La salud bucal es un indicador importante de salud, bienestar y calidad de vida de las personas, pero al igual que el resto del cuerpo, la boca está llena de bacterias que comparten factores de riesgo comunes y pueden tener graves consecuencias llevando a la presencia de enfermedades bucodentales y que muchas veces su detección puede llevar un proceso tardío por parte del cirujano dentista profesional. Debido a esto, se llevó a cabo la presente investigación mediante el desarrollo de un sistema inteligente en una aplicación web, apoyado de un modelo de reconocimiento de imágenes basado en redes neuronales convolucionales, con el objetivo de identificar con precisión las enfermedades que se encuentran en la cavidad bucal. Se plantearon dos métodologías, Commonkads para la parte inteligente y RUP para el desarrollo de software, y finalmente se crea el modelo de reconocimiento junto a la aplicación web, incluyendo un odontograma como parte de realizar el proceso de diagnóstico. Además de probar su funcionalidad mediante validación del profesional que labora en el consultorio del área de odontología de la Clínica Metropolitana para el cumplimiento de los objetivos. Como resultado tenemos el uso de una herramienta tecnológica capaz de apoyar en la identificación de enfermedades bucodentales, llevándolo a cabo a través de los mismos procesos que se hace para llegar a un diagnóstico y brindar un tratamiento.

El presente artículo buscará revisar los artículos de investigaciones realizadas sobre de sistemas predictivos del cáncer de mamá basados en redes neuronales con el fin de identificar tendencias tanto en la construcción de estos sistemas como en los países que las desarrollan. Por tal motivo, se realizará una búsqueda en las bases de datos a las que se obtuvo acceso, se procederá a plantear filtros y criterios de exclusión e inclusión para lograr obtener artículos con un estándar definido. Como resultado de lo anterior, se obtuvieron doce trabajos de investigación de los cuales se pudo afirmar que el mayor número de investigaciones provienen de la India e Inglaterra observándose una gran ausencia de los países latinoamericanos. Además, se logró tener un listado de las principales características que son utilizadas en el entrenamiento de las redes neuronales aplicadas en los diferentes sistemas informáticos. Finalmente, se espera que este articulo sirva como referencia e inspiración para investigar e implementar software predictivo en el área de salud.

El cultivo de café es uno de los más importantes en el Perú y en la región Cajamarca, así mismo de esta actividad dependen muchas familias que producen café, siendo los agricultores pequeños con parcelas entre 3 y 5 hectáreas, quienes enfrentan a diferentes desafíos entre los cuales destacan la escasa capacidad técnica para identificar deficiencias nutricionales que afectan el cultivo, siendo de vital importancia ya que la detección adecuada repercute en la calidad del producto final. Esta investigación tiene como objetivo principal el desarrollo de un sistema inteligente para apoyar en la identificación de deficiencias nutricionales en hojas de café basado en reconocimiento de imágenes, fue alcanzado mediante objetivos específicos como, identificar las características de las deficiencias nutricionales, determinar el modelo de red neuronal que permita realizar la identificación, desarrollar una aplicación móvil híbrida y validar el funcionamiento del sistema inteligente. Las metodologías empleadas para el desarrollo fueron CommonKADS y RUP. Se concluye la investigación con un prototipo para ser ejecutado en dispositivos móviles y con las pruebas de funcionalidad por especialistas en agronomía. Como resultados finales podemos indicar que la presente investigación hace un aporte a la agricultura y apoya al sector cafetalero, a través de la ingeniería y la inteligencia artificial.

