38 results on '"Bueno-Crespo, Andrés"'
Search Results
2. Evaluation of synthetic data generation for intelligent climate control in greenhouses
- Author
-
Morales-García, Juan, Bueno-Crespo, Andrés, Terroso-Sáenz, Fernando, Arcas-Túnez, Francisco, Martínez-España, Raquel, and Cecilia, José M.
- Published
- 2023
- Full Text
- View/download PDF
3. Evaluation of low-power devices for smart greenhouse development
- Author
-
Morales-García, Juan, Bueno-Crespo, Andrés, Martínez-España, Raquel, Posadas, Juan-Luis, Manzoni, Pietro, and Cecilia, José M.
- Published
- 2023
- Full Text
- View/download PDF
4. When will the mist clear? On the Interpretability of Machine Learning for Medical Applications: a survey
- Author
-
Banegas-Luna, Antonio-Jesús, Peña-García, Jorge, Iftene, Adrian, Guadagni, Fiorella, Ferroni, Patrizia, Scarpato, Noemi, Zanzotto, Fabio Massimo, Bueno-Crespo, Andrés, and Pérez-Sánchez, Horacio
- Subjects
Computer Science - Artificial Intelligence ,Computer Science - Machine Learning ,Quantitative Biology - Quantitative Methods - Abstract
Artificial Intelligence is providing astonishing results, with medicine being one of its favourite playgrounds. In a few decades, computers may be capable of formulating diagnoses and choosing the correct treatment, while robots may perform surgical operations, and conversational agents could interact with patients as virtual coaches. Machine Learning and, in particular, Deep Neural Networks are behind this revolution. In this scenario, important decisions will be controlled by standalone machines that have learned predictive models from provided data. Among the most challenging targets of interest in medicine are cancer diagnosis and therapies but, to start this revolution, software tools need to be adapted to cover the new requirements. In this sense, learning tools are becoming a commodity in Python and Matlab libraries, just to name two, but to exploit all their possibilities, it is essential to fully understand how models are interpreted and which models are more interpretable than others. In this survey, we analyse current machine learning models, frameworks, databases and other related tools as applied to medicine - specifically, to cancer research - and we discuss their interpretability, performance and the necessary input data. From the evidence available, ANN, LR and SVM have been observed to be the preferred models. Besides, CNNs, supported by the rapid development of GPUs and tensor-oriented programming libraries, are gaining in importance. However, the interpretability of results by doctors is rarely considered which is a factor that needs to be improved. We therefore consider this study to be a timely contribution to the issue., Comment: 64 pages, 3 figures, 7 tables, +100 references
- Published
- 2020
5. Classifying Papanicolaou cervical smears through a cell merger approach by deep learning technique
- Author
-
Martínez-Más, José, Bueno-Crespo, Andrés, Martínez-España, Raquel, Remezal-Solano, Manuel, Ortiz-González, Ana, Ortiz-Reina, Sebastián, and Martínez-Cendán, Juan-Pedro
- Published
- 2020
- Full Text
- View/download PDF
6. QN-Docking: An innovative molecular docking methodology based on Q-Networks
- Author
-
Serrano, Antonio, Imbernón, Baldomero, Pérez-Sánchez, Horacio, Cecilia, José M., Bueno-Crespo, Andrés, and Abellán, José L.
- Published
- 2020
- Full Text
- View/download PDF
7. Performance evaluation of edge-computing platforms for the prediction of low temperatures in agriculture using deep learning
- Author
-
Guillén, Miguel A., Llanes, Antonio, Imbernón, Baldomero, Martínez-España, Raquel, Bueno-Crespo, Andrés, Cano, Juan-Carlos, and Cecilia, José M.
- Published
- 2021
- Full Text
- View/download PDF
8. Improving prediction of COVID-19 evolution by fusing epidemiological and mobility data
- Author
-
García-Cremades, Santi, Morales-García, Juan, Hernández-Sanjaime, Rocío, Martínez-España, Raquel, Bueno-Crespo, Andrés, Hernández-Orallo, Enrique, López-Espín, José J., and Cecilia, José M.
