La animación facial es uno de los tópicos todavía no resueltos tanto en el campo de la interacción hombre máquina como en el de la informática gráfica. Las expresiones de alegría asociadas a risa y sonrisa son por su significado e importancia, parte fundamental de estos campos. En esta tesis se hace una aproximación a la representación de los diferentes tipos de risa en animación facial a la vez que se presenta un nuevo método capaz de reproducir todos estos tipos. El método se valida mediante la recreación de secuencias cinematográficas y mediante la utilización de bases de datos de expresiones faciales genéricas y específicas de sonrisa. Adicionalmente se crea una base de datos propia que recopila los diferentes tipos de risas clasificados y generados en este trabajo. De acuerdo a esta base de datos propia se generan las expresiones más representativas de cada una de las risas y sonrisas consideradas en el estudio. / L'animació facial és un dels tòpics encara no resolts tant en el camp de la interacció home màquina com en el de la informàtica gràfica. Les expressions d'alegria associades a riure i somriure són pel seu significat i importància, part fonamental d'aquests camps. En aquesta tesi es fa una aproximació a la representació dels diferents tipus de riure en animació facial alhora que es presenta un nou mètode capaç de reproduir tots aquests tipus. El mètode es valida mitjançant la recreació de seqüències cinematogràfiques i mitjançant la utilització de bases de dades d'expressions facials genèriques i específiques de somriure. Addicionalment es crea una base de dades pròpia que recull els diferents tipus de rialles classificats i generats en aquest treball. D'acord a aquesta base de dades pròpia es generen les expressions més representatives de cadascuna de les rialles i somriures considerades en l'estudi. / Nowadays, facial animation is one of the most relevant research topics still unresolved both in the field of human machine interaction and in the computer graphics. Expressions of joy associated with laughter and smiling are a key part of these fields mainly due to its meaning and importance. In this thesis an approach to the representation of different types of laughter in facial animation is done while a new method to reproduce all these types is proposed. The method is validated by recreating movie sequences and using databases of generic and specific facial smile expressions. Additionally, a proprietary database that lists the different types of classified and generated laughs in this work is created. According to this proprietary database the most representative of every smile expression considered in the study is generated.

Se desarrolla un modelo basado en NURBS, BSplines4D, de representación de superficies parametrizadas en 4D. El objetivo es la representación y simulación dinámica de superficies deformables basadas en el modelo; se realiza un estudio de las ecuaciones del movimiento, asociando un funcional de energía para medir la deformación de objetos, realizando un estudio riguroso sobre los métodos de integración y de discretización, tanto temporal como espacial, determinando su adecuación para resolver el sistema de ecuaciones diferenciales generado. El movimiento y la simulación de la deformación se realizan exclusivamente usando los puntos de control 4D, obteniendo una eficiencia numérica y computacional excelentes. La determinación del modelo BSplines4D se realiza tras un estudio pormenorizado de los modelos existentes. También se ha utilizado para desarrollar un modelo, N-Scodef, de deformaciones de formas libres (FFD), utilizando deformaciones geométricas basadas en restricciones. Se han establecido las condiciones para aplicar restricciones con trayectorias no rectilíneas, representadas por curvas B-Spline 4D. La deformación se adapta de forma precisa a la forma descrita por las curvas. / Es desenvolupa un model basat en NURBS, Bsplines4D, de representació de superfícies parametritzades en 4D. L'objectiu és la representació i simulació dinàmica de superfícies deformables basades en el model; es realitza un estudi de les equacions del moviment, associant un funcional d'energia per mesurar la deformació d'objectes, realitzant un estudi rigorós sobre els mètodes d'integració i discretització, tant temporal com espacial, determinant la seva adequació per resoldre el sistema d'equacions diferencials generat. El moviment i la simulació de la deformació es realitzen exclusivament utilitzant els punts de control 4D, obtenint una eficiència numèrica i computacional excel·lents. La determinació del model Bsplines4D es realitza després d'un estudi detallat dels models existents. També s'ha utilitzat per desenvolupar un model, N-Scodef, de deformacions de formes lliures (FFD), utilitzant deformacions geomètriques basades en restriccions. S'han establert les condicions per aplicar restriccions amb trajectòries no rectilínies, representades per corbes B-Spline 4D. La deformació s'adapta de forma precisa a la forma descrita per les corbes / Bsplines4D, a NURBS based model, is presented. The model allows the representation of 4D parameterized surfaces. The objective is the representation and dynamic simulation of deformable surfaces based on this model; a study of the movement equations has been made, associating to them an energy functional to measure the objects' deformation. A rigorous study on the integration and discretization, both temporal and spatial, is made to evaluate its suitability to solve the system of differential equations generated. The movement and simulation of the deformation is performed only using the 4D control points. An excellent numeric and computational efficiency is achieved. The Bsplines4D model is obtained after a detailed study on the existent models. The model has been also used to develop a free-form deformable (FFD) model, N-Scodef, using geometric constraint-based deformations. The conditions to apply constraints with non rectilinear trajectories, based on 4D B-Spline curves, have been established. The deformations fit precisely to the curves form.

