un Factor de credibilidad. Que es un indicador ingresado por el usuario (juicio experto) y que muestra el nivel de confianza que se le tiene a un Método de Detección de Plagio. Posteriormente, el Modelo propuesto se validó con una base de pruebas supervisada otorgada por la PAN20102 [55] y se le comparó con otros Modelos de Fusión de Datos Clásicos [49, 63]. En esta comparación el Modelo de Fusión de Datos Propuesto en la tesis alcanzó el mejor desempeño con un F-MEASURE promedio de 94.3 % y una desviación estándar de 8.2 %, logrando así ser el más eficiente entre los modelos. Además, con ayuda del grupo de Social Network Analysis (SNA) de la Universidad de Chile3 , se realizó un análisis para detectar grupos sociales de copia para un conjunto de tareas digitales presentadas por alumnos del ramo de Tecnologías de la Información4 donde se logró detectar relación de similitud entre tareas de algunos alumnos. Esto después se contrastó con el auxiliar del ramo y se verificó la existencia de copia para los documentos reconocidos por el sistema. En esta etapa se utilizaron grafos dirigidos, para la representación visual de los resultados. Finalmente, se concluyó que el sistema desarrollado es eficiente con un ACCURACY, PRECISION y RECALL de 99.8 %, 96.1 % y 78.1 % respectivamente. Consiguiendo, de ese modo, cumplir con el objetivo propuesto.

Los primeros robots operaban en entornos especialmente preparados para ellos. Cada componente de su espacio de trabajo se encontraba situado en una posición y orientación predefinidas, de modo que el robot conocía a priori y con exactitud el escenario donde se encontraba. En la actualidad muchas de las aplicaciones requieren que los robots tengan rasgos de autonomía como son la capacidad para identificar mediante sus sensores las características que tiene el entorno, la capacidad para autolocalizarse dentro del mismo, y la capacidad para navegar por su espacio de trabajo respondiendo a las variaciones temporales que vayan surgiendo. A pesar de que los resultados obtenidos en el campo de la construcción de mapas y auto-localización de robot móviles son abundantes y muy significativos, aun existen problemas por resolver sobre todo los vinculados al uso de sensores imprecisos y de bajo costo, ya que la información obtenida con estos sensores resulta poco fiable al momento de integrarla a las distintas aplicaciones en este tipo de sistemas. Este trabajo se centra en el estudio y modelado de sensores de bajo costo de uso típico en robótica móvil (codificadores rotativos, sensores de ultrasonidos e infrarrojos, compás magnético), y de cómo pueden ser utilizados en labores de auto-localización y representación del entorno. Mediante la fusión de datos provenientes de sensores de bajo coste se logra que un robot móvil se auto localice adecuadamente de forma que pueda navegar confiablemente en entornos estructurados. Para probar y evaluar off-line los distintos mecanismos de fusión y filtrado propuestos, a lo largo de esta tesis se desarrollan modelos sensoriales así como un pseudo código para la simulación de la operación de estos sensores en un robot real. Igualmente, en esta tesis se formulan los procedimientos y se elabora el software que se insertará en un robot real para que éste ejecute las acciones de control de navegación, de adquisición y filtrado de datos sensoriales, y de fusión pertinente a la localización y el mapeado en su entorno de operación. / Navarro García, DA. (2009). Contribución a la autolocalización de robots móviles basada en la fusión de información multisensorial [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/6285

Uno de los aspectos esenciales en la robótica móvil es la obtención y procesamiento de la información relativa a la localización del robot en el espacio de movimiento, con el fin utilizarla para generar los movimientos deseados del robot. Para esto se busca utilizar la mayor cantidad posible de fuentes de información con el fin de corregir los errores de posición asociados a la presencia de ruido en las mediciones del robot. La fusión de esta información es tema central de la tesis en la cual se exponen distintos algoritmos de fusión, desarrollados específicamente para robots móviles con recursos de computación limitados. Utilizando modelos dinámicos en conjunto con técnicas de fusión basadas en filtro de Kalman se realiza una estimación local de la posición utilizando sensores inerciales. Esta estimación se fusiona mediante un filtro de Kalman con información de un sensor global y una corrección basada en eventos. Esta combinación de filtros en cascada con corrección basada en eventos es el principal aporte de la presente tesis. Esta solución al problema de localización permite una precisión similar pero un coste computacional menor a esquemas más complejos de fusión, lo que permite su implementación en robots de recursos limitados. El esquema propuesto se extiende para permitir la localización cooperativa de grupos de robots, modificando la actualización por eventos para incorporar la fusión de la posición de distintos robots cercanos entre si. Para esto se determina la posición entre los robots y se utiliza un sistema de comunicación y gestión basada en agentes. Este método permite realizar una fusión sensorial inteligente, tomando en cuenta únicamente la información de posición más fiable para actualizar al grupo de robots, lo que nuevamente reduce el costo computacional de la solución sin repercusiones considerables en la precisión de la localización. Los algoritmos propuestos son probados extensivamente mediante simulación y en distintas plataformas, principalmente en el LEGO NXT. Se presentan además ejecuciones de tiempo extendido que comprueban la estabilidad y robustez del método en largas distancias. / Marin Paniagua, LJ. (2014). Localización de robots móviles de recursos limitados basada en fusión sensorial por eventos [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/38902

