INTELIGENCIA ARTIFICIAL, 3

Autor: ABELLÁN MULERO JOAQUÍN.
Año: 2002.
Universidad: GRANADA.
Centro de lectura: INFORMÁTICA .
Centro de realización: E.T.S.I. INFORMÁTICA.

Resumen: En el trabajo expuesto se estudia qué tipos de incertidumbre conlleva el uso de conjuntos convexos de distribuciones de probabilidad generales para representar la información insuficientes en un determinado experimento, para, posteriormente, establecer medidas de incertidumbre sobre los tipos anteriormente encontrados. Se parte de los estudios existentes en teorías menos generales y se consigue una ampliación de éstos demostrando que las medidas propuestas verifican una serie de propiedades fundamentales en la teoría de conjuntos convexos. Se exponen una serie de algoritmos capaces de encontrar, de forma eficiente, los valores de las medidas establecidas, para cada tipo de incertidumbre, sobre tipos específicos de conjuntos convexos. Las medidas establecidas permiten definir otras medidas de distancia entre conjuntos convexos para cuantificar, de distintas formas, grados de comparación entre diferentes representaciones de la misma información. Como aplicación principal, se estblecen métodos de clasificación basados en probabilidades imprecisas y árboles de clasificación. En éstos se obtienen buenos resultados, en comparación con los métodos clásicos, y no presentan una dependencia de los datos utilizados en el aprendizaje.

Autor: ABAD ORTEGA FRANCISCO JAVIER.
Año: 2002.
Universidad: GRANADA.
Centro de lectura: INFORMÁTICA.
Centro de realización: ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA.

Resumen: En esta tesis doctoral se abordan dos problemas de gran relevancia dentro del área del Procesamiento de Imágenes Digitales: la restauración de imágenes y la reconstrucción de imágenes de alta resolución a partir de varias imágenes de baja resolución. Ambos problemas se han formulado bajo una perspectiva multicanal y siguiendo el paradigma jerárquico bayesiano para abordar su solución. Este enfoque multicanal se basa en la herramienta de la descomposición subbanda de imágenes, mediante la que se pueden definir modelos multicanal a partir de otros monocanal y formular convenientemente problemas multicanal. Las propiedades de las matrices empleadas para realizar esta descomposición multicanal nos permiten, además, realizar implementaciones eficientes de los algoritmos desarrollados mediante operaciones rápidas en el dominio de las frecuencias. En el problema de la restaruación de imágenes, se estudian los enfoques surgeridos anteriormente en los que se propone el uso de modelos de imagen basados en distribuciones guassianas generalizadas y se aporta un algoritmo de restauración multicanal con estimulación simultánea de los parámetros. Dentro de este mismo problema, otra de las aportaciones es la definición de un nuevo modelo de imagen multicanal basado en la descomposición de modelos autorrregresivos, desarrollando algoritmos de restauración en los que se realiza la estimación simultánea de los parámetros y la imagen basándonos en el paradigma jerárquico bayesiano. Se aborda también el problema de la reconstrucción de imágenes de alta resolución a partir de observaciones de baja resolución con multisensores. Se analiza la estimación de los parámetros desconocidos, para lo que se deriva un algoritmo iterativo para calcular su estimación por máxima verosimilitud de forma simultánea a la reconstrucción de la imagen de alta resolución. Se observa que se pueden emplear las mismas herramientas que en el problema de la restauración para realizar los cálculos de forma eficiente y se valida la metodología sobre imágenes reales. Los algoritmos de restauración y reconstrucción desarrollados se han comparado con otros métodos propuestos en la literatura, demostrándose experimentalmente que las soluciones propuestas proporcionan mejores resultados, tanto a nivel de Mejora de la Relación Señal Ruido (ISNR) como de calidad visual. También se demuestra que los métodos propuestos realizan estimaciones precisas de los parámetros involucrados en los modelos empleados para formular los dos problemas considerados.

Autor: ROMERO MORALES CRISTÓBAL.
Año: 2002.
Universidad: GRANADA.
Centro de lectura: INFORMÁTICA.
Centro de realización: E.T.S. INFORMÁTICA DE GRANADA.

