Memoria para optar al título de Socióloga

We introduce a data-driven approach to aid the repairing and conservation of archaeological objects: ORGAN, an object reconstruction generative adversarial network (GAN). By using an encoder-decoder 3D deep neural network on a GAN architecture, and combining two loss objectives: a completion loss and an Improved Wasserstein GAN loss, we can train a network to effectively predict the missing geometry of damaged objects. As archaeological objects can greatly differ between them, the network is conditioned on a variable, which can be a culture, a region or any metadata of the object. In our results, we show that our method can recover most of the information from damaged objects, even in cases where more than half of the voxels are missing, without producing many errors. / Tesis

No description available.

Esta tesis, desarrolla un sistema de Visión Artificial el cual detecta objetos bajo un ambiente a campo abierto de terreno arenoso, con un fondo incierto bajo ciertas condiciones de luminosidad, brillo saturación, contraste. Para ello se desarrolló un sistema el cual permite ver la profundidad y la distancia la cual se encuentra determinado punto de la imagen de la cámara respecto al mundo real, todo por medio de algoritmos computacionales y teoría de Visión estereoscópica, aproximándose así a un sistema de Visión artificial Humanoide al percibir la profundidad y el reconocimiento de objetos bajo el concepto que se presenta en el libro “A Humanoid Vision System for Versatile Interaction” escrita por Yasuo K., Sebastien R., Oliver S., Gorgon C. & Akihiko N. También se desarrolló un sistema el cual permite identificar el objeto objetivo, ya sea para su posterior manipulación, o posterior acción del sistema, lo cual se implementó una red neuronal Multicapa el cual permite diferenciar de entre 3 objetos, el final deseado. El uso de la Red Neuronal Artificial guarda un papel muy importante. Las conexiones entre neuronas tienen pesos asociados que representan la influencia de una sobre la otra. Si dos neuronas no están conectadas, el correspondiente peso de enlace es cero. Esencialmente, cada una envía su información de estado multiplicado por el correspondiente peso a todas las neuronas conectadas con ella. Luego cada una, a su vez, suma los valores recibidos desde sus dendritas para actualizar sus estados respectivos. Se emplea normalmente un conjunto de ejemplos representativos de la transformación deseada para "entrenar" el sistema, que, a su vez, se adapta para producir las salidas deseadas cuando se lo evalúa con las entradas "aprendidas". Para la percepción de profundidad, se realizó con un tablero de ajedrez, al identificar las esquinas de cada cuadrado ubicados cada 2.54 cm a una distancia de la cámara de 79cm medidos en real, obteniendo resultados muy aproximados entre [71 – 75] cm con un error de hasta 4 cm. Esto sin embargo se puede corregir aplicando mayor uso de imágenes para lectura y calibración de cámara y luego aplicar los algoritmos de estereoscopía. Éste error, es aceptable por ejemplo en sistemas de prevención de choques en los autos, los cuales tienen un retrovisor pantalla en su panel principal, mostrándose en el screen la distancia del obstáculo detectado respecto al auto a fin de evitar malas maniobras o choques. De esta manera en este proyecto de tesis se demuestra la identificación de objetos, y la percepción de la profundidad con el tablero de ajedrez.

No description available.

Ingeniero Civil Mecánico / El objetivo de este trabajo es desarrollar un algoritmo capaz de detectar, localizar y cuantificar daños en una estructura simple en tiempo real, considerando como daño la disminución en la rigidez en uno o más elementos. Para ello se propuso utilizar Redes Neuronales Artificiales (RNA), que son métodos no explícitos utilizados en problemas de aproximación de curvas, clasificación e identificación de parámetros. Se plantea utilizar como información de entrada del algoritmo las frecuencias de antiresonancia, obteniendo como resultado la disminución de rigidez efectiva para cada elemento de la estructura. El entrenamiento y validación de la red neuronal se realiza en cuatro etapas, las que se señalan a continuación: La determinación de las frecuencias características, resonantes y antiresonantes. Generación de patrones de entrenamiento. El diseño y entrenamiento de la RNA. La validación analítica y experimental, del algoritmo de detección de daños. En la realización de este trabajo se ha conseguido entrenar redes neuronales capaces de detectar hasta 2 daños simultáneos entre 20 posibles ubicaciones a lo largo de una viga. Los resultados fueron validados con datos de vigas experimentales, a las que se les introdujo daño de forma artificial. La red utilizada es una red neuronal multicapa de una capa oculta, que presenta un 32,64% de falsos negativos, 8,36% de falsos positivos y un 7.96% de daños mal cuantificados a nivel global. Los posibles usos de redes neuronales en aplicaciones de detección de daños en tiempo real y los resultados obtenidos, motivan futuros estudios que se pueden centrar en la búsqueda de mejores resultados haciendo uso de mejores diseños de redes neuronales o mejores formas de modelar el ruido experimental. También es necesario explorar los modos en que estos algoritmos se puedan aplicar a estructuras más grandes y complejas.