Diversos treballs en el camp de la modelització d'aplicacions cientí¬fiques, tecnològiques i industrials requereixen la resolució de sistemes d'equacions lineals i problemes lineals de mí¬nims quadrats densos de gran dimensió. Davant tals necessitats, l'objectiu plantejat en aquesta tesi ha estat dissenyar, desenvolupar i avaluar una col·lecció de rutines altament eficients per a resoldre sistemes d'equacions lineals i problemes lineals de mínims quadrats de dimensió elevada (matrius amb desenes de milers de files/columnes) sobre arquitectures actuals, fent ús de tècniques out-of-core. Les tècniques out-of-core estenen la jerarquia de memòria per a abastar el nivell de l'emmagatzematge secundari, fent possible la resolució de sistemes d'equacions lineals densos de gran dimensió en plataformes amb una memòria principal de grandària reduïda. En aquesta tesi s'exploten, a més, les característiques dels processadors actuals com les arquitectures multihebra i els processadors gràfics.

Aquesta memòria s'ha escrit amb l'ànim d'exposar els punts de vista i els resultats nous que l'autor ha pogut obtenir. No s'hi troba, per tant, una descripció detallada de tots els temes que conformen la teoria dels operadors de T-indistingibilitat, el Raonament Aproximat ni, per descomptat, la Lògica Difusa. S'ha glossat només els aspectes necessaris per fer la memòria autocontinguda, i s'ha reforçat l'exposició amb un conjunt ampli de referències bibliogràfiques. L'excel·lència de moltes d'elles fa absolutament innecesari i pretenciós l'intent de l'autor de reescriure sobre els mateixos temes amb l'ànim de fer-los entenedors.La memòria està dividida en dues parts: 1) Operadors de T-indistingibilitat (Capítols 1, 2 i 3)2) Aplicacions al Raonament Aproximat (Capítols 4 i 5)En la primera part s'estudia qüestions relatives a l'estructura dels operadors de T-indistingibilitat.El Capítol 1 tracta dels aspectes previs: les t-normes i, sobre tot, les seves quasi-inverses. Són les operacions bàsiques sobre les que es construeixen els operadors de T-indistingibilitat.En el Capítol 2 s'estudia l'estructura del conjunt HE dels generadors d'una T-indistingibilitat E, des del punt de vista reticular i dimensional. Finalment, el Capítol 3 està dedicat als morfismes entre operadors de T-indistingibilitat i a l'estructura dual.A la segona part es proposa un principi general de Raonament Aproximat que es basa en els operadors de T-indistingibilitat. En el Capítol 4, s'analitza les diferents formes de CRI a través d'aquest principi, i es proposa nous mecanismes d'inferència diferents de CRI (Operador Natural d'Inferència), mentre que en el Capítol 5 s'estudia l'estructura dels nous mecanismes introduïts i el seu comportament en interpolació, en presència de múltiples regles.Cada capítol s'encapçala amb una introducció en forma de sumari i amb un llistat de les aportacions de la memòria (resultats nous).

Premi extraordinari ex-aequo en l'àmbit d'Electrònica i Telecomunicacions. Convocatoria 1999 - 2000 / Nearest Neighbour (NN) classifiers are one of the most celebrated algorithms in machine learning. In recent years, interest in these methods has flourished again in several fields (including statistics, machine learning and pattern recognition) since, in spite of their simplicity, they reveal as powerful non-parametric classification systems in real-world problems. The present work is mainly devoted to the development of new learning algorithms for these classifiers and is focused on the following topics:- Development of learning algorithms for crisp and soft k-NN classifiers with large margin- Extension and generalization of Kohonen's LVQ algorithms- Local stabilization techniques for ensembles of NN classifiers- Study of the finite-sample convergence of the on-line LVQ1 and k-means algorithmsBesides, a novel oriented principal component analysis (OPCA) addressed for featureextraction in classification is introduced. The method integrates the feature extraction into the classifier and performs global training to extract those features useful for the classifier. The application of this general technique in the context of NN classifiers derives in a problem of learning their weight metric.