Resumen: En este trabajo se ha presentado una metodología para la mejora de sistemas hipermedia adaptativos educativos basados en web, apoyado en el uso de técnicas de aprendizaje evolutivo, para la extracción de información interesante que puede revertir en dicha mejora. A fin de contrastar la validez de esta propuesta, se ha desarrollado una aplicación de estas características y, sobre ella, se ha construido un curso realizado por una población de alumnos y expertos en la materia durante un cierto tiempo, a fin de obtener la información empleada en el resto de esta investigación. Se ha propuesto la aplicación de Algoritmos Evolutivos para llevar a cabo la tarea de extracción de conocimiento, mediante descubrimiento de reglas de predicción. En concreto, se ha trabajado en el paradigma de la Programación Genética Basada en Cramática, representando cada regla mediante un árbol de derivación de una gramática de contexto libre. Un análisis de las distintas métricas existentes para valorar la calidad de las reglas producidas, revela la necesidad de la aplicación de algoritmos multiobjetivo. En concreto, se han utilizado las aproximaciones MOGA y NSGA. La calidad de los resultados, en función del número de reglas obtenidas, tiempo empleado en la ejecución del algoritmo, y el grado de interés, precisión y comprensibilidad de las reglas, son muy superiores en este caso en comparación con el resto de algoritmos propuestos, que utilizan una única medida o una composición de varias. También se ha comprobado cómo la utilización de técnicas de nichos secuenciales permite reducir notablemente el número de reglas descubiertas menteniendo, e incluso aumentando, la calidad de dichas reglas. Con respecto a la utilidad práctica de las reglas descubiertas para la toma de decisiones sobre posibles modificaciones que se pueden realizar en ASWE, se han descrito los distintos tipos de reglas, se han descrito las utilidades que pueden tener para la mejora del curso y se han mostrado ejemplos concretos de reglas descubiertas con el curso de Linux. Finalmente, para facilitar el proceso de descubrimiento de conocimiento se ha desarrollado una herramienta específica que permite realizar el preprocesado de los datos de utilización de los cursos web, el establecimiento de restricciones sobre el tipo de información que se desea descubrir, así como la aplicación de los algoritmos de minería de datos para extracción de reglas y la visualización de las mismas. Además para facilitar la realización de los cambios se ha desarrollado también una herramienta autor para la construcción y modificación de los cursos web.

Autor: DODERO BEARDO JUAN MANUEL .
Año: 2002.
Universidad: CARLOS III DE MADRID.
Centro de lectura: ESCUELA POLITECNICA SUPERIOR.
Centro de realización: UNIVERSIDAD CARLOS III DE MADRID.

Resumen: Los procesos básicos de un sistema de gestión del conocimiento se basan en producción, adquisición y transferencia. En este trabajo se considera el proceso de producción como el permanente desarrollo y certificación del conocimiento de un dominio particular, en el que participan un conjunto de actores. Estos actore spresentan un conocimiento de interacción necesario para coordinar sus actividades, junto con un conocimiento específico del dominio en el que actúan, además de presentar características de dispersión y asincronía de actuación.Se desarrolla una arquitectura y protocolo multiagente que permite coordinar la producción distribuida de conocimiento, reuniendo distintos estilos de interacción y separando los distintos tipos de conocimiento que presentan los productores, de forma que la calidad de los objetos producidos aumente de forma continuada y se reducen los conflictos durante su creación. La relación entre estos grupos de productores es participativa y permite a unos tomar parte en la actividad productora de otros. La arquitectura propuesta se ha evaluado con éxito mediante su aplicación a la creación compartida de objetos educativos o learning objects. demostranmdo que facilita la colaboracoión activa de varios diseñadores instructuivos al crear materiales educativos

Autor: JEREZ ARAGONÉS JOSÉ MANUEL.
Año: 2002.
Universidad: MALAGA.
Centro de lectura: INFORMÁTICA .

Resumen: Los objetivos principales de esta tesis doctoral han sido: 1,- Presentación del mapa de aprendizaje como una herramienta gráfica para ilustrar las propiedades de las diferentes reglas de aprendizaje existentes en literatura. 2,- Análisis de las propiedades de la regla de aprendizaje CBA mediante el estudio analítico de los puntos fijos y condiciones de estabilidad del modelo en diferentes entornos visuales. 3,- Aplicación de la regla de aprendizaje en el modelado del proceso de formación de detectores de características mediante las propiedades de selectividad a la orientación que presentan las células simples del córtex primario, utilizando un entorno visual compuesto por imágenes naturales extraídas de fotografía tomadas de un parque. Asimismo, se comparan los resultados obtenidos con los campos receptivos formados mediante las reglas de aprendizaje BCM y PCA. También se testa la capacidad de la regla CBA para verificar los resultados experimentales sobre privación visual presentes en los trabajos de Hubel y Wiesel. 4,- Modelado del proceso de representación de la información, proponiendo una solución basada en la formación de asambleas neuronales mediante la regla de aprendizaje basadas también con el concepto de asamblea hebbiana. Asimismo, se definen experimentos de memorización y recuperación de información que permiten testar la capacidad de almacenamiento de patrones en la red para las distintas reglas de aprendizaje. 5,- Aplicación de la regla CBA a un sistema de reconocimiento de expresiones faciales constituido por una arquitectura neuronal modular. Esta arquitectura está integrada por dos etapas de proceso, una de ellas dedicada a la reducción de la dimensionalidad de los datos de entrada mediante la regla CBA, y otras estructurada en módulos especializados que permiten clasificar las imágenes después de una fase de entrenamiento utilizando el algoritmo de retro-propagación de errores.

Autor: BENÍTEZ ROCHEL RAFAELA.
Año: 2002.
Universidad: MALAGA.
Centro de lectura: INFORMÁTICA.
Centro de realización: ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA.