- Published
- 2021
- Full Text
- View/download PDF
9. Multi-objective optimal design of submerged arches using extreme learning machine and evolutionary algorithms
- Author
-
Hernández-Díaz, Alejandro M., Bueno-Crespo, Andrés, Pérez-Aracil, Jorge, and Cecilia, José M.
- Published
- 2018
- Full Text
- View/download PDF
10. Early-stage atherosclerosis detection using deep learning over carotid ultrasound images
- Author
-
Menchón-Lara, Rosa-María, Sancho-Gómez, José-Luis, and Bueno-Crespo, Andrés
- Published
- 2016
- Full Text
- View/download PDF
11. Classifying BCI signals from novice users with extreme learning machine
- Author
-
Rodríguez-Bermúdez Germán, Bueno-Crespo Andrés, and José Martinez-Albaladejo F.
- Subjects
brain computer interface ,motor imagery ,extreme learning machine ,novice users ,87.19.le ,87.85.dd ,87.85.dq ,Physics ,QC1-999 - Abstract
Brain computer interface (BCI) allows to control external devices only with the electrical activity of the brain. In order to improve the system, several approaches have been proposed. However it is usual to test algorithms with standard BCI signals from experts users or from repositories available on Internet. In this work, extreme learning machine (ELM) has been tested with signals from 5 novel users to compare with standard classification algorithms. Experimental results show that ELM is a suitable method to classify electroencephalogram signals from novice users.
- Published
- 2017
- Full Text
- View/download PDF
12. Evaporation Forecasting through Interpretable Data Analysis Techniques
- Author
-
Garrido, M. Carmen, primary, Cadenas, José M., additional, Bueno-Crespo, Andrés, additional, Martínez-España, Raquel, additional, Giménez, José G., additional, and Cecilia, José M., additional
- Published
- 2022
- Full Text
- View/download PDF
13. Improving prediction of COVID-19 evolution by fusing epidemiological and mobility data
- Author
-
Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors, European Social Fund, GENERALITAT VALENCIANA, AGENCIA ESTATAL DE INVESTIGACION, Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia, Conselleria d'Educació, Investigació, Cultura i Esport de la Generalitat Valenciana, García-Cremades, Santi, Morales-García, Juan, Hernández-Sanjaime, Rocío, Martínez-España, Raquel, Bueno-Crespo, Andrés, Hernández-Orallo, Enrique, López-Espín, José J., Cecilia-Canales, José María, Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors, European Social Fund, GENERALITAT VALENCIANA, AGENCIA ESTATAL DE INVESTIGACION, Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia, Conselleria d'Educació, Investigació, Cultura i Esport de la Generalitat Valenciana, García-Cremades, Santi, Morales-García, Juan, Hernández-Sanjaime, Rocío, Martínez-España, Raquel, Bueno-Crespo, Andrés, Hernández-Orallo, Enrique, López-Espín, José J., and Cecilia-Canales, José María
- Abstract
[EN] We are witnessing the dramatic consequences of the COVID¿19 pandemic which, unfortunately, go beyond the impact on the health system. Until herd immunity is achieved with vaccines, the only available mechanisms for controlling the pandemic are quarantines, perimeter closures and social distancing with the aim of reducing mobility. Governments only apply these measures for a reduced period, since they involve the closure of economic activities such as tourism, cultural activities, or nightlife. The main criterion for establishing these measures and planning socioeconomic subsidies is the evolution of infections. However, the collapse of the health system and the unpredictability of human behavior, among others, make it difficult to predict this evolution in the short to medium term. This article evaluates different models for the early prediction of the evolution of the COVID¿19 pandemic to create a decision support system for policy¿makers. We consider a wide branch of models including artificial neural networks such as LSTM and GRU and statistically based models such as autoregressive (AR) or ARIMA. Moreover, several consensus strategies to ensemble all models into one system are proposed to obtain better results in this uncertain environment. Finally, a multivariate model that includes mobility data provided by Google is proposed to better forecast trend changes in the 14¿day CI. A real case study in Spain is evaluated, providing very accurate results for the prediction of 14¿day CI in scenarios with and without trend changes, reaching 0.93 R2, 4.16 RMSE and 1.08 MAE.