Information Extraction (IE) can be defined as the task of automatically extracting preespecified kind of information from a text document. The extracted information is encoded in the required format and then can be used, for example, for text summarization or as accurate index to retrieve new documents.The main issue when building IE systems is how to obtain the knowledge needed to identify relevant information in a document. Today, IE systems are commonly based on extraction rules or IE patterns to represent the kind of information to be extracted. Most approaches to IE pattern acquisition require expert human intervention in many steps of the acquisition process. This dissertation presents a novel method for acquiring IE patterns, Essence, that significantly reduces the need for human intervention. The method is based on ELA, a specifically designed learning algorithm for acquiring IE patterns from unannotated corpora.The distinctive features of Essence and ELA are that 1) they permit the automatic acquisition of IE patterns from unrestricted and untagged text representative of the domain, due to 2) their ability to identify regularities around semantically relevant concept-words for the IE task by 3) using non-domain-specific lexical knowledge tools such as WordNet and 4) restricting the human intervention to defining the task, and validating and typifying the set of IE patterns obtained.Since Essence does not require a corpus annotated with the type of information to be extracted and it does makes use of a general purpose ontology and widely applied syntactic tools, it reduces the expert effort required to build an IE system and therefore also reduces the effort of porting the method to any domain.In order to Essence be validated we conducted a set of experiments to test the performance of the method. We used Essence to generate IE patterns for a MUC-like task. Nevertheless, the evaluation procedure for MUC competitions does not provide a sound evaluation of IE systems, especially of learning systems. For this reason, we conducted an exhaustive set of experiments to further test the abilities of Essence.The results of these experiments indicate that the proposed method is able to learn effective IE patterns.

En la darrera dècada, el disseny de sistemes de supervisió per a processos industrials ha rebut força atenció. Aquest fet s'explica per l'augment de la demanda en prestacions, flexibilitat i seguretat causada per la creixent conscienciació en qüestions de qualitat , legislació ambiental, i productivitat. L'interès principal d'aquesta Tesi es centra en el disseny d'un Sistema de Supervisió Intel·ligent (SIS). La tasca encomanada al SIS és la vigilància del procés, que consisteix en identificar i notificar a l'operador el seu estat de funcionament. Així per exemple, si el SIS detecta un estat de fallada, l'operador podrà emprendre les accions correctores adequades.La originalitat d'aquest treball es basa en la proposta d'una metodologia de disseny basada en la interpretació d'esdeveniments significatius, detectats en els senyals mesurats. En aquesta metodologia, l'expert té un paper rellevant, proporcionant el seu coneixement heurístic del procés. Es proposa una arquitectura de supervisió estructurada en dos nivells: la interfície i el supervisor.La interfície és l'encarregada d'abstraure informació significativa del procés, a partir de l'anàlisi dels senyals mesurats. Per aquest nivell, s'ha formalitzat una metodologia de disseny fonamentada en el paradigma de les finestres lliscants. Una finestra és un conjunt de dades consecutives d'un senyal, caracteritzada per una amplada i un desplaçament. Aplicant un càlcul determinat sobre aquestes dades és possible obtenir una nova dada. Així, l'anàlisi de diverses finestres consecutives proporciona un nou senyal sobre el que es pot aplicar un procediment similar. Continuant aquest procés iteratiu, es pot arribar a abstraure un senyal amb un contingut prou significatiu per a l'expert. Aquesta informació és transmesa al supervisor en forma d'esdeveniments.El supervisor s'encarrega d'interpretar els diversos encadenaments d'esdeveniments observats, i notifica l'estat de funcionament del procés a l'operador. Per aquest nivell, s'ha desenvolupat una metodologia per a l'obtenció d'un model comportamental de la planta, com a màquina d'estats finits. El procediment de modelatge proposat considera la definició de models associats a diversos components del procés i a les interaccions que s'estableixen entre ells. L'autòmat final s'obté per composició de tots aquests models.Ambdós nivells es nodreixen del coneixement heurístic de l'operador: definint els esdeveniments significatius a detectar mitjançant l'anàlisi dels senyals, i associant els encadenaments esperats a estats de funcionament.La metodologia de disseny del SIS ha estat validada satisfactòriament mitjançant l'aplicació a un procés biotecnològic i a una estació de mecanitzat.Diversos resultats d'aquest treball han estat presentats a congressos nacionals i internacionals. / OF THE THESISOver the last decade, the design of supervisory systems for industrial processes has received a great deal of attention. One reason for this is the increased demands on performance, flexibility, and safety caused by increased awareness, environmental regulations, and customer-driven productivity.The main purpose of this Thesis is the design of a Supervisory Intelligent System (SIS). The proposed SIS is concerned with process monitoring, consisting in process functional state identification and its notification to the operator. For example, on faulty state detection, the operator could apply the appropriate corrective action.The originality of this work consists in proposing a design methodology based on the interpretation of significative events, detected from measured signals. In this methodology, heuristic knowledge supplied by operators and experts is very important. A two level supervision architecture is proposed: the interface and the supervisor.The interface deals with abstracting significative process information by means of measured signals data analysis. For this level, a design methodology based on the sliding window paradigm has been formalised. A window is a signal data set, characterised by a duration and a sliding time. Running a specific computation on this data set produces new data. So, the analysis of different consecutive windows leads to a new signal on which a similar procedure can then be applied. Following this iterative process, a signal can be derived which carries enough significative information according to the operator. This information is transmitted to the supervisor as events. The supervisor translates observed event sequences into process states, which later are notified to the operator. For this level, we propose a design methodology that supplies a behavioural plant model by means of a finite state machine description. This procedure is based on modelling process components and interactions between them. The final automaton is obtained by the composition of all these models.Both SIS levels depend on the available operator heuristic knowledge: defining significative events which are to be detected using data analysis, and linking expected event sequences to functional states.The SIS design methodology has been successfully validated through its application to a biotechnological process and a milling machine.Several results in this dissertation have been presented at national and international conferences.