[ES] Esta tesis aborda el problema de fusión de datos en el ámbito de la neurociencia. El objetivo principal de este estudio es la fusión de modalidades, con énfasis en la fusión bimodal de señales biomédicas fMRI+EEG y de ECG+EEG. Las técnicas de fusión de datos tienen como objetivo alcanzar la exactitud y precisión en la toma de decisiones que sería más difícil con una sola modalidad. Hemos hecho una extensa revisión bibliográfica que contempla la fusión temprana y la fusión tardía de la siguiente manera: fusión temprana a nivel de sensores; fusión temprana a nivel de características; fusión tardía a nivel de scores; y fusión tardía a nivel de decisiones. En cada uno de esos apartados se presenta una tabla comparativa con las debilidades y fortalezas de cada método, así como los trabajos más citados. También hemos hecho aportes teóricos en esta área abordando el tema de la comparación entre la fusión temprana y la fusión tardía (soft y hard) para un problema multimodal de dos clases, dando elementos sobre la opción más adecuada a la hora de seleccionar la fusión temprana o tardía. Para este análisis hemos asumido inicialmente el conocimiento de los modelos utilizados., para después considerar modelos donde hay que estimar una serie de parámetros a partir de un conjunto de entrenamiento. El análisis se ha hecho para datos incorrelados y se ha extendido a datos con matrices de covarianza arbitrarias. Hemos realizado un estudio experimental como complemento del capítulo teórico. A partir de cuatro experimentos diferentes se destaca la efectividad de la fusión de datos multimodales para la mejora del rendimiento de los clasificadores. Los métodos de fusión y los clasificadores probados mostraron consistentemente un rendimiento superior en términos de métricas como el F1 score, la precisión, AUC y APR, en comparación con el uso de una sola modalidad de datos. Los resultados logrados subrayan la importancia de la fusión de datos en aplicaciones neurocientíficas y abren nuevas posibilidades para el desarrollo de sistemas de diagnóstico más precisos y robustos. / [CA] Aquesta tesi aborda el problema de la fusió de dades en l'àmbit de la neurociència. L'objectiu principal d'aquest estudi és la fusió de modalitats, amb èmfasi en la fusió bimodal de senyals biomèdiques fMRI+EEG i d'ECG+EEG. Les tècniques de fusió de dades tenen com a objectiu assolir l'exactitud i precisió en la presa de decisions que seria més difícil amb una sola modalitat. Hem fet una extensa revisió bibliogràfica que contempla la fusió primerenca i la fusió tardana de la següent manera: fusió primerenca a nivell de sensors; fusió primerenca a nivell de característiques; fusió tardana a nivell de puntuacions; i fusió tardana a nivell de decisions. En cadascun d'aquests apartats es presenta una taula comparativa amb les debilitats i fortaleses de cada mètode, així com els treballs més citats. També hem fet aportacions teòriques en aquesta àrea abordant el tema de la comparació entre la fusió primerenca i la fusió tardana (suau i dura) per a un problema multimodal de dues classes, donant elements sobre l'opció més adequada a l'hora de seleccionar la fusió primerenca o tardana. Per a aquesta anàlisi, hem assumit inicialment el coneixement dels models utilitzats, per després considerar models on cal estimar una sèrie de paràmetres a partir d'un conjunt d'entrenament. L'anàlisi s'ha fet per a dades incorrelades i s'ha estès a dades amb matrius de covariància arbitràries. Hem realitzat un estudi experimental com a complement del capítol teòric. A partir de quatre experiments diferents es destaca l'efectivitat de la fusió de dades multimodals per a la millora del rendiment dels classificadors. Els mètodes de fusió i els classificadors provats van mostrar constantment un rendiment superior en termes de mètriques com el F1 score, la precisió, AUC i APR, en comparació amb l'ús d'una sola modalitat de dades. Els resultats obtinguts subratllen la importància de la fusió de dades en aplicacions neurocientífiques i obrin noves possibilitats per al desenvolupament de sistemes de diagnòstic més precisos i robusts. / [EN] This thesis addresses the problem of data fusion in the field of neuroscience. The main objective of this study is to explore multimodal fusion, with an emphasis on bimodal fusion of biomedical signals such as fMRI+EEG and ECG+EEG. Data fusion techniques aim to achieve accuracy and precision in decision-making that would be more challenging with a single modality. We have conducted an extensive literature review covering early fusion and late fusion, as follows: early fusion at the sensor level, early fusion at the feature level, late fusion at the score level, and late fusion at the decision level. In each of these sections, we present a comparative table outlining the strengths and weaknesses of each method, as well as the most cited works. We have also made theoretical contributions to this area by addressing the comparison between early and late fusion (both soft and hard) for a two-class multimodal problem, providing insights into the most suitable choice between early and late fusion. For this analysis, we initially assumed knowledge of the models used, then considered scenarios where a series of parameters must be estimated from a training set. The analysis was conducted for uncorrelated data and extended to data with arbitrary covariance matrices. We conducted an experimental study to complement the theoretical chapter. Based on four different experiments, the effectiveness of multimodal data fusion in enhancing classifier performance was highlighted. The tested fusion methods and classifiers consistently demonstrated superior performance in terms of metrics such as F1 score, precision, AUC, and APR compared to using a single data modality. The results emphasize the importance of data fusion in neuroscientific applications and open up new possibilities for developing more accurate and robust diagnostic systems. / Pereira González, LM. (2024). Nuevas contribuciones en aplicaciones de fusión multimodal de bioseñales [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/213614