- Published
- 2021
14. Towards the Interpretability of Machine Learning Predictions for Medical Applications Targeting Personalised Therapies: A Cancer Case Survey
- Author
-
Banegas-Luna, Antonio Jesús, primary, Peña-García, Jorge, additional, Iftene, Adrian, additional, Guadagni, Fiorella, additional, Ferroni, Patrizia, additional, Scarpato, Noemi, additional, Zanzotto, Fabio Massimo, additional, Bueno-Crespo, Andrés, additional, and Pérez-Sánchez, Horacio, additional
- Published
- 2021
- Full Text
- View/download PDF
15. A deep learning model to predict lower temperatures in agriculture
- Author
-
Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors, AGENCIA ESTATAL DE INVESTIGACION, European Regional Development Fund, Ministerio de Ciencia e Innovación, Ministerio de Economía y Competitividad, Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia, Guillén-Navarro, Miguel A., Martínez-España, Raquel, Llanes, Antonio, Bueno-Crespo, Andrés, Cecilia-Canales, José María, Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors, AGENCIA ESTATAL DE INVESTIGACION, European Regional Development Fund, Ministerio de Ciencia e Innovación, Ministerio de Economía y Competitividad, Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia, Guillén-Navarro, Miguel A., Martínez-España, Raquel, Llanes, Antonio, Bueno-Crespo, Andrés, and Cecilia-Canales, José María
- Abstract
[EN] Deep learning techniques provide a novel framework for prediction and classification in decision-making procedures that are widely applied in different fields. Precision agriculture is one of these fields where the use of decision-making technologies provides better production with better costs and a greater benefit for farmers. This paper develops an intelligent framework based on a deep learning model for early prediction of crop frost to help farmers activate anti-frost techniques to save the crop. This model is based on a long short-term memory (LSTM) model and it is designed to predict low temperatures. The model is based on information from an IoT infrastructure deployed on two plots in Murcia (Southeast of Spain). Three experiments are performed; a cross validation to validate the model from the most pessimistic point of view, a validation of 24 consecutive hours of temperatures, in order to know 24 hours before the possible temperature drop and a comparison with two traditional time series prediction techniques, namely Auto Regressive Integrated Moving Average and the Gaussian process. The results obtained are satisfactory, being better the results of the LSTM, obtaining an average quadratic error of less than a Celsius degree and a determination coefficient R-2 greater than 0.95.