This thesis focuses on the development of a system in which a team of heterogeneous mobile robots can cooperate to perform a wide range of tasks. In order that a group of heterogeneous robots can cooperate among them, one of the most important parts to develop is the creation of an architecture which gives support for the cooperation. This architecture is developed by means of embedding agents and interfacing agent code with native low-level code. It also addresses the implementation of resource sharing among the whole group of robots, that is, the robots can borrow capabilities from each-other.In order to validate this architecture, some cooperative applications have been implemented. The first one is an application where a group of robots must cooperate in order to safely navigate through an unknown environment. One robot with camera calculates the optical flow values from the images, and from these values calculates the "time to contact" values. This information is shared among the team so that any robot can navigate without colliding with the obstacles.The second cooperative application consists of enabling the team of heterogeneous robots to create a certain formation and navigate maintaining this formation. The application consists of two parts or stages. The first one is the creation of the formation, where a robot with the camera can detect where the rest of the robots are in the environment and indicates to them which is their initial position in the formation. In the second stage the robots must be able to navigate through an environment following the path that the robot with the laser indicates. Due to the odometry errors of the robots, the camera of one of the robots is used so that robots which lose their correct position in the formation can re-align themselves. Finally, in an attempt to facilitate access to the robots of the team and to the information that their accessories provide, a system for the teleoperation of the team has been implemented. This system can be used for teaching robotics or to facilitate the tasks of programming and debugging in the research tasks.