Resumen: En la tesis doctoral se proponen cinco modelos de redes recurrentes multivaluadas y autónomas para resolver problemas de agrupación de datos (patrones) basada en particiones permitiendo que los datos puedan ser también no métricos. La función de energía computacional es precisamente la función de similitud seleccionada. Cuando la función de similitud es el opuesto de la función de distorsión cuadrática hemos visto que el problema de agrupación es equivalente al problema de la cuantificación vectorial. Sin embargo, el problema de la cuantificación vectorial se reduce a datos métricos solamente, puesto que utiliza el controide de los grupos como su mejor representación. Los modelos propuestos no utilizan este concepto como elemento para la formación de los grupos, sino la similitud (semejanza, analogía o parecido) entre cada patrón y la clase a la que debe pertenecer, de manera que los patrones más similares pertenezcan a la misma clase. Los modelos neuronales propuestos buscan que las unidades de procesos más fuertemente conectadas (patrones más similares) presenten el mismo estado. Dos de las redes diseñadas son deterministas (el modelo exacto y el simplificado), y para su construcción ha sido necesario usar los conceptos de potencial sináptico y potencial de acción. Se ha demostrado la convergencia de la red para el modelo exacto, es decir, de que la regla de actualización de las neuronas conduce a un mínimo local de la función de energía asociada y que la dinámica de la computación asegura el decrecimiento de la función de energía en cada actualización de la red hasta alcanzar un estado de equilibrio. Y para el modelo aproximado se da también ese comportamiento, aunque ocasionalmente produzca un crecimiento de la función de energía. Se ha definido una red multivaluada estocástica, inspirada en el modelo anterior, buscando paliar el problema de la escasa eficiencia computacional. Para ello se define una dinámica de computación basada en la técnica del recocido simulado. En la dinámica de computación asociada esta red se ha introducido un mecanismo de competición que mejora la eficiencia del algoritmo. A este modelo se le ha llamado Red Recurrente Multivaluada estocástica competitiva. Para los dos casos se ha probado que la red de estabiliza en una configuración óptica, se ha descrito la cadena de Markov inducida por las dos redes estocásticas y se ha probado que son cadenas irreducibles, aperiódicas y se han determinado sus distribuciones estacionaria. Se ha aplicado el concepto de refinamiento a la red recurrente multivaluada simplificada resultando es el modelo de red recurrente multivaluada con distancias adaptativas (suavizado del espacio de búsqueda).

Autor: FERNÁNDEZ BREIS JESUALDO TOMAS.
Año: 2002.
Universidad: MURCIA.
Centro de lectura: INFORMÁTICA .
Centro de realización: UNIVERSIDAD DE MURCIA.

Resumen: El desarrollo de sistemas que faciliten la gestión de conocimiento es un elemento estratégico para las organizaciones en la actualidad. La necesidad de encontrar soluciones para obtener el conocimiento necesario para construir este tipo de sistemas ha sido la motivación primordial para esta tesis doctoral. La solución propuesta se basa en la mejora de los procesos de integración del conocimiento explícito disponible. Con ello, el desarrollo de sistemas para la gestión de conocimiento sería más eficiente. Dicho objetivo se ha logrado a través de las siguientes actividades: Definición y formalización de un entorno para la integración de ontologías. Se ha dividido el proceso en dos partes: 1,- Definición y formalización de un modelo ontológico. 2,- Definición y formalización de una metodología para integrar ontologías especificadas según el modelo ontológico anterior. La participación de expertos del dominio en los procesos de integración ha sido limitada a proporcionar una ontología privada, puesto que las ontologías son integradas automáticamente. Además, los resultados de los procesos de integración ha sido adaptados a cada experto en partícular. Diseño e implementación de una aplicación software para el desarrollo cooperativo de ontologías. Se ha desarrollado una interfaz web para facilitar el uso de la aplicación usando navegadores web. En este sistema, los expertos no tienen permiso para acceder al conocimiento de otros expertos excepto a través de los resultados de procesos de integración de ontologías. Las distintas secciones del entorno formal para integrar conocimiento han sido validadas. La metodología de validación se puede resumir a continuación: 1,- Validación de la metodología de construcción de ontologías. 2,- Evaluación de la calidad de las ontologías obtenidas a través de los procesos de integración. 3,- Evaluación de la utilidad de los procesos de integración.

Autor: YÁÑEZ ESCOLANO ANDRÉS.
Año: 2002.
Universidad: CADIZ.
Centro de lectura: SUPERIOR DE ESTUDIOS MARINOS.