- Published
- 2020
16. A Decision Support System for Water Optimization in Anti-Frost Techniques by Sprinklers
- Author
-
Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors, Agencia Estatal de Investigación, Ministerio de Ciencia e Innovación, Ministerio de Economía y Competitividad, Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia, Generalitat Valenciana, Guillén-Navarro, Miguel A., Martínez-España, Raquel, Bueno-Crespo, Andrés, Morales-García, Juan, Ayuso, Belén, Cecilia-Canales, José María, Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors, Agencia Estatal de Investigación, Ministerio de Ciencia e Innovación, Ministerio de Economía y Competitividad, Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia, Generalitat Valenciana, Guillén-Navarro, Miguel A., Martínez-España, Raquel, Bueno-Crespo, Andrés, Morales-García, Juan, Ayuso, Belén, and Cecilia-Canales, José María
- Abstract
[EN] Precision agriculture is a growing sector that improves traditional agricultural processes through the use of new technologies. In southeast Spain, farmers are continuously fighting against harsh conditions caused by the effects of climate change. Among these problems, the great variability of temperatures (up to 20 degrees C in the same day) stands out. This causes the stone fruit trees to flower prematurely and the low winter temperatures freeze the flower causing the loss of the crop. Farmers use anti-freeze techniques to prevent crop loss and the most widely used techniques are those that use water irrigation as they are cheaper than other techniques. However, these techniques waste too much water and it is a scarce resource, especially in this area. In this article, we propose a novel intelligent Internet of Things (IoT) monitoring system to optimize the use of water in these anti-frost techniques while minimizing crop loss. The intelligent component of the IoT system is designed using an approach based on a multivariate Long Short-Term Memory (LSTM) model, designed to predict low temperatures. We compare the proposed approach of multivariate model with the univariate counterpart version to figure out which model obtains better accuracy to predict low temperatures. An accurate prediction of low temperatures would translate into significant water savings, as anti-frost techniques would not be activated without being necessary. Our experimental results show that the proposed multivariate LSTM approach improves the univariate counterpart version, obtaining an average quadratic error no greater than 0.65 degrees C and a coefficient of determination R2 greater than 0.97. The proposed system has been deployed and is currently operating in a real environment obtained satisfactory performance.
- Published
- 2020
17. QN-Docking: An innovative molecular docking methodology based on Q-Networks
- Author
-
Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors, Agencia Estatal de Investigación, Ministerio de Educación y Ciencia, Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia, Serrano, Antonio, Imbernón, Baldomero, Pérez-Sánchez, Horacio, Cecilia-Canales, José María, Bueno-Crespo, Andrés, Abellán, José L., Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors, Agencia Estatal de Investigación, Ministerio de Educación y Ciencia, Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia, Serrano, Antonio, Imbernón, Baldomero, Pérez-Sánchez, Horacio, Cecilia-Canales, José María, Bueno-Crespo, Andrés, and Abellán, José L.
- Abstract
[EN] Molecular docking is often used in computational chemistry to accelerate drug discovery at early stages. Many molecular simulations are performed to select the right pharmacological candidate. However, traditional docking methods are based on optimization heuristics such as Monte Carlo or genetic that try several hundreds of these candidates giving rise to expensive computations. Thus, an alternative methodology called QN-Docking is proposed for developing docking simulations more efficiently. This new approach is built upon Q-learning using a single-layer feedforward neural network to train a single ligand or drug candidate (the agent) to find its optimal interaction with the host molecule. In addition, the corresponding Reinforcement Learning environment and the reward function based on a force-field scoring function are implemented. The proposed method is evaluated in an exemplary molecular scenario based on the kaempferol and beta-cyclodextrin. Results for the prediction phase show that QN-Docking achieves 8x speedup compared to stochastic methods such as METADOCK 2, a novel high-throughput parallel metaheuristic software for docking. Moreover, these results could be extended to many other ligand-host pairs to ultimately develop a general and faster docking method.
- Published
- 2020
18. METADOCK 2: a high-throughput parallel metaheuristic scheme for molecular docking
- Author
-
Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors, European Regional Development Fund, Ministerio de Educación y Ciencia, Ministerio de Ciencia, Innovación y Universidades, Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia, Imbernón, Baldomero, Serrano, Antonio, Bueno-Crespo, Andrés, Abellán, José L., Pérez-Sánchez, Horacio, Cecilia-Canales, José María, Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors, European Regional Development Fund, Ministerio de Educación y Ciencia, Ministerio de Ciencia, Innovación y Universidades, Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia, Imbernón, Baldomero, Serrano, Antonio, Bueno-Crespo, Andrés, Abellán, José L., Pérez-Sánchez, Horacio, and Cecilia-Canales, José María
- Abstract
[EN] Motivation Molecular docking methods are extensively used to predict the interaction between protein-ligand systems in terms of structure and binding affinity, through the optimization of a physics-based scoring function. However, the computational requirements of these simulations grow exponentially with: (i) the global optimization procedure, (ii) the number and degrees of freedom of molecular conformations generated and (iii) the mathematical complexity of the scoring function. Results In this work, we introduce a novel molecular docking method named METADOCK 2, which incorporates several novel features, such as (i) a ligand-dependent blind docking approach that exhaustively scans the whole protein surface to detect novel allosteric sites, (ii) an optimization method to enable the use of a wide branch of metaheuristics and (iii) a heterogeneous implementation based on multicore CPUs and multiple graphics processing units. Two representative scoring functions implemented in METADOCK 2 are extensively evaluated in terms of computational performance and accuracy using several benchmarks (such as the well-known DUD) against AutoDock 4.2 and AutoDock Vina. Results place METADOCK 2 as an efficient and accurate docking methodology able to deal with complex systems where computational demands are staggering and which outperforms both AutoDock Vina and AutoDock 4.