En Pimentel el cultivo de arroz es uno de los más importantes para los agricultores. Pero como toda planta existe la presencia de plagas o enfermedades, y para atacarlas el agricultor necesita saber que agroquímicos es recomendable y además calcular la dosis adecuada del producto para la aplicación en su parcela. Es por ello que, el trabajo de investigación pretende desarrollar un sistema experto para calcular la dosificación de agroquímicos en plagas y enfermedades de la planta de arroz en el distrito de Pimentel. Esto se propuso debido a las dificultades que se logró encontrar en agricultores independientes de la zona. Es por ello, que el sistema permite al agricultor detectar que plaga o enfermedad padece su planta, después ello mostrara una lista de agroquímicos recomendados, la cual después de seleccionar el producto, el agricultor llenara los datos solicitados por el sistema para la dosificación adecuada para la aplicación de agroquímico en su parcela. Además, se utilizó la metodología CommonKADS para el desarrollo de la solución. Los resultados obtenidos por esta solución lograron satisfacer las necesidades de los agricultores independientes. Logrando así más del 90% de precisión al momento de calcular la dosis de agroquímicos a aplicar.

Las redes neuronales artificiales (RNA’s) basadas en Deep Learning han tomado mayor relevancia en el área de la medicina, ayudando a los especialistas a detectar, en una fase inicial, enfermedades mortales como el cáncer de piel. Por consiguiente, este documento presenta el análisis de las diversas investigaciones que abordan la aplicación de las RNA´s en la detección temprana del cáncer de piel basándose en la metodología propuesta por Kitchenham para el desarrollo óptimo de un artículo de revisión. En base a este análisis, se pudo establecer que Alemania es el país con mayor número de investigaciones basadas en el tema del presente artículo. Además, se encontró que el modelo de arquitectura de RNA, ResNet, es el más abordado en las investigaciones seleccionadas durante el proceso de búsqueda. Por último, se concluyó que un gran porcentaje de investigaciones se desarrollaron en el continente europeo y asiático, dejando un preocupante porcentaje para el sector latinoamericano, también, se pudo corroborar que las RNA´s poseen una gran versatilidad por lo cual pueden ser aplicadas en cualquier rama de la medicina y de la ciencia.

[EN] Nowadays concrete is the most used material in construction. This is because of its malleability, its ability to resist compressive and its economy. The benefits of concrete depend on its composition, curing conditions and the blending method and conditions. The basic specifications of this material, demanded by the petitioner to the manufacturer, are the compressive strength and the consistency, which indicates the workability. This thesis is a contribution to the knowledge and research of the influence that different parameters have on the compressive strength and on the consistency of the concrete produced in industrial conditions, and also contributes to the performance of predictive modelling with these characteristics. Most of the concrete used in construction is manufactured in ready-mixed concrete plants or in plants of construction. The characteristics of this concrete are the following: a strength between 25 and 30 N/mm2, soft or fluid consistency, placed by pouring or pumping and compacted by vibration. The conditions of production on the plant are affected by conditions of the industrial process and the business itself; being the amount of water in the mixture indirectly controlled. This paper presents an extensive database of thousands of test results on compressive resistance and consistency of the concrete produced in the same plants and varying the dosage, type of cement and additives. There are also taken into account other aspects such as the inclusion of fibres, the concrete and room temperature or when the concrete specimens are made. A second database is created by tests performed on a short period of time with the same cement and additive and taking into account the exact water-cement relationship. Furthermore, a convenient characterization of the constituent materials of the tested concrete has been done. To analyse the influence of different parameters and technological and environmental factors on the compressive strength, in the evolution of it over time, and on the consistency of concrete, firstly classical statistics has been used, more precisely multiple linear regression, analysis of variance (ANOVA) and multivariate analysis have been used. It has also been verified the fit of the experimental data to the models existing in literature