Resumen: El objetivo de esta tesis es diseñar un modelo para aproximar el comportamiento de un sistema que viene definido par una función con forma paramétrica desconocida de la que sólo conocemos un conjunto de observaciones. Además, la relación entre los valores de entrada y de salida del sistema no suele ser de tipo determinista, pues normalmente existe ruido en las salidas. El procedimiento habitual a la hora de modelar el sistema consiste en seleccionar de entre un conjunto de modelos candidatos aquel modelo que presenta una mayor capacidad de generalización, es decir, la capacidad de estimar las salidas correctas para valores de entrada no utilizados durante el proceso de generación del modelo, pero que pertenecen a la misma población que el conjunto de aprendizaje. Los tres tipos de métodos más utilizados en la literatura sobre selección de modelos son los basados en el contraste de hipótesis (sólo estimación de parámetros), en la penalización de la complejidad del modelo y, finalmente, los basados en técnicas de remuestreo. Sin embargo, la estrategia de seleccionar el mejor modelo entre un conjunto de modelos candidatos descartando los demás no es la óptima, pues presenta inconvenientes (pérdida del esfuerzo, se descarta información útil contenida en los modelos rechazados, …). Para superar estos inconvenientes, en los años 90 comienza a plasmarse la idea de combinar, en lugar de seleccionar, modelos para mejorar la capacidad de generalización del meta-modelo resultante. En la literatura sobre el tema aparecen multitud de métodos para generar y combinar modelos. En esta tesis nos centraremos en un tipo de métodos, los métodos conjunto o ensembles, cuyas características principales son que todos los modelos han sido generados a partir del mismo conjunto de entrenamiento y trabajan en paralelo. Dado un valor de entrada, todos los modelos producen una salida apra esa entrada. Estas salidas son recibidas por un mecanismo combinador que produce la salida definitiva. Para que la combinación de modelos de lugar a un nuevo modelo con una capacidad de generalización superior que el mejor de los modelos a combinar, ha de verificarse que los modelos a combinar sean suficientemente exactos, pero suficientemente descorrelados en cuanto a las salidas que producen. En esta tesis proponemos un nuevo tipo de método conjunto basado en la generalización de los modelos a partir de conjuntos de datos obtenidos del conjunto de datos original mediante técnicas de remuestreo y la selección de las clases de modelos adecuadas haciendo uso de métodos estadísticos. El proceso consiste en seleccionar la clase de modelos óptima según alguno de los métodos de selección de modelos basados en técnicas de resmuestreo y, posteriormente, obtener aquellas clases de modelos con diferente complejidad que son similares desde el punto de vista estadístico (no significativamente diferentes) a la clase con complejidad óptima.

Autor: CUADRADO GALLEGO FRANCISCO CARLOS.
Año: 2002.
Universidad: CARLOS III DE MADRID.
Centro de lectura: ESCUELA POLITECNICA SUPERIOR.
Centro de realización: UNIVERSIDAD CARLOS III DE MADRID.

Resumen: La inteligencia artificial distribuida se encarga del diseño de sistemas inteligentes que tienen una naturaleza distribuida y que interaccionan entre sí, como por ejemplo los sistemas multi-agentes. El paradigma de la complejidad utiliza un análisis sistemático para construir representaciones de la realidad, que generalmente son difusas, multi-nivel, y multi-disciplinares. Los sistemas multi-agente representan una nueva manera de analizar, diseñar e implementar, y por tanto de tratar y gestionar el paradigma de la complejidad. El propósito de esta tesis es el de proporcionar una nueva manera de gestionar sistemas complejos mediante la utilización de sociedades de agentes software, que tengan una formalización desde un punto de vista heurístico y estructural, y que puedan ser construidas con un proceso de ingeniería completo y bien definido. El objetivo de la tesis es el desarrollo teórico de un nuevo modelo de computación basado en agentes, que incluye un nuevo proceso de abstracción del software caracterizado por componentes dinámicos internos y externos a los agentes (modelo estructural), una heurística evolutiva de los componentes del sistema (modelo evolutivo), y un conjunto de técnicas de ingeniería del software que permiten un diseño y un desarrollo consistente del sistema (proceso de ingeniería del software asociado al modelo).

Autor: GUERRERO VÁZQUEZ ELISA.
Año: 2002.
Universidad: CADIZ .
Centro de lectura: CENTRO SUPERIOR DE ESTUDIOS MARINOS.

Resumen: El aprendizaje mediante ejemplos constituye una de las áreas de investigación más importantes dentro del campo de la inteligencia artificial. Una posible formalización del aprendizaje mediante ejemplos es suponer la existencia de una función subyacente que represente al conjunto de observaciones, y que sea capaz de generalizar. La capacidad de generalización se define en esta tesis mediante el error cuadrático sobre la distribución completa que define el sistema estocástico, y se denominará Riesgo de Predicción. Dentro de este marco general la potencia de representación de los modelos dados constituye una parte fundamental de estudio. Los modelos no lineales se caracterizan por su gran flexibilidad para representar cualquier dependencia subyacente a partir de un conjunto de datos. Dentro de los sistemas no lineales, las redes neuronales constituyen una de las clases de funciones aproximadoras más ampliamente utilizadas dado que son aproximadores universales. El coste de su flexibilidad es la presencia de un número importante de parámetros cuyos valores han de ser correctamente establecidos, tanto en la elección de la arquitectura como en la especificación de la dimensión y complejidad. Al problema de elegir de forma óptima la complejidad de un modelo se le denomina Selección de Modelos. El problema de la selección de modelos se basa en el Principio de Occam por el cual dadas dos hipótesis con igual rendimiento, se debe elegir siempre la hipótesis más simple. Existe una gran variedad de métodos de selección de modelos que utilizan un amplio rango de técnicas estadísticas e ilustran la gran creatividad de los investigadores por intentar resolver este problema desde distintas perspectivas. La mayoría de estos métodos han sido diseñados para modelos lineales y la utilización en modelos no lineales no está exenta de condiciones que reducen su aplicabilidad de forma notable en gran parte de las situaciones reales. Esta tesis aborda el tema de control de la complejidad en modelos no lineales, las principales aportaciones que se realizan son las siguientes: Estudio y síntesis de las principales técnicas de control de la complejidad en modelos no lineales. Estudio y revisión de la influencia del ruido en la capacidad de generalización. Presentación de un nuevo método algebraico de selección de modelos no lineales (NNDIC) que se basa en calcular el factor de correción del riesgo empírico a partir de la influencia del ruido inherente, y penalizando la complejidad a través del número parámetros. Derivación matemática del criterio a partir de un desarrollo de Taylor de segundo grado.