- Published
- 2020
19. Sound Levels Forecasting in an Acoustic Sensor Network Using a Deep Neural Network
- Author
-
Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors, Agencia Estatal de Investigación, Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia, Navarro, Juan M., Martínez-España, Raquel, Bueno-Crespo, Andrés, Cecilia-Canales, José María, Martínez, Ramón, Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors, Agencia Estatal de Investigación, Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia, Navarro, Juan M., Martínez-España, Raquel, Bueno-Crespo, Andrés, Cecilia-Canales, José María, and Martínez, Ramón
- Abstract
[EN] Wireless acoustic sensor networks are nowadays an essential tool for noise pollution monitoring and managing in cities. The increased computing capacity of the nodes that create the network is allowing the addition of processing algorithms and artificial intelligence that provide more information about the sound sources and environment, e.g., detect sound events or calculate loudness. Several models to predict sound pressure levels in cities are available, mainly road, railway and aerial traffic noise. However, these models are mostly based in auxiliary data, e.g., vehicles flow or street geometry, and predict equivalent levels for a temporal long-term. Therefore, forecasting of temporal short-term sound levels could be a helpful tool for urban planners and managers. In this work, a Long Short-Term Memory (LSTM) deep neural network technique is proposed to model temporal behavior of sound levels at a certain location, both sound pressure level and loudness level, in order to predict near-time future values. The proposed technique can be trained for and integrated in every node of a sensor network to provide novel functionalities, e.g., a method of early warning against noise pollution and of backup in case of node or network malfunction. To validate this approach, one-minute period equivalent sound levels, captured in a two-month measurement campaign by a node of a deployed network of acoustic sensors, have been used to train it and to obtain different forecasting models. Assessments of the developed LSTM models and Auto regressive integrated moving average models were performed to predict sound levels for several time periods, from 1 to 60 min. Comparison of the results show that the LSTM models outperform the statistics-based models. In general, the LSTM models achieve a prediction of values with a mean square error less than 4.3 dB for sound pressure level and less than 2 phons for loudness. Moreover, the goodness of fit of the LSTM models and the behavior p
- Published
- 2020
20. A Decision Support System for Water Optimization in Anti-Frost Techniques by Sprinklers
- Author
-
Guillén-Navarro, Miguel A., primary, Martínez-España, Raquel, additional, Bueno-Crespo, Andrés, additional, Morales-García, Juan, additional, Ayuso, Belén, additional, and Cecilia, José M., additional
- Published
- 2020
- Full Text
- View/download PDF
21. Performance evaluation of edge-computing platforms for the prediction of low temperatures in agriculture using deep learning
- Author
-
Guillén, Miguel A., primary, Llanes, Antonio, additional, Imbernón, Baldomero, additional, Martínez-España, Raquel, additional, Bueno-Crespo, Andrés, additional, Cano, Juan-Carlos, additional, and Cecilia, José M., additional
- Published
- 2020
- Full Text
- View/download PDF
22. Sound Levels Forecasting in an Acoustic Sensor Network Using a Deep Neural Network
- Author
-
Navarro, Juan M., primary, Martínez-España, Raquel, additional, Bueno-Crespo, Andrés, additional, Martínez, Ramón, additional, and Cecilia, José M., additional
- Published
- 2020
- Full Text
- View/download PDF
23. METADOCK 2: a high-throughput parallel metaheuristic scheme for molecular docking
- Author
-
Imbernón, Baldomero, primary, Serrano, Antonio, additional, Bueno-Crespo, Andrés, additional, Abellán, José L, additional, Pérez-Sánchez, Horacio, additional, and Cecilia, José M, additional