and to the new proposed behaviour models. Finally artificial neural networks have been developed to predict the compressive strength or the consistency of concrete depending on input variables, as well as for obtaining behaviour models. The results obtained by the application of artificial neural networks are proofed to be more efficient and better than those obtained by statistical methods. / [ES] En la actualidad el hormigón es el material más empleado en la construcción debido a su moldeabilidad, a su capacidad de resistir esfuerzos de compresión y a su economía. Las prestaciones del hormigón dependen de su composición, de las condiciones de curado y del método y condiciones de mezclado. Las especificaciones básicas del hormigón demandadas por el peticionario al fabricante son la resistencia a compresión y la consistencia, que indica la trabajabilidad del mismo. Esta tesis es una contribución al conocimiento y la investigación de la influencia de diferentes parámetros en la resistencia a compresión y la consistencia del hormigón fabricado en condiciones industriales y la elaboración de modelos predictivos de dichas características prestacionales. La mayor parte de los hormigones que se emplean en construcción se fabrican en centrales de hormigón preparado o en centrales de obra, y se corresponden con hormigones de resistencia entre 25 y 30 N/mm2, consistencia blanda o fluida, colocación mediante vertido o bombeo y compactación mediante vibración. Las condiciones de producción de hormigones en planta se ven afectadas por los condicionantes del proceso industrial y del negocio en sí, siendo controlada la cantidad de agua existente en la mezcla indirectamente. En este trabajo se presenta una extensa base de datos construida con miles de resultados de ensayos de resistencia a compresión y consistencia realizados sobre hormigones fabricados en la misma planta y con diferentes dosificaciones, tipos de cemento y aditivos. Se tienen en consideración otros aspectos como la inclusión de fibras, la temperatura ambiente y del hormigón o la hora de realización de las probetas. Se crea una segunda base de datos de ensayos realizados en un periodo de tiempo corto con el mismo cemento y aditivo y teniendo en cuenta la relación agua/cemento exacta. Además, se ha realizado la conveniente caracterización de los materiales constituyentes de los hormigones ensayados. Para analizar la influencia de los diferentes parámetros y factores tecnológicos y ambientales en la resistencia a compresión, en la evolución de la misma con el tiempo y en la consistencia del hormigón, se ha utilizado primeramente estadística clásica, concretamente análisis de regresión lineal múltiple, análisis de varianza (ANOVA) y análisis multivariante. También se ha verificado el ajuste de los datos experimentales a modelos existentes en la bibliografía y a nuevos modelos de comportamiento propuestos. Finalmente se han elaborado redes neuronales artificiales para predecir la resistencia a compresión o la consistencia de un hormigón en función de diversas variables de entrada, al igual que para la obtención de modelos de comportamiento. Los resultados obtenidos mediante la aplicación de redes neuronales artificiales han sido más eficientes y mejores que los obtenidos mediante métodos estadísticos. / [CAT] Actualment el formigó és el material més empleat en la construcció gràcies a ser moldejable, a la seua capacitat de resistir esforços de compresió i a la seua economia. Les prestacions del formigó depenen de la seua composició, de les condicions de curat i del mètode i condicions de mesclat. Les especificacions bàsiques demanades pel peticionari al fabricant són la resistència a la compresió i la consistència, que indica la treballabilitat del mateix. Aquesta tesi és una constribució al coneixement i a la investigació de la influència de diferents paràmetres en la resistència a la compresió i la consistència del formigó fabricat en condicions industrials i l'elaboració de models predictius d'aquestes característiques prestacionals. La major part dels formigons empleats en la construcció es fabriquen en centrals de formigó preparat o en centrals d'obra, i es corresponen amb formigons de resistència entre 25 i 30 N/mm2, consistència tova o fluida, colocació mitjançant versament o bombament i compactació mitjançant vibració. Les condicions de producció de formigó en planta es venen afectades pels condicionants del procés industrial i del negoci en si, sent controlada la quantitat d'aigua existente en la mescla indirectament. Aquest treball presenta una extensa base de dades construïda amb milers de resultats d'assajos de resistència a compresió i consistència realitzats sobre formigons