Autor: ALVARADO NIETO LUZ DEICY.
Año: 2002.
Universidad: OVIEDO.
Centro de lectura: INFORMÁTICA.
Centro de realización: DEPARTAMENTO DE INFORMÁTICA.

Resumen: En este trabajo se aborda el tema de los Sistemas Tutores Inteligentes (STIs) y la utilización de mecanismos de aprendizaje automático como herramienta que les permite adaptarse a las necesidades particulares de cada alumno. Se plantea una metodología para la creación y desarrollo de sistemas tutores inteligentes dinámicos, basada principalmente en dos aspectos. El primero considera que la evaluación ha sido y será una actividad básica e indispensable en el proceso educativo, sobre todo si se utiliza para identificar los fallos del estudiante con el fin de hacer énfasis en los conceptos erróneos que pueda tener. El segundo, plantea la posibilidad de representar los contenidos y los tests como conjuntos de pares atributo-valor, de tal forma que cada pregunta, junto con la respuesta dada por el estudiante, constituye una instancia que pasará a formar parte de un conjunto de entrenamiento que posteriormente es sometido a un inductor de aprendizaje automático. Desde la década del 80 las propuestas de STIs han definido arquitecturas genéricas compuestas básicamente por tres elementos: modelo del alumno, modelo pedagógico y modelo de dominio, acompañados por un interfaz para el alumno; por lo general la inteligencia de estos sistemas se limita a intentar repetir los sistemas de enseñanza tradicionales, más aún, en la actualidad el uso de gran cantidad de elementos multimedia en la mayoría de casos, prima sobre la utilización de elementos de Inteligencia Artificial. Por otra parte, los cursos que se ofrecen a través de Internet generalmente requieren que las evaluaciones de los alumnos se realicen de forma presencial. A partir de esta base conceptual, se propone para los STIs que funcionan a trvés de Internet una nueva arquitectura genérica e independiente del dominio de conocimiento. Para ello resulta necesario definir una Ontología adecuada para la representación del conocimiento que permita definir cada uno de los elementos conceptuales, didácticos y de instrucción que forman la materia de estudio en función de pares atributo-valor. Además, nos permitirá representar eficazmente las relaciones entre los elementos que describen los aspectos educativos relevantes relacionados directamente con el dominio que se está tratando. Se tiene también encuenta el hecho relevante de que, además de la estructura conceptual mencionada, en la organización del conocimiento ha de intervenir una secuenciación temporal de los diferentes temas, apartados, subapartados y elementos básicos de información (Ebis). En esta arquitectura se incluye un nuevo elemento: el modelo administrador y dos nuevas interfaces una para el tutor y otra para el administrador; por otra parte, el modelo pedagógico se caracteriza por dar mayor importancia a la evaluación continua que a la presentación de gran cantidad de contenidos; es aquí donde la metodología planteada proponer involucrar mecanismos de aprendizaje automático en la evaluación de los estudiantes. Las reglas producidas por el inductor elegido constituirán la parte primordial de una base de conocimientos dinámica que será utilizada para actualizar permanentemente el modelo del alumno, así como para retroalimentar el sistema tutor, de forma que éste pueda adaptar su estrategia de decisión a las necesidades del alumno.

Autor: PIZARRO JUNQUERA JOAQUÍN.
Año: 2002.
Universidad: CADIZ.
Centro de lectura: CENTRO SUPERIOR DE ESTUDIOS MARINOS.
Centro de realización: UNED.

Resumen: Cuando aproximamos un modelo a un conjunto de datos, existe un dilema bien conocido entre bondad de ajuste y complejidad de la función o modelos. Si la función es muy compleja existe el riesgo de overfitting y el modelo será muy inestable en el sentido de que repetidas muestras recogidas del mismo proceso pueden conducirnos a un amplio rango de diferentes predicciones debido a la variabilidad en las variables extra. Si por el contrario la función es muy simple, las predicciones serán muy pobres debido a la falta de detalle en el modelo. Los procedimientos de selección de modelos son un intento de escoger entre un conjunto de modelos candidatos el más apropiado, donde puede existir más de una definición de "apropiado". Podemos destacar el Principio de Máxima Probabilidad, el Principio de Mínimo Riesgo Estructural, el Principio de Mínima Longitud, el Principio del Mínimo Riesgo de Predicción, etc. A partir de estos principios se han desarrollado numerosas estrategias (penalización a la complejidad, remuestreo, contrastes de hipótesis) que miden la "bondad de ajuste" de un modelo a los datos. Esta medida varía considerablemente dependiendo del tamaño de las muestras. Generalmente todos los criterios seleccionan los mismos modelos cuando el tamaño de las muestras es suficientemente grande, pero en pequeñas muestras difieren considerablemente. En esta tesis se propone un nuevo criterio de selección de modelos basado en penalizar la complejidad en modelos lineales con ruido gausiano. El método propuesto se basa en la relación de suma de cuadrados residuales procedente de generar salidas de ruido normal en el conjunto de entrenamiento y en un gran conjunto de validación. Este criterio es utilizado para determinar la complejidad óptima en problemas de regresión lineal, utilizando como conjuntos de funciones aproximadoras candidatas funciones lineales. El método estima el riesgo de predicción esperado utilizando todos los datos disponibles, por lo que realiza mejores estimaciones que los métodos de remuestreo. La estrategia propuesta es muy robusta, es decir su comportamiento es muy bueno independientemente del tamaño de las muestras de entrenamiento, el ruido inherente en los datos y las clases de funciones aproximadoras que se utilicen. Además es estable frente a variaciones en las muestras. La función de penalización obtenida se adapta a la "naturaleza" de los modelos candidatos, o en otras palabras, la función de penalización asigna a las funciones polinómicas, que pueden producir grandes errores debido a la varianza, una penalización más grande que a las funciones autoregresivas lineales donde el error debido a la varianza es menor (los métodos clásicos asignaría la misma penalización). Los resultados obtenidos demuestran que esta metodología evita los problemas de overfitting, especialmente en el caso de muestras pequeñas.

