Redes neuronales multimodelo aplicadas al control de sistemas

En este proyecto se plantea un nuevo modelo de red neuronal llamado multimodelo. Si en un modelo convencional de red neuronal obtenemos la salida a partir de una serie de parámetros, en un sistema multimodelo recalculamos la salida a partir de los mismos valores de entrada, pero variando los parámetros. Con esto se consigue una mayor muestra de salidas, que permiten decidir cuales son los parámetros más acertados (los que devuelven una salida más cercana a la salida deseada del sistema de control). Para llevar a cabo este proyecto se ha hecho uso de Matlab 7.3 (R2006b).

The role of fixed delays in neuronal rate models

Fixed delays in neuronal interactions arise through synaptic and dendritic processing. Previous work has shown that such delays, which play an important role in shaping the dynamics of networks of large numbers of spiking neurons with continuous synaptic kinetics, can be taken into account with a rate model through the addition of an explicit, fixed delay. Here we extend this work to account for arbitrary symmetric patterns of synaptic connectivity and generic nonlinear transfer functions. Specifically, we conduct a weakly nonlinear analysis of the dynamical states arising via primary instabilities of the stationary uniform state. In this way we determine analytically how the nature and stability of these states depend on the choice of transfer function and connectivity. While this dependence is, in general, nontrivial, we make use of the smallness of the ratio in the delay in neuronal interactions to the effective time constant of integration to arrive at two general observations of physiological relevance. These are: 1 - fast oscillations are always supercritical for realistic transfer functions. 2 - Traveling waves are preferred over standing waves given plausible patterns of local connectivity.

Analysis of nonlinear noisy integrate & fire neuron models: blow-up and steady states

Nonlinear Noisy Leaky Integrate and Fire (NNLIF) models for neurons networks can be written as Fokker-Planck-Kolmogorov equations on the probability density of neurons, the main parameters in the model being the connectivity of the network and the noise. We analyse several aspects of the NNLIF model: the number of steady states, a priori estimates, blow-up issues and convergence toward equilibrium in the linear case. In particular, for excitatory networks, blow-up always occurs for initial data concentrated close to the firing potential. These results show how critical is the balance between noise and excitatory/inhibitory interactions to the connectivity parameter.

Avenços en l'estudi de la litiasi renal: mètodes de chemical imaging i intel·ligencia artificial (ANN) per la caracterització de càlculs renals

La litiasi urinària és un trastorn que implica la formació de precipitats en qualsevol part del tracte urinari. Aquest és un desordre comú que afecta aproximadament a una desena part de la població de la Unió Europea al llarg de la seva vida. A més, durant els cinc anys posteriors a un episodi litiàsic el percentatge de recurrència dels pacients és del 45 al 75%. Aquest trastorn urinari està influït per una gran quantitat de variables, d’origen fisiològic, psicològic i ambiental. Els episodis litiàsics, es poden solucionar espontàniament, amb l’expulsió del càlcul renal, o bé a través de diverses intervencions mèdiques. Els tractaments mèdics derivats de la litiasi urinària; és a dir, la fragmentació del càlcul, intervencions quirúrgiques i tractaments posteriors generen unes grans despeses als sistemes mèdics. Pels motius exposats, la identificació del desordre que ha originat l’episodi litiàsic és de radical importància, per tal de minimitzar el risc de reincidència. Els mètodes més usuals per determinar les causes que desencadenen la formació del càlcul renal són les anàlisis d’orina i l’estudi del càlcul generat. La correcta descripció de la composició i, especialment, l’estructura del càlcul renal pot aportar informació clau sobre les possibles causes de la seva formació, tant de l’inici de nucleació del càlcul com de les successives etapes de creixement cristal·lí. Tenint en compte aquest darrer aspecte, el present estudi s’ha dirigit a la caracterització de càlculs urinaris mitjançant l’aplicació de metodologies d’imatge química (Hyperspectral Imaging), el que va contribuir a determinar les principals característiques espectrals de cada compost majoritari als càlculs renals. D’altra banda, la utilització de mostres de composició coneguda ha possibilitat la creació d’un model amb Xarxes Neuronals Artificials, que permet la classificació de noves mostres de composició desconeguda, de manera més ràpida que el procediment actual. Aquest treball constitueix una nova contribució a la comprensió de l’estructura de les pedres de ronyó, així com les condicions de la seva formació. Els resultats obtinguts destaquen les possibilitats que presenten les tècniques emprades al camp de la litiasi renal, que permeten complementar els coneixements existents enfocats a millorar la qualitat de vida dels pacients.

Synchronization reveals topological scales in complex networks

We study the relationship between topological scales and dynamic time scales in complex networks. The analysis is based on the full dynamics towards synchronization of a system of coupled oscillators. In the synchronization process, modular structures corresponding to well-defined communities of nodes emerge in different time scales, ordered in a hierarchical way. The analysis also provides a useful connection between synchronization dynamics, complex networks topology, and spectral graph analysis.