fabricats en la mateixa planta i amb diferents dosificacions, tipus de ciment i additius. Es tenen en compte altres aspectes com la inclusió de fibres, la temperatura ambient i del formigó o l'hora de realització de les probetes. Es crea una segona base de dades d'assajos realitzats en un període de temps curt amb el mateix ciment i additiu i tenint en compte la relació aigua/ciment exacta. A més a més, s'ha realitzat la caracterització corresponent dels materials constituents dels formigons assajats. Per a analitzar la influencia dels diferents paràmetres i factors tecnològics i ambientals en la resitència a compresió, en l'evolució d'aquesta en el temps i en la consistència del formigó, s'ha utilitzat l'estadistica clàssica, concretament anàlisi de regressió lineal múltiple, anàlisi de variància (ANOVA) i anàlisi multivariant. Alhora, s'ha verificat l'ajustament de les dades experimentals a models existents en la bibliografía i a nous models de comportament proposats. Finalment s'han elaborat xarxes neuronals artificials per a predir la resistència a la compresió o la consistència d'un formigó en funció de diverses variables d'entrada, al igual que per a l'obtenció de models de comportament. Els resultats obtinguts mitjançant l'aplicació de xarxes neuronals artificials han sigut més eficients i millors que els obtinguts mitjançant mètodes estadistics. / Navarro Ferrer, F. (2016). Modelos predictivos de las características prestacionales de hormigones fabricados en condiciones industriales [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/67272 / TESIS

As stated by the United Nations Department of Economic and Social Affairs, the first half of the present century will experience a significant increase in global energy demand due to the expected growth of world population and global economic development. On the other hand, recent reports from the Intergovernmental Panel on Climate Change definitely evidence the link between the continued use of fossil fuels and the increasing concentration of greenhouse gases into the atmosphere being responsible for climate change. In this context, a global commitment is needed in the search for cleaner, environmentally friendly and sustainable energy sources, such as second¿generation bioethanol from agro¿industrial waste. Thus, this PhD Thesis aims to advance in the agro¿industrial waste recovery of fruits such as pineapple and persimmon. Specifically, different strategies for enhancing the bioethanol production process were evaluated. Additionally on¿line monitoring of the saccharification step and final alcohol content in the studied wastes were taken into consideration. Thus, different technologies were studied to improve the enzymatic hydrolysis performance in pineapple waste. First, hydrolytic performances of commercial enzymes produced by the filamentous fungi Aspergillus niger and Trichoderma reesei were compared. Next, the use of microwave pretreatments, alone or combined with an alkali treatment, was evaluated to improve the saccharification performance. On the other hand, "Rojo Brillante" persimmon waste wasstudied as a potentialsource of high added value products. Finally, electrochemical impedance spectroscopy based techniques were evaluated for monitoring saccharification and quantifying ethanol in pineapple waste. Results showed that A. niger cellulase is an effective alternative to that obtained from T. reesei for the saccharification of industrial pineapple waste, especially when combined with hemicellulase. On the other hand, microwave pretreatments at appropriate power and exposure times significantly improved the enzymatic hydrolysis performance. This improvement was particularly remarkable when microwaves were combined with an alkali treatment. On the other hand, industrial persimmon waste was shown to be a low¿cost source of bioethanol and antioxidant compounds, mainly carotenoids. Finally, electrochemical impedance spectroscopy was validated as an easy, fast, non¿destructive, inexpensive and alternative methodology to the traditional laboratory ones for monitoring saccharification and fermentation processes. This validation was achieved by combining impedance spectroscopy with mathematical models based on artificial neural networks, being robust, reliable, adaptive and easily implementable in electronic systems.   