Autor: PEÑA REYES ANA M..
Año: 2002.
Universidad: OVIEDO.
Centro de lectura: MATEMÁTICAS.
Centro de realización: DEPARTAMENTO DE INFORMÁTICA.

Resumen: En esta Memoria se abordan los problemas que surgen con la experimentación en Aprendizaje Automático desde dos puntos de vista. El primero, es el del usuario del aprendizaje automático que dispone de algunas indicaciones sobre cómo resolver un problema que le resulta próximo; entonces debe indagar entre los diversos algoritmos cuál es el que proporcionará unos mejores resultados. El segundo, es el del diseñador de sistemas o de herramientas de Aprendizaje Automático, en estos casos se desea contrastar la calidad de una aportación con respecto a las otras herramientas disponibles. Utilizando Mapas Auto-organizados de Kohonen se lleva a cabo un estudio sistemático tanto de los problemas de aprendizaje más utilizados en la literatura como de los algoritmos más representativos. Se muestran las relaciones de similitud entre estos elementos, se ve que la interacción entre sistemas de aprendizaje y problemas de aprendizaje, la dificultad o facilidad para su resolución, deja caracterizar tanto a unos como a otros proporcionando así un mejor diseño experimental. Con estas herramientas, se presentan dos tipos de listas de conjuntos de entrenamiento, más adecuadas y ajustadas a los intereses de la propia experimentación, que cubran todos o alguno de los aspectos en los que se desee realizar pruebas experimentales. En primer tipo, son grupos de conjuntos de entrenamiento que tienen en cuenta el atributo predominante, los cuales se han llamado de propósito particular. El otro tipo de listas, son dos grupos de conjuntos de entrenamiento con las que se podrá estimar, de manera experimental, el comportamiento de los algoritmos sobre todo tipo de conjuntos de entrenamiento, los cuales se han denominado grupos de conjuntos para hacer experimentación de propósito general. Para la selección de conjuntos de cada tipo de listas se han tendio en cuenta los conjuntos de Holte, por ser conjuntos muy ampliamente utilizados. Finalmente, orientado al usuario de algoritmos de Aprendizaje Automático, se han caracterizado los sistemas de aprendizaje. Las aplicaciones de esta caracterización son dos. En primer lugar, al dibujar un mapa de los algoritmos, es posible establecer grupos para formar mecanismos combinados de clasificación tipo Winnow o Weighted Majority. En sgundo lugar, desde el punto de vista del Meta-aprendizaje, se ayuda a decidir qué algoritmo usar sobre un conjunto de ejemplos con un gasto mínimo en experimentación previa. En este sentido se propone unos resultados experimentales muy detallados tanto sobre reglas que dan orintaciones de uso de sistemas como reglas que tratan de predecir el error que cometerán los algoritmos sobre los conjuntos de entrenamiento.

Autor: DÍEZ PELÁEZ JORGE.
Año: 2002.
Universidad: OVIEDO.
Centro de lectura: INFORMÁTICA.
Centro de realización: DEPARTAMENTO DE INFORMÁTICA.

Resumen: Aprendizaje Automático es un área inherentemente experimental donde se involucran algoritmos de aprendizaje y conjuntos de ejemplos. En esta Memoria se abordan los problemas que surgen con la experimentación en Aprendizaje Automático desde dos puntos de vista. El primero es el del usuario del aprendizaje automático que dispone de algunas indicaciones sobre cómo resolver un problema que le resulta próximo; entonces debe indagar entre los diversos algoritmos cuál es el que proporcionará unos mejores resultados. El otro punto de vista en la experimentación es el del diseñador de sistemas o de herramientas de aprendizaje automático, en estos casos se desea contrastar la calidad de una aportación con respecto a las otras herramientas disponibles. Utilizando mapas auto-organizados de Kohonen se describe un estudio sistemático tanto de los problemas de aprendizaje más utilizados en la literatura como de los algoritmos más representativos. Se muestran las relaciones de similitud o diferencia entre estos elementos. Se ve que la interacción entre problemas de aprendizaje y algoritmos, la dificultad o facilidad para su resolución, deja caracterizar tanto a unos como a otros permitiendo así un mejor diseño experimental.