A proposal of a behavior-based control architecture with reinforcement learning for an autonomous underwater robot

Aquesta tesi proposa l'ús d'un seguit de tècniques pel control a alt nivell d'un robot autònom i també per l'aprenentatge automàtic de comportaments. L'objectiu principal de la tesis fou el de dotar d'intel·ligència als robots autònoms que han d'acomplir unes missions determinades en entorns desconeguts i no estructurats. Una de les premisses tingudes en compte en tots els passos d'aquesta tesis va ser la selecció d'aquelles tècniques que poguessin ésser aplicades en temps real, i demostrar-ne el seu funcionament amb experiments reals. El camp d'aplicació de tots els experiments es la robòtica submarina. En una primera part, la tesis es centra en el disseny d'una arquitectura de control que ha de permetre l'assoliment d'una missió prèviament definida. En particular, la tesis proposa l'ús de les arquitectures de control basades en comportaments per a l'assoliment de cada una de les tasques que composen la totalitat de la missió. Una arquitectura d'aquest tipus està formada per un conjunt independent de comportaments, els quals representen diferents intencions del robot (ex.: "anar a una posició", "evitar obstacles",...). Es presenta una recerca bibliogràfica sobre aquest camp i alhora es mostren els resultats d'aplicar quatre de les arquitectures basades en comportaments més representatives a una tasca concreta. De l'anàlisi dels resultats se'n deriva que un dels factors que més influeixen en el rendiment d'aquestes arquitectures, és la metodologia emprada per coordinar les respostes dels comportaments. Per una banda, la coordinació competitiva és aquella en que només un dels comportaments controla el robot. Per altra banda, en la coordinació cooperativa el control del robot és realitza a partir d'una fusió de totes les respostes dels comportaments actius. La tesis, proposa un esquema híbrid d'arquitectura capaç de beneficiar-se dels principals avantatges d'ambdues metodologies. En una segona part, la tesis proposa la utilització de l'aprenentatge per reforç per aprendre l'estructura interna dels comportaments. Aquest tipus d'aprenentatge és adequat per entorns desconeguts i el procés d'aprenentatge es realitza al mateix temps que el robot està explorant l'entorn. La tesis presenta també un estat de l'art d'aquest camp, en el que es detallen els principals problemes que apareixen en utilitzar els algoritmes d'aprenentatge per reforç en aplicacions reals, com la robòtica. El problema de la generalització és un dels que més influeix i consisteix en permetre l'ús de variables continues sense augmentar substancialment el temps de convergència. Després de descriure breument les principals metodologies per generalitzar, la tesis proposa l'ús d'una xarxa neural combinada amb l'algoritme d'aprenentatge per reforç Q_learning. Aquesta combinació proporciona una gran capacitat de generalització i una molt bona disposició per aprendre en tasques de robòtica amb exigències de temps real. No obstant, les xarxes neurals són aproximadors de funcions no-locals, el que significa que en treballar amb un conjunt de dades no homogeni es produeix una interferència: aprendre en un subconjunt de l'espai significa desaprendre en la resta de l'espai. El problema de la interferència afecta de manera directa en robòtica, ja que l'exploració de l'espai es realitza sempre localment. L'algoritme proposat en la tesi té en compte aquest problema i manté una base de dades representativa de totes les zones explorades. Així doncs, totes les mostres de la base de dades s'utilitzen per actualitzar la xarxa neural, i per tant, l'aprenentatge és homogeni. Finalment, la tesi presenta els resultats obtinguts amb la arquitectura de control basada en comportaments i l'algoritme d'aprenentatge per reforç. Els experiments es realitzen amb el robot URIS, desenvolupat a la Universitat de Girona, i el comportament après és el seguiment d'un objecte mitjançant visió per computador. La tesi detalla tots els dispositius desenvolupats pels experiments així com les característiques del propi robot submarí. Els resultats obtinguts demostren la idoneïtat de les propostes en permetre l'aprenentatge del comportament en temps real. En un segon apartat de resultats es demostra la capacitat de generalització de l'algoritme d'aprenentatge mitjançant el "benchmark" del "cotxe i la muntanya". Els resultats obtinguts en aquest problema milloren els resultats d'altres metodologies, demostrant la millor capacitat de generalització de les xarxes neurals.

Desenvolupament d'aplicacions per a dispositius mòbils

La finalitat d’aquest projecte és obtenir una visió global de la programació per dispositius mòbils i a més fer una avaluació del que podria costar (tant les eines com el reciclatge de programadors) a una empresa dedicada a TIC començar a implementar aplicacions per a dispositius mòbils. Amb un plantejament molt ampli al principi i reduït només a tres opcions (BlackBerry, Windows Mobile i Android), es desenvolupa una aplicació per aquests dispositius. Els resultats obtinguts mostren que a nivell econòmic les millors opcions són el desenvolupament per Android (gratuït) i per BlackBerry (20$). Però en canvi a nivell d’adaptació dels llenguatges de programació la opció de Windows Mobile és la que presenta menys obstacles per passar de coneixements de programació d’aplicacions de servidor o sobre taula (en entorn .NET) a dispositius mòbils.

