LineasInvestigacion

De Grupo de Inteligencia Computacional (GIC)
Revisión del 14:23 19 oct 2007 de Maveganzones (discusión | contribs.) (→‎Resumen)
(difs.) ← Revisión anterior | Revisión actual (difs.) | Revisión siguiente → (difs.)

Resumen

El ámbito de trabajo del grupo de Inteligencia Computacional es la aplicación de técnicas de inteligencia artificial basadas en técnicas estadísticas a diversos aspectos de la percepción y control en sistemas. Las técnicas que se conocen van desde algoritmos de clustering y cuantización vectorial, redes neuronales, Hidden Markov Models, algoritmos supervisados de clasificación, hasta el procesado de imagen y la visión por computador. Las aplicaciones van desde los sistemas de interacción hombre máquina avanzados, control de robots móviles, diagnosis basada en imágenes médicas, sistemas de seguridad en el trabajo basados en inteligencia ambiental, comunicación gestual con personas sordas, hasta la inspección de procesos y productos y la psicología experimental.

Lineas de Investigación

Sincronización de caos

Descripción: Se entiende por sincronización de caos el control de los parámetros de un sistema caótico para conseguir que se mimetice con otro sistema del que solo se conoce la evolución de alguna de sus variables. Una de sus aplicaciones más interesantes es la definición de sistemas de encriptación. Al presente estado de los trabajos se trata de probar la estabilidad de los métodos de sincronización de caos mediante la formulación de una función de energía asociada al proceso de sincronización. El objetivo es obtener modelos de algunas señales biológicas (electroencefalocardiograma) y métodos de encriptación para la transmisión segura de información. También se plantea la aplicación de técnicas de sincronización de caos en robótica móvil para garantizar la exploración sistemática de un espacio. En este sentido hemos realizado una petición de proyecto conjuntamente con grupos de la Universidad de A Coruña y la UPM. En la descripción de antecedentes nos centramos en los aspectos de comunicación.

Control de procesos

Descripción: se aplican técnicas de redes neuronales para el modelado de los procesos y técnicas de optimización para el control óptimo. Hasta el momento se ha trabajado en el modelado de un reactor de polimerización, incluyendo la generación de trayectorias óptimas de control en lazo abierto mediante algoritmos de programación dinámica iterativa. Los objetivos en esta línea de trabajo se centran en la aplicación a casos concretos (plantas) de las técnicas que se han desarrollado hasta el momento. También hemos trabajado en la definición de estrategias de control de la fabricación de papel reciclado para evitar el fenómeno del abollado, a partir de la medida visual obtenida mediante técnicas de análisis de texturas. La visión artificial es uno de los ejes de desarrollo de esta línea de trabajo que se extiende ahora a los procesos electroquímicos de deposición, en colaboración con el gupo de química analítica de la UPV/EHU. En la descripción del estado del arte nos centramos en el proceso de control del papel reciclado.

Modelado de rendimiento de sistemas de comunicación multimedia

Descripción: trabajamos sobre el modelado, mediante procesos estocásticos y teoría de colas, de los fenómenos temporales que ocurren en la transmisión de contenidos multimedia (vídeo) sobre redes ATM.

Robótica móvil

Descripción: estamos interesados en el estudio y desarrollo de sistemas de navegación basados en la fusión desensores, incluyendo sensores de visión. El objetivo es obtener sistemas con capacidades de descubrir el entorno y orientarse en él. En particular estamos interesados en desarrollar sistemas generales y robustos de autolocalización basados en técnicas novedosas de soft-computing como las redes morfológicas. También estamos interesados en el desarrollo de novedosos sistemas de robots reconfigurables para aplicaciones en entornos altamente desestructurados, y en las aplicaciones de técnicas de fusión de sensores para problemas como la detección de la configuración propia, la autolocalización y la navegación con problemas de despliegue del sistema reconfigurable. La petición de proyecto conjuntamente con grupos de la Universidad de A Coruña y la UPM abarca también estos aspectos.