Autor: MONTAÑÉS ROCES ELENA.
Año: 2002.
Universidad: OVIEDO.
Centro de lectura: MATEMÁTICAS.
Centro de realización: FCULTAD DE CIENCIAS.

Resumen: La Clasificación Documental (CD) juega un papel importante en una gran variedad de tareas de organización y manejo de información dentro de la Recuperación de Información (RI) y de la Minería de Datos Textuales (MDT). CD es el proceso de asignar una o más categorías predefinidas a documentos de un hábeas. Los algoritmos de Aprendizaje Automático (AA) son métodos adecuados que recientemente han sido aplicados para este propósito, debido a que un documento puede representarse mediante un conjunto de términos que reflejan su contenido y mediante una o más categorías. CD es una tarea que consume mucho tiempo, debido a que involucra el manejo de gran cantidad de términos, de los cuales algunos pueden ser ruidosos o irrelevantes para la clasificación. Por tanto, una reducción de términos previa a la clasificación puede mejorar la eficiencia del clasificador. En este trabajo se proponen técnicas de selección de términos. Una de ellas consiste en una serie de medidas, tomadas del área del AA, para cuantificar la importancia de un término. Otra de ellas, consiste en clasificar los términos en relevantes o no relevantes a partir de sus propiedades lingüísticas. Finalmente, se propone una técnica de envoltura para seleccionar un cojunto de términos adecuado.

Autor: MELIÁN BATISTA M. BELEN.
Año: 2002.
Universidad: LA LAGUNA.
Centro de lectura: MATEMÁTICAS.
Centro de realización: FACULTAD DE FÍSICA Y MATEMÁTICAS.

Resumen: Las implementaciones actuales de las redes de Telecomunicaciones no permiten soportar el incremento en la demanda de ancho de banda producido por el crecimiento del tráfico de datos en las últimas décadas. La aparición de la fibra óptica y el desarrollo de la tecnología de multiplexación por división de longitudes de onda (WDM), permite incrementar la capacidad de redes de telecomunicaciones existentes mientras se minimizan costes. En este trabajo se planifican redes ópticas WDM mediante la resolución de los problemas de Provisión y Conducción en redes WDM (Provisioning and Routing Problem) y de Supervivencia (Survivability Problem). El Problema de Conducción y Provisión consiste en incrementar a mínimo coste la capacidad de una red existente de tal forma que se satisfaga un conjunto de requerimientos de demanda. El problema de supervivencia consiste en garantizar el flujo del tráfico a través de una red en caso de fallo de alguno de los elementos de la misma. Además se resuelve el Problema de Provisión y Conducción en redes WDM con incertidumbre en las demandas. Para estos problemas se proponen modelos de programación lineal entera. Las metaheurísticas proporcionan un medio para resolver problemas de optimización complejos, como los que surgen al planificar redes de telecomunicaciones, obteniendo soluciones de alta calidad en un tiempo computacional razonable. Las metaheurísticas son estrategias que guían y modifican otras heurísticas para obtener soluciones más allá de las generadas usualmente en la búsqueda de optimalidad local. No garantizan que la mejor solución encontrada, cuando se satisfacen los criterios de parada, sea una solución óptima global del problema. Sin embargo, la experimentación de implementaciones metaheurísticas muestra que las estrategias de búsqueda embebidas en tales procedimientos son capaces de encontrar soluciones de alta calidad a problemas difíciles en industria, negocios y ciencia. Para la solución del problema de Provisión y Conducción en Redes WDM, se desarrolla un algoritmo metaheurístico híbrido que combina principalmente ideas de las metaheurísticas Búsqueda Dispersa (Scatter Search) y Búsqueda Mutiarranque (Multistart). Además añade una componente tabú en uno de los procedimiento del algoritmo. Se utiliza el modelo de programación lineal entera propuesto por otros autores y se propone un modelo de programación lineal entera alternativo que proporciona cotas superiores al problema, pero incluye un menor número de variables y restricciones, pudiendo ser resuelto de forma óptima para tamaños de red mayores. Los resultados obtenidos por el algoritmo metaheurístico diseñado se comparan con los obtenidos por un procedimiento basado en permutaciones de las demandas propuesto anteriormente por otros autores, y con los dos modelos de programación lineal entera usados. Se propone modelos de programación lineal entera para sobrevivir la red en caso de fallos en un único enlace. Se proponen modelos para los esquemas de protección de enlace compartido, de camino compartido con enlaces disjuntos, y de camino compartido sin enlaces disjuntos. Se propone un método de resolución metaheurístico que obtiene mejores costes globales que al resolver el problema en dos fases, es decir, al resolver el problema de servicio y a continuación el de supervivencia. Se proponen además modelos de programación entera para resolver el problema de provisión en redes WDM con incertidumbres en las demandas.

Autor: SÁNCHEZ NIELSEN M. ELENA.
Año: 2002.
Universidad: LA LAGUNA.
Centro de lectura: INFORMÁTICA.
Centro de realización: ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA.