Seminario para optar al grado de Ingeniero Comercial, Mención Economía / El objetivo de esta tesis es probar la existencia de capacidad de predicción en el mercado inmobiliario mediante la aplicación de un modelo de redes neuronales. Para ello se utilizó una base de datos con los precios promedio del metro cuadrado de casas y departamentos en distintas comunas y sectores de la capital, entre los años 1994 y 2007, con una frecuencia mensual. La metodología empleada consiste en una red neuronal Ward con rolling, de los rezagos de las diferencias del precio promedio de inmuebles en una comuna sobre los rezagos de las diferencias de la Tasa de Interés Promedio (TIP) y el Índice Mensual de Actividad Económica (IMACEC). Mediante el test de acierto direccional de Pesaran y Timmermann logramos determinar capacidad de predicción en cuatro zonas de la capital en que además los resultados del modelo superaban la metodología Buy & Hold, resultados que pudimos corroborar al aplicar el modelo a sucesivas submuestras de nuestra serie original. Se concluye que, pese a todas las limitaciones de información inherentes a la base de datos utilizada, sí existe capacidad predictiva en el mercado inmobiliario, aunque estos resultados no sean homogéneos a través de las comunas de la capital

Memoria para optar al título de Ingeniero Civil Mecánico / Con el uso de las redes neuronal profundas ganando terreno en el área de PHM, los sensores disminuyendo progresivamente su precio y mejores algoritmos, la falta de datos se ha vuelto un problema principal para los modelos enfocados en datos. Los datos etiquetados y aplicables a escenarios específicos son, en el mejor de los casos, escasos. El objetivo de este trabajo es desarrollar un método para diagnosticas el estado de un rodamiento en situaciones con datos limitados. Hoy en día la mayoría de las técnicas se enfocan en mejorar la precisión del diagnóstico y en estimar la vida útil remanente en componentes bien documentados. En el presente, los métodos actuales son ineficiente en escenarios con datos limitados. Se desarrolló un método en el cual las señales vibratorias son usadas para crear escalogramas y espectrogramas, los cuales a su vez se usan para entrenar redes neuronales generativas y de clasificación, en función de diagnosticar un set de datos parcial o totalmente desconocido, en base a uno conocido. Los resultados se comparan con un método más sencillo en el cual la red para clasificación es entrenada con el set de datos conocidos y usada directamente para diagnosticar el set de datos desconocido. El Case Western Reserve University Bearing Dataset y el Machine Failure Prevention Technology Bearing Dataset fueron usados como datos de entrada. Ambos sets se usaron como conocidos tanto como desconocidos. Para la clasificación una red neuronal convolucional (CNN por sus siglas en inglés) fue diseñada. Una red adversaria generativa (GAN por sus siglas en inglés) fue usada como red generativa. Esta red fue basada en una introducida en el paper StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation. Los resultados fueron favorables para la red CNN mientras que fueron -en general- desfavorables para la red GAN. El análisis de resultados sugiere que la función de costo es inapropiada para el problema propuesto. Las conclusiones dictaminan que la traducción imagen-a-imagen basada en la función ciclo no funciona correctamente en señal vibratorias para diagnóstico de rodamientos. With the use of deep neural networks gaining notoriety on the prognostics & health management field, sensors getting progressively cheaper and improved algorithms, the lack of data has become a major issue for data-driven models. Data which is labelled and applicable for specific scenarios is scarce at best. The purpose of this works is to develop a method to diagnose the health state of a bearing on limited data situations. Now a days most techniques focus on improving accuracy for diagnosis and estimating remaining useful life on well documented components. As it stands, current methods are ineffective on limited data scenarios. A method was developed were in vibration signals are used to create scalograms and spectrograms, which in turn are used to train generative and classification neural networks with the goal of diagnosing a partially or totally unknown dataset based on a fully labelled one. Results were compared to a simpler method in which a classification network is trained on the labelled dataset to diagnose the unknown dataset. As inputs the Case Western Reserve University Bearing Dataset (CWR) and the Society for Machine Failure Prevention Technology Bearing Dataset. Both datasets are used as labelled and unknown. For classification a Convolutional Neural Network (CNN) is designed. A Generative Adversarial Network (GAN) is used as generative model. The generative model is based of a previous paper called StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation. Results were favourable for the CNN network whilst generally negative for the GAN network. Result analysis suggests that the cost function is unsuitable for the proposed problem. Conclusions state that cycle based image-to-image translation does not work correctly on vibration signals for bearing diagnosis.