Sistemas multimodales de interacción

Descripción: estamos interesados en el estudio de sistemas de interacción con un énfasis especial en los que utilizan sensores de visión. Las aplicaciones más interesantes son el desarrollo de juegos, donde ya tenemos experiencias que incluyen la creación de una empresa spin-off por parte de algunos de nuestros alumnos, y el acercamiento de los recursos computacionales a personas con limitaciones. En este aspecto se realizó la proposición de proyecto junto con InnovaeVision al Depto. de Industria, Comercio y Turismo del Gobierno Vasco. Entre los múltiples objetivos se trata de mejorar la comunicación con colectivos como las personas sordas,

Inteligencia Ambiental: aplicaciones a la seguridad en el trabajo

Descripción: resume la investigación sobre entornos inteligentes que se adaptan a las necesidades de los usuarios. Incluye diversas necesidades de sensorización y desarrollo de respuestas inteligentes del entorno. Estos sistemas se orientan a la seguridad y reducción de riesgos en el trabajo, la cual es una de las prioridades en el contexto europeo. El grupo se está integrando en la plataforma para la seguridad en el trabajo junto con LEIA. Esta línea es parcialemente concurrente con la anterior, ya que los sistemas avanzados de interacción hombre-máquina son uno de los pilares de trabajo en esta linea. Pero existen una gran diversidad de sistemas de sensorización que pueden ser combinados para dar lugar a estos entornos inteligentes creando redes de sensores heterogéneos. En la presente línea el énfasis especialmente se hace sobre la denominada computación emocional, la sensibilidad del computador a los estados emocionales del usuario y en este sentido se ha propuesto al MEC un proyecto junto con LEIA.

Análisis de imágenes hiperespectrales

Descripción: estamos interesados en el desarrollo de algoritmos no supervisados de detección en imágenes hiperespectrales. Estos algoritmos son los más apropiados para procesar las ingentes cantidades de información que lleva consigo las imágenes hiperespectrales. Este tipo de imágenes pueden ser de reconocimiento remoto, pero también pueden usarse para la inspección de productos y superficies. La computación basada en látices como un marco general de definición de algoritmos es continuación de nuestros trabajos utilizando redes morfológicas. Hemos colaborado activamente con grupos de la Universidad de Vigo, Universidad de Santiago, Universidad de A Coruña en el desarrollo de un sensor hiperespectral y el estudio de sus aplicaciones a la detección de vertidos y a la inspección de superficies.

Análisis de imágenes de resonancia magnética

Descripción: Después de trabajar en algoritmos de segmentación robustos frente a iluminación inhomogenea y de la colaboración con el Instituto de Estudios Biofuncionales de la UCM, hemos establecido relación con el Hospital de Mendaro para trabajar sobre el problema de la diagnosis de la esclerosis múltimple mediante imágenes de resonancia magnética. En este sentido hemos solicitado financiación al Instituto Carlos III.

Sistemas de acceso basado en contenidos para imágenes de reconocimiento remoto

Descripción: La ingente cantidad de imágenes de reconocimiento remoto hace atractiva la posibilidad de construir sistemas de acceso basado en contenidos a este tipo de imágenes. Una de las ventajas es que se trata de un dominio relativamente cerrado, donde las imágenes son de tipos relativamente poco variables. También se aplican técnicas de realimentación semántica. Esta línea es continuación de trabajos previos relativos al tratamiento de las imágenes hiperespectrales y a los trabajos sobre acceso a base de datos basado en contenidos sobre imágenes generales.

Sistemas de monitorización inteligente para aplicaciones de psicología experimental

Descripción: La posibilidad de aplicar técnicas de visión artificial a la monitorización de los animales en experimentos de laboratorio proporciona niveles de precisión en la monitorización que permitirán la caracterización fina de los comportamientos observados y su clasificación automática, o el reconocimiento de comportamientos inesperados mediante técnicas de clustering. En esta línea hemos contactado con el grupo de Psicología Experimental de la UPV/EHU y de la UPC.