Resumen: La detección y el seguimiento visual de objetos móviles en escenas dinámicas constituyen problemas centrales tratados en el área de investigación de visión artificial. Estos problemas han sido abordados a lo largo de las dos últimas décadas según diferentes aproximaciones, pero se han ido encontrando con el cuello de botella resultante de asegurar por una parte, la ejecución de los cómputos necesarios para llevar a cabo el proceso dentro de las limitaciones temporales que plantean las aplicaciones de visión en tiempo real y por otra parte, asegurar el robustecimiento del sistema resultante para llevar a cabo el proceso en entornos complejos no controlados y donde interactúan objetos naturales. Todo ello ha dado lugar a que aún hoy en día siga siendo este un conjunto de problemas abierto en espera de soluciones robustas y rápidas. El objetivo de la presente tesis es el constituir una contribución al problema del seguimiento precategórico de objetos deformables utilizando primitivas de contorno. Para ello, se parte de la consideración de que los objetos a seguir son en general tridimensionales y pueden moverse con todos sus grados de libertad respecto al observador, que en general será un sistema artificial con o sin egomovimiento. Los grados de libertad mencionados incluirán la deformación del objeto, caso de que este no sea rígido como es el cuerpo humano. En base al modelo de presentación visual establecido por Edelman, en este trabajo se analizan y ofrecen soluciones plausibles para cada uno de los siguientes aspectos fundamentales implícitos en el seguimiento visual precategórico: representación del modelo, detección y comparación, estructuras deformables, la problemática del tiempo real y una propuesta para el seguimiento de objetos deformables

Autor: SABATER MIR JORDI.
Año: 2002.
Universidad: AUTONOMA DE BARCELONA.
Centro de lectura: ESCUELA SUPERIOR DE INGENIERIA.
Centro de realización: ESCUELA DE DOCTORADO Y DE FORMACIÓN CONTINUADA.

Autor: HERNANDEZ CASTRO JULIO CESAR.
Año: 2002.
Universidad: CARLOS III DE MADRID.
Centro de lectura: ESCUELA POLITÉCNICA SUPERIOR.
Centro de realización: UNIVERSIDAD CARLOS III DE MADRID.

Resumen: En esta tesis se propone la utilización de algunas técnicas de Inteligencia Artificial en Criptología. En concreto, se propone el uso de los algoritmos genéticos en la determinación de buenos parámetros para un modelo concreto de generadores de números pseudoaleatorios, denominado generadores lineales congruenciales, y se prueba que el método propuesto es capaz de producir generadores tan buenos (al menos desde el punto de vista de una batería de tests concreta) como los recomendados en la literatura. Ésta es la principal aportación de la Tesis a la Criptografía, ya que las otras dos propuestas se inscriben dentro del área del Criptoanálisis, bien de cifradores de flujo, bien de cifradores de bloque. Respecto al criptoanálisis de cifradores de flujo, se propone el uso de nuevas técnicas basadas en clasificadores, para lo cual se aproxima el problema de predicción del siguiente bit por uno de clasificación y se estudia el rendimiento de multitud de algoritmos de clasificación sobre diferentes modelos de cifradores de flujo, para concluir que, en general, son los modelos basados en árboles de decisión los que parecen ofrecer mejores capacidades predictivas. Se muestra, además, que el modelo criptoanalítico propuesto es no sólo novedoso sino muy potente, exhibiendo resultados criptoanalíticos sobre modelos de cifradores no triviales y, en particular, altamente no lineales. Finalmente, se propone una transformación del problema criptoanalítico clásico de búsqueda de la clave o del texto en claro (que tiene asociado un espacio de soluciones del tipo delta que, por tanto, no se adapta bien al uso de técnicas de optimización heurística) que lo convierte en un problema con un espacio de soluciones con un perfil completamente distinto, en el que sí pueden aplicarse técnicas de optimización. Como muestra de la utilidad del nuevo método de ataque, se construyen distinguidores muy eficaces y eficientes para dos algoritmos de cifrado en bloque modernos, TEA y XTEA.

Autor: FERNANDEZ REBOLLO FERNANDO.
Año: 2002.
Universidad: CARLOS III DE MADRID.
Centro de lectura: ESCUELA POLITÉCNICA SUPERIOR .
Centro de realización: UNIVERSIDAD CARLOS III DE MADRID.

Resumen: El aprendizaje por refuerzo es un modelo de aprendizaje que permite implementar comportamientos inteligentes de forma automática. La mayor parte de la teoría del aprendizaje por refuerzo tiene su fundamento en la programación dinámica, y por tanto, en lo que se denominan funciones de valor. Sin embargo, la implementación tradicional de estas funciones en forma tabular no es práctica cuando el espacio de estados es muy grande, o incluso infinito. Cuando se produce esta situación, se deben aplicar métodos de generalización que permitan extrapolar la experiencia adquirida para un conjunto limitado de estados, a la totalidad del espacio. Existen dos aproximaciones básicas para resolver este problema. Por un lado, están aquellas técnicas que se basan en obtener una discretización adecuada del espacio de estados. Por otro lado, están los métodos basados en implementar las funciones de valor con algún método supervisado de aproximación de funciones, como, por ejemplo, una red de neuronas. En esta tesis doctoral se pretende desarrollar métodos de aprendizaje por refuerzo que sean aplicables en dominios con espacios de estados continuos, partiendo de las dos aproximaciones planteadas anteriormente, fundiendo las ventajas de una y otra en un método eficaz y eficiente que permita que el aprendizaje sea un proceso totalmente automático.