To conclude, the present PhD Thesis has provided substantial progress towards agro¿industrial waste recovery processes. In fact, several technological developments have been implemented in order to increase the saccharification yield in pineapple waste. Moreover, high added value products have been obtained from persimmon residue. Likewise, these processes can be accurately controlled on¿line by electrochemical impedance spectroscopy based techniques combined with specific mathematical models,  representing a significant advance in this field. / Durante la primera mitad de este siglo, se espera que la demanda mundial de energía aumente significativamente debido al previsible incremento de la población mundial y al desarrollo económico global, tal como afirman recientes estudios de la Departamento de Asuntos Económicos y Sociales de las Naciones Unidas. Por otro lado, los datos del Panel Intergubernamental del Cambio Climático vinculan el uso continuado de los combustibles fósiles con el aumento de la concentración de CO2 y partículas contaminantes a la atmósfera causantes, entre otros, del cambio climático. En este contexto, es necesario seguir avanzando en la búsqueda de alternativas energéticas más limpias y medioambientalmente sostenibles, como es el caso del bioetanol de segunda generación obtenido a partir de residuos agroindustriales. Así, la presente Tesis Doctoral plantea como objetivo profundizar en la revalorización de los residuos agroindustriales de frutas como la piña y el caqui. En concreto, se evaluaron diferentes estrategias para la mejora del proceso de obtención de bioetanol y el control en línea de la sacarificación y contenido en alcohol en los residuos. Para ello, se estudiaron diferentes tecnologías para la mejora del rendimiento de la hidrólisis enzimática de los residuos de piña. En primer lugar se comparó la acción hidrolítica de las enzimas comerciales producidas por los hongos filamentosos Aspergillus niger y Trichoderma reesei. A continuación, se evaluó la aplicación de pretratamientos con microondas, solos o combinados con un medio alcalino, para la mejora del rendimiento de la sacarificación. Por otro lado, se analizó el potencial de revalorización del residuo industrial de caqui de la variedad "Rojo Brillante". Finalmente se estudió la aplicación de técnicas basadas en la espectroscopía de impedancias para la monitorización de la sacarificación y la cuantificación de bioetanol en piña. Los resultados obtenidos demostraron que la celulasa de A. niger es una alternativa eficaz a la obtenida a partir de T. reesei para la sacarificación de los residuos industriales de piña, especialmente cuando se combina con hemicelulasa. Por otra parte, la aplicación de pretratamientos con microondas a potencias y tiempos de exposición apropiados mejoraron significativamente el rendimiento de la hidrólisis enzimática. Esta mejora demostró ser particularmente destacable cuando se combinaron las microondas con un medio alcalino. Por otra parte, se demostró que los residuos industriales de caqui son una fuente de obtención de compuestos de alto valor añadido tales como: bioetanol y compuestos antioxidantes, principalmente carotenoides. Por último, se validó la espectroscopía de impedancias electroquímica como una metodología fácil, rápida, no destructiva, económica y alternativa a las técnicas de laboratorio tradicionales para el control de la sacarificación y fermentación. Esto se consiguió combinando la espectroscopía de impedancias con el desarrollo de modelos matemáticos basados en redes neuronales artificiales que se caracterizan por ser robustos, fiables, adaptativos y fácilmente implementables en sistemas electrónicos. A modo de conclusión, la presente Tesis Doctoral ha permitido avanzar en el conocimiento sobre el proceso de revalorización de los residuos industriales de frutas mediante la implementación de desarrollos tecnológicos para el aumento del rendimiento de la hidrólisis enzimática del residuo de piña y la obtención de compuestos de alto valor añadido a partir de caqui. Asimismo, se ha demostrado que es posible aplicar técnicas basadas en la espectroscopía de impedancias y modelos matemáticos específicos para mejorar la monitorización y control en línea de estos procesos, lo que supone un avance significativo en este campo. / Durant la primera meitat d'aquest segle, s'espera que la demanda mundial d'energia augmente significativament a causa del previsible increment de la població mundial i al desenvolupament econòmic global, tal com afirmen recents estudis del Departament d'Assumptes Econòmics i Socials de les Nacions Unides. D'altra banda, les dades del Panell Intergovernamental del Canvi Climàtic vinculen l'ús continuat dels combustibles fòssils amb l'augment de la concentració de CO2 i partícules contaminants a l'atmosfera causants, entre uns altres, del canvi climàtic. En aquest context, és necessari seguir avançant en la cerca d'alternatives energètiques més netes i mediambientalment sostenibles, com és el cas del bioetanol de segona generació obtingut a partir de residus