El imperio Disney: La clave de su éxito.

Para este trabajo se ha realizado un documental donde se exploran varios puntos clave, sobre la base del gran éxito de la compañía Disney, a la vez que resuelve una gran pregunta: ¿Cómo lo han conseguido? ¿Cómo han conseguido estar presentes en la memoria de todo tipo de público? Preguntas que se van resolviendo a lo largo del documental

Arritmias asociadas a Canalopatias. Proyecto ITACA

Importancia del estudio funcional de las canalopatías • Identificar los mecanismos implicados en la fisiopatología de los síndromes arritmogénicos primarios (y de la MSC) • Conocer la relación entre topología y función de las subunidades que forman los canales iónicos (Na+, Ca2+ y K+) • Propiedades biofísicas y moleculares del canal selectividad, conductancia y cinética (activación/inactivación/reactivación) • Correlacionar genotipo y fenotipo • Estratificar el riesgo del paciente según el locus de la mutación • Mejorar los tests genéticos disponibles • Diseñar nuevas estrategias terapéuticas específicas según las consecuencias de la mutación

Arquitecturas Flexibles, Crecientes y Jerárquicas para Sistemas Neuronales Autoorganizados

La autoorganización es un proceso de aprendizaje no supervisado mediante el cual se descubren características, relaciones, patrones significativos o prototipos en los datos. Entre los sistemas neuronales autoorganizados más usados destaca el el mapa autoorganizado o SOM (Self-Organizing Map), el cual ha sido aplicado en multitud de campos distintos. Sin embargo, este modelo autoorganizado tiene varias limitaciones relacionadas con su tamaño, topología, falta de representación de relaciones jerárquicas, etc. La red neuronal llamada gas neuronal creciente o GNG (Growing Neural Gas), es un ejemplo de modelo neuronal autoorganizado con mayor flexibilidad que el SOM ya que está basado en un grafo de unidades de proceso en vez de en una topología fija. A pesar de su éxito, se ha prestado poca atención a su extensión jerárquica, a diferencia de muchos otros modelos que tienen varias versiones jerárquicas. El gas neuronal jerárquico creciente o GHNG (Growing Hierarchical Neural Gas) es una extensión jerárquica del GNG en el que se aprende un árbol de grafos, donde el algoritmo original del GNG se ha mejorado distinguiendo entre una fase de crecimiento y una fase de convergencia. Los resultados experimentales demuestran las capacidades de autoorganización y aprendizaje jerárquico de esta red.