Es bien conocida la importancia de la señal electrocardiográfica para el diagnóstico de multitud de enfermedades cardiacas, tanto mediante inspección visual como mediante técnicas actuales de inspección automática. Como en cualquier otra señal, la cantidad de información extraída y la calidad de la misma dependerán de propiedades tales como relación señal-ruido, resolución del conversor analógico-digital, frecuencia de muestreo, etc. Por esta razón, es de gran importancia que la señal ofrezca una `calidad' adecuada, máxime cuando el diagnóstico de ciertas enfermedades cardiovasculares graves depende de ello. La reducción del ruido en el electrocardiograma (ECG) ha sido uno de los temas más abordados en la bibliografía sobre procesado de señal de ECG. Han sido y son muy diversas las maneras de afrontar el problema y no existe un único método de aplicación universal a todas las fuentes de ruido y todos los casos. En esta tesis doctoral se han estudiado las principales fuentes de ruido que aparecen en el registro del ECG. Algunas de éstas pueden minimizarse en la fase de adquisición de la señal prestando un especial cuidado a ciertas normas o reglas. Sin embargo, otras, como el ruido muscular, o la deriva de la línea base y artefactos, no pueden eliminarse o reducirse al máximo en la fase de adquisición y se hacen necesarias técnicas de procesado de señal a posteriori para su reducción a un nivel aceptable. Una de las primeras opciones es el filtrado de la señal, mediante filtros lineales o no lineales que maximicen la relación señal a ruido como, por ejemplo, el filtro de Wiener. Cuando el espectro de la señal de interés y el ruido se solapan, las técnicas de filtrado dejan de ser eficaces. En ese caso, otra de las técnicas comunes que se aplican es el promediado de señal. Su utilización resulta eficaz siempre y cuando la señal y el ruido a reducir cumplan ciertas condiciones. El filtrado adaptativo ha sido otra de las técnicas que han obtenido resultados aceptables e / Mateo Sotos, J. (2012). APLICACIÓN DE REDES NEURONALES ARTIFICIALES EN EL PROCESADO VERSÁTIL DE SEÑALES ELECTROCARDIOGRÁFICAS [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/17530

Esta tesis se centra en la elaboraci´on de un predictor de la ganancia en visi´on para pacientes con queratocono tras el proceso quir´urgico de implante de anillos intracorneales. El queratocono se caracteriza por una disposici´on o crecimiento anormal de las fibras de col´ageno en la c´ornea que produce una p´erdida importante de visi´on en el paciente. En los ´ultimos a˜nos, el tratamiento que se ha elegido para la correcci´on de dicha enfermedad es el de la cirug´ıa de implante de anillos intracorneales. Sin embargo, actualmente, se desconoce la t´ecnica y nomograma ideal para la implantaci´on de estos anillos. Esta tesis se centra principalmente en resolver este problema, con el fin de ayudar a los oftalm´ologos a planificar el n´umero, el tipo y la ubicaci´on ´optima de estos anillos para conseguir la mayor ganancia posible en visi´on tras el implante. En particular, en esta tesis se describen y desarrollan modelos capaces de predecir cierta informaci´on en base a conocimientos adquiridos de casos reales y su aplicaci´on en cirug´ıa del queratocono. Los modelos presentados pertenecen al campo del aprendizaje autom´atico. El aprendizaje autom´atico hab´ıa sido utilizado con ´exito en multitud de campos de aplicaci´on y problemas diferentes, incluso en la detecci´on del queratocono, pero hasta el momento no ha sido utilizado para la predicci´on de la mejora en visi´on del paciente tras el implante de anillos. Es por ello, por lo que esta tesis implica una novedad en la planificaci´on de este tipo de cirug´ıa. Las principales contribuciones de esta tesis son: el desarrollo y la validaci´on de un modelo capaz de predecir la ganancia en visi´on en t´erminos de curvatura corneal (K1) y astigmatismo en pacientes con queratocono; un estudio riguroso de las variables refractivas, topogr´aficas o biomec´anicas que m´as relevancia tienen en la predicci´on de la recuperaci´on de la visi´on tras la cirug´ıa y por ´ultimo, el desarrollo de una interfaz de usuario para el uso en cl´ınica del modelo ´optimo desarrollado. / Valdés Mas, MÁ. (2015). Aplicación de métodos de aprendizaje automático a la planificación de la cirugía de implante de anillos intracorneales en pacientes con queratocono [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/48547