agroindustrials. Així, la present Tesi Doctoral planteja com a objectiu aprofundir en la revalorització dels residus agroindustrials de fruites com la pinya i el caqui. En concret, es van avaluar diferents estratègies per a la millora del procés d'obtenció de bioetanol i el control en línia de la sacarificació i contingut en alcohol en els residus. Per a això, es van estudiar diferents tecnologies per a la millora del rendiment de la hidròlisi enzimàtica dels residus de pinya. En primer lloc es va comparar l'acció hidrolítica dels enzims comercials produïts pels fongs filamentosos Aspergillus niger i Trichoderma reesei. A continuació, es va avaluar l'aplicació de pretractaments amb microones, sols o combinats amb un medi alcalí, per a la millora del rendiment de la sacarificació. D'altra banda, es va analitzar el potencial de revaloració del residu industrial de caqui de la varietat "Rojo Brillante". Finalment es va estudiar l'aplicació de tècniques basades en l'espectroscòpia d'impedàncies per al monitoratge de la sacarificació i la quantificació de bioetanol en pinya. Els resultats obtinguts van demostrar que la cel¿lulasa d'A. niger és una alternativa eficaç a l'obtinguda a partir de T. reesei per a la sacarificació dels residus industrials de pinya, especialment quan es combina amb hemicel¿lulasa. D'altra banda, l'aplicació de pretractaments amb microones a potències i temps d'exposició apropiats van millorar significativament el rendiment de la hidròlisi enzimàtica. Aquesta millora va demostrar ser particularment destacable quan es van combinar les microones amb un medi alcalí. D'altra banda, es va demostrar que els residus industrials de caqui són una font d'obtenció de compostos d'alt valor afegit tals com: bioetanol i compostos antioxidants, principalment carotenoides. Finalment, es va validar l'espectroscòpia d'impedàncies com una metodologia fàcil, ràpida, no destructiva, econòmica i alternativa a les tècniques de laboratori tradicionals per al control de la sacarificació i fermentació. Això es va conseguir combinant l'espectroscòpia d'impedàncies amb el desenvolupament de models matemàtics basats en xarxes neuronals artificials que es caracteritzen per ser robustos, fiables, adaptatius i fàcilment implementables en sistemes electrònics. A manera de conclusió, la present Tesi Doctoral ha permès avançar en el coneixement del procés de revalorització dels residus industrials de fruites mitjançant la implementació de desenvolupaments tecnològics per a l'augment del rendiment de la hidròlisi enzimàtica del residu de pinya i l'obtenció de compostos d'alt valor afegit a partir de caqui. Així mateix, s'ha demostrat que és possible aplicar tècniques basades en l'espectroscòpia d'impedàncies i models matemàtics específics per a millorar el monitoratge i control d'aquests processos, fet que suposa un avanç significatiu en aquest camp. / Conesa Domínguez, C. (2017). DESARROLLOS TECNOLÓGICOS PARA LA MEJORA Y CONTROL DEL PROCESO DE OBTENCIÓN DE BIOETANOL A PARTIR DE RESIDUOS AGROALIMENTARIOS [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/86143 / TESIS

Railways are generally much more efficient than road transport in terms of energy consumption for both freight and passengers. Despite this, it is still necessary to reduce their energy consumption in order to improve their competitiveness and contribute to a global sustainability. This thesis presents the training of an artificial neural network using energy consumption data measured in the underground network of Valencia (Spain), with the objective of estimating the energy consumption of the systems. The section studied was line 5 of MetroValencia between Marítim-Serrería and Alameda stations. After calibration and validation of the artificial neural network using part of the consumption data gathered, the results obtained show that the neural network can predict power consumption with high accuracy (just an error of 2.42%). The advantages of this method lie in its adjustment speed and simulation, and, specially, in the fact that the artificial neural network may function as a virtual laboratory where it is possible to test hypothetical scenarios to reduce the train energy consumption. Once fully trained, the artificial neural network was used to model several scenarios of hypothetical vertical track layouts between two stations of a metro system, testing the energy consumption and infrastructure investment costs of the track layouts considered. The results show the fact that a symmetrical sinusoidal vertical layout is much more efficient than a flat layout, in terms of energy consumption, with reductions up to 18.41%, and the return period of the extra investment is 9.66 years for