de la memòriaEn aquest estudi es consideren aspectes teòrics i pràctics del modelatge de sistemes no lineals mitjançant xarxes neuronals modulars.A la vessant teòrica s'ha proposat un model que aprofita les avantatges de les xarxes neuronals i minimitza els seus inconvenients, permetent interpretar físicament els resultats i afegir coneixement previ per accelerar el procés de modelatge. Es tracta de les xarxes de mòduls neuronals.Un mòdul neuronal és una xarxa neuronal que aprofita l'ús de restriccions estructurals per forçar un tipus de comportament al model. Aquest concepte s'ha creat a propòsit en aquest estudi, recolzat per l'argument de que les restriccions topològiques constitueixen un mètode més versàtil i efectiu que el propi mecanisme d'aprenentatge per facilitar comportaments desitjats en una xarxa neuronal.D'aquesta forma, una vegada aplicat el procés de identificació, el model resultant és una xarxa neuronal composada per mòduls, cadascun dels quals representa un bloc funcional del sistema amb un significat fàcilment interpretable.Donat que els mòduls neuronals són paradigmes nous dins de l'àmbit de les xarxes neuronals, s'ha proposat una sèrie de pautes pel seu disseny i es descriu un conjunt de mòduls neuronals format per nou no linealitats dures i els sistemes lineals sense restricció d'ordre.També s'ha realitzat un estudi formal en el que s'han caracteritzat els sistemes que es poden aproximar mitjançant xarxes de mòduls neuronals, el conjunt ?NM, i s'ha establert una cota de l'error d'aquesta aproximació. Aquest resultat és fonamental perquè assenta una base sòlida per plantejar el modelatge de sistemes no lineals amb xarxes de mòduls neuronals. En ell es demostra que, com més precisa sigui l'aproximació de les diferents parts del sistema, més precisa serà l'aproximació del sistema global.Des del punt de vista pràctic, es consideren els aspectes de creació i optimització del model proposat.Primerament, i donat que es tracta d'una xarxa neuronal, es repassen els mecanismes existents a la literatura per adaptar els paràmetres del model al problema. En aquest sentit, s'ha dissenyat un algoritme d'aprenentatge específic per les xarxes neuronals modulars, el modular backpropagation, el cost computacional del qual comparat amb altres algoritmes clàssics, és menor en estructures modulars.Es descriu també una eina de modelització dissenyada a propòsit com mètode per crear i optimitzar, de forma automàtica, xarxes de mòduls neuronals. Aquesta eina combina la programació evolutiva, algoritmes clàssics d'aprenentatge neuronal i el gestor d'aprenentatge, modular backpropagation, amb la finalitat de resoldre problemes de modelització de sistemes no lineals mitjançant xarxes de mòduls neuronals.Finalment, es proposa un esquema del procés de modelització de sistemes no lineals utilitzant les eines desenvolupades en aquest estudi. S'ha creat una aplicació que permet sistematitzar aquest procés i s'ha obtingut els models de tres sistemes no lineals per comprovar la seva utilitat. Els problemes que s'han sotmès al procés de modelització amb xarxes neuronals són: un motor de corrent continu, un sistema no lineal amb histèresi i un element piezoelèctric. En els tres casos s'ha arribat a una solució satisfactòria que permet confirmar la utilitat de les eines desenvolupades en aquest estudi. / This work is concerned with theoretical and applied aspects of nonlinear system modelling with modular neural networks.From the theoretical viewpoint, a new model is proposed. This model attempts to combine the capabilities of neural networks for nonlinear function approximation with the structural organisation of classical block oriented techniques for system modelling and identification. This model is the Neural Module (NM).A neural module is a neural network that behaves inherently like a function or family of functions. The specified behaviour is forced with the use of topological restrictions in the network. The neural module is a new concept developed upon the argument that topological restrictions is a much more versatile and effective way of facilitating a specific behaviour in a neural network than the learning mechanism itself.Once the learning process finishes, the resulting model is a neural network composed by modules. Each module is supposed to model a functional element of the system, with an easy to understand meaning.As long as the neural module is a new paradigm in the neural network domain, rules and guidelines are given for their design. A set of neural modules with nine hard nonlinearities and the linear systems is also described.The set of dynamic systems that can be approximated using neural modules, called SNM, is formally described. The approximation error between en element of SNM and its neural model is calculated and found bounded. This is a basic result that sets up a firm base from which neural module modelling could be considered as a useful type of model.From the practical viewpoint, creation and optimisation aspects of the proposed model are considered.First of all, some of the classical rules of parameter adaptation in neural networks are reviewed. In order to allow modular networks to learn more efficiently, a specific learning algorithm is introduced. This is the modular backpropagation (MBP) algorithm. The computational cost of MPB is less than the cost of classical algorithms when they are applied to modular structures.A modelling tool, specially designed for the automatic creation and optimisation of modular neural networks, is also described. This tool combines Evolutionary Programming, classical neural learning algorithms and the learning manager, MBP. This tool is aimed at solving nonlinear modelling problems with the use of modular neural networks.Finally, an outline of the modelling process with the tools developed in this work is given. This process is applied to the modelling and identification of three nonlinear systems, which are: a dc motor, a nonlinear system with hysteresis, and a piezoelectric element. The three cases are modelled satisfactorily and the usefulness of the framework presented is confirmed.

This thesis is structured in four parts for a total of ten chapters. The first part, introduction and review (Chapters 1 to 4), presents an extensive state-of-the-art review of both symbolic and connectionist GI methods, that serves also to state most of the basic material needed to describe later the contributions of the thesis. These contributions constitute the contents of the rest of parts (Chapters 5 to 10). The second part, contributions on symbolic and connectionist techniques for regular grammatical inference (Chapters 5 to 7), describes the contributions related to the theory and methods for regular GI, which include other lateral subjects such as the representation oí. finite-state machines (FSMs) in recurrent neural networks (RNNs).The third part of the thesis, augmented regular expressions and their inductive inference, comprises Chapters 8 and 9. The augmented regular expressions (or AREs) are defined and proposed as a new representation for a subclass of CSLs that does not contain all the context-free languages but a large class of languages capable of describing patterns with symmetries and other (context-sensitive) structures of interest in pattern recognition problems.The fourth part of the thesis just includes Chapter 10: conclusions and future research. Chapter 10 summarizes the main results obtained and points out the lines of further research that should be followed both to deepen in some of the theoretical aspects raised and to facilitate the application of the developed GI tools to real-world problems in the area of computer vision.