Aplicacions de reconeixement de la parla: sistemes de respeaking III

En aquest projecte es fa una introducció als reconeixedors de la parla, el seu funcionament i la seva base matemàtica. Un cop tots els conceptes han quedat clars, es mostra el mètode de creació que hem seguit per obtenir el nostre propi reconeixedor de la parla, utilitzant les eines HTK, en català. S’avaluen les seves virtuts i els seus defectes a través de diferents proves realitzades als seus components. A més a més, el projecte arrodoneix la feina implementant un sistema de dictat automàtic que explota el reconeixedor de la parla utilitzant Julius.

Gestió de xarxes Internet basada en SNMP

El treball es divideix en dos grans parts, una primera eminentment teòrica en la que s'estudia SNMP, i una segona íntegrament pràctica en la que s'implementa el protocol. Per a cada part es defineix una metodologia ben diferenciada.

Eines de detecció de vulnerabilitats en aplicacions web : Control de dades d'entrada

Aquest document proposa, per una banda, la tria d'una eina de codi lliure, com és Skipfish, i per una altra, una eina, una aplicació web, que proporcioni una interfície d'usuari més amigable així com un complement a l'informe que genera Skipfish, afegint explicacions i referències a les vulnerabilitats a més de propostes de solució a aquests.

Creació d'un entorn Servidor d'accés wi-fi, usuaris i configuracions, fent servir un Live CD

El projecte consisteix en crear un entorn servidor-client, el servidor del qual controlarà les dades dels usuaris, les configuracions i validacions d'aquest. A més el servidor controlarà l'accés wi-fi dels usuaris a la xarxa inal·làmbrica. Per últim s'estableixen els mecanismes per realitzar les còpies de seguretat i restauració de les dades. També s'inclouen els scripts per al tractament de les dades dels usuaris.

Reconeixement de veu mitjançant xarxes neuronals

La interacció home-màquina per mitjà de la veu cobreix moltes àrees d’investigació. Es destaquen entre altres, el reconeixement de la parla, la síntesis i identificació de discurs, la verificació i identificació de locutor i l’activació per veu (ordres) de sistemes robòtics. Reconèixer la parla és natural i simple per a les persones, però és un treball complex per a les màquines, pel qual existeixen diverses metodologies i tècniques, entre elles les Xarxes Neuronals. L’objectiu d’aquest treball és desenvolupar una eina en Matlab per al reconeixement i identificació de paraules pronunciades per un locutor, entre un conjunt de paraules possibles, i amb una bona fiabilitat dins d’uns marges preestablerts. El sistema és independent del locutor que pronuncia la paraula, és a dir, aquest locutor no haurà intervingut en el procés d’entrenament del sistema. S’ha dissenyat una interfície que permet l’adquisició del senyal de veu i el seu processament mitjançant xarxes neuronals i altres tècniques. Adaptant una part de control al sistema, es podria utilitzar per donar ordres a un robot com l’Alfa6Uvic o qualsevol altre dispositiu.

Reconeixement de veu mitjançant xarxes neuronals

La interacció home-màquina per mitjà de la veu cobreix moltes àrees d’investigació. Es destaquen entre altres, el reconeixement de la parla, la síntesis i identificació de discurs, la verificació i identificació de locutor i l’activació per veu (ordres) de sistemes robòtics. Reconèixer la parla és natural i simple per a les persones, però és un treball complex per a les màquines, pel qual existeixen diverses metodologies i tècniques, entre elles les Xarxes Neuronals. L’objectiu d’aquest treball és desenvolupar una eina en Matlab per al reconeixement i identificació de paraules pronunciades per un locutor, entre un conjunt de paraules possibles, i amb una bona fiabilitat dins d’uns marges preestablerts. El sistema és independent del locutor que pronuncia la paraula, és a dir, aquest locutor no haurà intervingut en el procés d’entrenament del sistema. S’ha dissenyat una interfície que permet l’adquisició del senyal de veu i el seu processament mitjançant xarxes neuronals i altres tècniques. Adaptant una part de control al sistema, es podria utilitzar per donar ordres a un robot com l’Alfa6Uvic o qualsevol altre dispositiu.

Inversió cega de funcions no-lineals mitjançant un procés de Gaussianització

En aquest treball es presenta un nou mètode per a la inversió cega de funcions no-lineals mitjançant la gaussianització del senyal observat. El mètode es basa en restituir el caràcter aproximadament gaussià que presenta un senyal filtrat, gràcies al teorema del límit central,que ha vist canviada la seva distribució per l’efecte d’una funció no-lineal. Inicialment, doncs,aquest mètode és útil per a la inversió de sistemes de Wiener, tot i que en els darrers experiments realitzats s’han obtingut resultats interessants en sistemes purament no-lineals. El treball presenta dues possibles parametritzacions, la primera basada en xarxes neurals i la segona en polinomis. En els dos casos s’aconsegueix invertir la funció desconeguda sense tenir cap coneixement a priori ni del senyal original, ni del filtre, ni de la funció no-lineal que volem invertir.