an example presented. Therefore, this thesis provides a useful tool to develop optimum vertical layouts in terms of energy consumption and, in addition, to determine a set of actions to reduce the energy consumption of a metro network. / Los ferrocarriles son generalmente mucho más eficientes que el transporte carretero en términos de eficiencia energética para transporte de mercancías y pasajeros. Sin embargo, aún existe la necesidad de reducir su consumo energético para mejorar su competitividad y contribuir a un mundo más sostenible. Esta tesis presenta el entrenamiento de una red neuronal artificial usando información del consumo medido en la red de metro de Valencia (España), con el objetivo de estimar el consumo energético de los sistemas. El tramo estudiado fue la línea 5 de la red de Metro de Valencia entre las estaciones Marítim-Serrería y Alameda. Después de la calibración y la validación de la red neuronal artificial usando parte de los datos de consumo recogidos, los resultados obtenidos muestran que la red neuronal puede predecir el consumo energético con alta precisión (solo un error del 2.42%). Las ventajas de este método yacen en su velocidad de ajuste y simulación, y, especialmente, en el hecho de que la red neuronal artificial puede funcionar como un laboratorio virtual donde es posible evaluar escenarios hipotéticos para reducir el consumo energético del tren. Una vez completamente entrenada, la red neuronal artificial se utilizó para modelar varios escenarios de trazados verticales hipotéticos entre dos estaciones de un sistema metro evaluando el consumo energético y los costes de inversión en infraestructura de los trazados verticales considerados. Los resultados muestran el hecho de que un trazado vertical sinusoidal simétrico es mucho más eficiente que un trazado plano, en términos de consumo energético, con reducciones hasta del 18.41%, y el período de retorno de la inversión extra es de 9.66 años para un ejemplo presentado. De este modo, esta tesis proporciona una útil herramienta para desarrollar trazados verticales óptimos en términos de consumo energético y, además, para determinar acciones que reduzcan el consumo energético de una red de metro. / Els ferrocarrils són generalment molt més eficients que el transport viari en termes d'eficiència energètica per tal de transportar mercaderies i passatgers. No obstant, encara existeix la necessitat de reduir el seu consum energètic per tal de millorar la seua competitivitat i contribuir a abastar un món més sostenible. Aquesta tesis presenta l'entrenament d'una xarxa neuronal artificial utilitzant informació del consum mesurat a la xarxa de metro de València (Espanya), amb l'objectiu d'estimar el consum energètic dels sistemes. El tram estudiat fou la línia 5 de la xarxa de Metro de València entre les estacions de Marítim-Serrería i Alameda. Després de la calibració i la validació de la xarxa neuronal artificial utilitzant part de les dades de consum recollides, els resultats obtinguts mostren que la xarxa neuronal pot predir el consum energètic amb una alta precisió (només un error del 2.42%). Els avantatges d'aquest mètode recauen en la seua velocitat d'ajust i simulació i, especialment, en el fet que la xarxa neuronal artificial pot funcionar com a laboratori virtual on es possible avaluar escenaris hipotètics per reduir el consum energètic del tren. Una volta completament entrenada, la xarxa neuronal artificial s'utilitzà per a modelitzar diferents escenaris de traçats verticals hipotètics entre dos estacions d'un sistema de metro avaluant el consum energètic i els costos d'inversió en infraestructura dels traçats verticals considerats. Els resultats mostren el fet que un traçat vertical sinusoïdal simètric es molt més eficient que un traçat pla, en termes de consum energètic, amb reduccions fins al 18.41% i el període de retorn de la inversió extra es de 9.66 anys per a un exemple presentat. D'aquest mode, aquesta tesis proporciona una ferramenta útil per desenvolupar traçats verticals òptims en termes de consum energètic i, a més a més, per a determinar accions que redueixen el consum energètic d'una xarxa de metro. / Pineda Jaramillo, JD. (2017). Modelo de optimización del consumo energético en trenes mediante el diseño geométrico vertical sinusoidal y su impacto en el coste de la construcción de la infraestructura [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/90546 / TESIS

La inteligencia artificial tiene el potencial de transformar radicalmente la asistencia sanitaria aportando gran rapidez en la gestión de la información que manejan los profesionales y repercutiendo directamente en sus actuaciones. Los estudios más recientes sobre el rol actual de la inteligencia artificial en la medicina y la atención sanitaria, identifican cuatro líneas principales de investigación directamente relacionadas con la mejora de los sistemas de ayuda a la decisión clínica: gestión de los servicios de salud, medicina predictiva, datos del paciente y toma de decisiones clínicas. En esta tesis doctoral nos centramos en la segunda línea de investigación, la medicina predictiva, con el objetivo de mejorar el rendimiento de los actuales métodos y algoritmos de inteligencia artificial para el diagnóstico clínico. Para ello, se ha incorporado en algunas de las redes neuronales artificiales más utilizadas de la literatura actual, una propiedad biológica que emerge del cerebro y que está directamente relacionada con la homeostasis, la memoria y el aprendizaje: la metaplasticidad sináptica. La metaplasticidad sináptica es un fenómeno biológico que se define brevemente como la plasticidad de la plasticidad sináptica, lo que significa que la historia previa de la actividad sináptica determina su plasticidad actual. Este fenómeno interfiere con algunos de los mecanismos subyacentes que se consideran importantes en los procesos de memoria y aprendizaje, como la potenciación a largo plazo y la depresión a largo plazo. En un modelo computacional la metaplasticidad sináptica se define como metaplasticidad artificial, un procedimiento de aprendizaje que produce una mayor ponderación de los pesos sinápticos de los patrones menos frecuentes que de los patrones más frecuentes, como una forma de extraer más información de los primeros que de los segundos. Esta mejora se estima que puede afectar al rendimiento en las redes neuronales artificiales tanto en términos de precisión como en tiempos de convergencia o velocidad de aprendizaje. Así mismo, dadas ambas mejoras, se plantea abordar también uno de los grandes problemas de la inteligencia artificial en medicina: el entrenamiento de redes neuronales artificiales utilizando conjuntos de datos reducidos. Este mecanismo biológico se ha incorporado en diferentes tipos de redes neuronales artificiales como un mecanismo de actualización de pesos que modifica la ponderación en función de la frecuencia de un patrón. Además, dadas las particularidades de cada arquitectura de red neuronal, la modificación de sus procesos de aprendizaje para la incorporación de la metaplasticidad artificial no es una tarea trivial. En este trabajo se han utilizado dos tipos de redes neuronales artificiales orientadas al análisis de datos y al diagnóstico por imagen, respectivamente: las redes neuronales artificiales de base radial y las redes neuronales convolucionales. Para la primera, se ha incorporado la metaplasticidad artificial modificando el aprendizaje en tres fases, mientras que para la segunda, se ha modificado el proceso de convolución de las capas convolucionales de la red. En ambos casos se ha logrado que la red neuronal mejore su rendimiento tanto en términos de precisión como en velocidad de convergencia, confirmando así las hipótesis iniciales.

El presente trabajo de investigación surge ante el problema mundial de la pandemia del COVID-19, de tal manera, esta investigación tiene como objetivo general el implementar una solución basada en redes neuronales artificiales para predecir el riesgo de mortalidad de la COVID-19 en pacientes infectados, utilizando datos de una clínica de la ciudad de Chiclayo. Así, se decidió utilizar la metodología Scrum para la gestión del proyecto de investigación y para el modelado de la red neuronal artificial (RNA) se siguió la metodología de desarrollo utilizada en la investigación de I. Kaastra y M. Boyd incluyendo ciertas mejoras de la metodología utilizada en la investigación de Abdulaal A et al. En consecuencia, este proyecto generó una herramienta médica la cual es accesible a través de cualquier navegador web y cuenta con dos RNA implementadas las cuales tienen la capacidad de aprender de nuevos registros clínicos ingresados. La mejor RNA implementada tiene una exactitud del 82.72%, AUROC de 88.48%, desviación estándar de 0.0848 y un F1Score de 83.72%; además, este sistema web fue validado para el diagnóstico con las siguientes métricas médicas: 85.71% de sensibilidad. 79.48% de especificidad y un AUROC del 88.48%. Así pues, del desarrollo de esta herramienta se concluye que para identificar la correcta arquitectura e hiperparámetros se deben generar diferentes iteraciones de entrenamiento de la RNA; asimismo, en cada iteración se debe utilizar diferentes combinaciones de arquitectura e hiperparámetros calculando las métricas de exactitud, F-measure, AUROC y desviación estándar. Finalmente, se podrá elegir a la combinación con las mejores métricas.