- Published
- 2020
- Full Text
- View/download PDF
24. METADOCK 2: a high-throughput parallel metaheuristic scheme for molecular docking.
- Author
-
Imbernón, Baldomero, Serrano, Antonio, Bueno-Crespo, Andrés, Abellán, José L, Pérez-Sánchez, Horacio, and Cecilia, José M
- Subjects
MOLECULAR docking ,HETEROGENEOUS computing ,METAHEURISTIC algorithms ,GRAPHICS processing units ,MOLECULAR conformation ,DEGREES of freedom - Abstract
Motivation Molecular docking methods are extensively used to predict the interaction between protein–ligand systems in terms of structure and binding affinity, through the optimization of a physics-based scoring function. However, the computational requirements of these simulations grow exponentially with: (i) the global optimization procedure, (ii) the number and degrees of freedom of molecular conformations generated and (iii) the mathematical complexity of the scoring function. Results In this work, we introduce a novel molecular docking method named METADOCK 2, which incorporates several novel features, such as (i) a ligand-dependent blind docking approach that exhaustively scans the whole protein surface to detect novel allosteric sites, (ii) an optimization method to enable the use of a wide branch of metaheuristics and (iii) a heterogeneous implementation based on multicore CPUs and multiple graphics processing units. Two representative scoring functions implemented in METADOCK 2 are extensively evaluated in terms of computational performance and accuracy using several benchmarks (such as the well-known DUD) against AutoDock 4.2 and AutoDock Vina. Results place METADOCK 2 as an efficient and accurate docking methodology able to deal with complex systems where computational demands are staggering and which outperforms both AutoDock Vina and AutoDock 4. Availability and implementation https://Baldoimbernon@bitbucket.org/Baldoimbernon/metadock%5f2.git. Supplementary information Supplementary data are available at Bioinformatics online. [ABSTRACT FROM AUTHOR]
- Published
- 2021
- Full Text
- View/download PDF
25. Evaluation of machine learning methods with Fourier Transform features for classifying ovarian tumors based on ultrasound images
- Author
-
Martínez-Más, José, primary, Bueno-Crespo, Andrés, additional, Khazendar, Shan, additional, Remezal-Solano, Manuel, additional, Martínez-Cendán, Juan-Pedro, additional, Jassim, Sabah, additional, Du, Hongbo, additional, Al Assam, Hisham, additional, Bourne, Tom, additional, and Timmerman, Dirk, additional
- Published
- 2019
- Full Text
- View/download PDF
26. Endometrial osseous metaplasia: Presentation of two rare cases related with infertility, and their hysteroscopic approaching
- Author
-
Martínez-Más, José, primary, Gómez-Leal, Paloma, primary, Martínez-Cendán, Juan Pedro, primary, Bueno-Crespo, Andrés, primary, Ortiz-Reina, Sebastián, primary, López-Peña, Carmen, primary, Sánchez-Zapata, María Isabel, primary, and Remezal-Solano, Manuel, primary
- Published
- 2017
- Full Text
- View/download PDF
27. Bioinspired Architecture Selection for Multitask Learning
- Author
-
Bueno-Crespo, Andrés, primary, Menchón-Lara, Rosa-María, additional, Martínez-España, Raquel, additional, and Sancho-Gómez, José-Luis, additional
- Published
- 2017
- Full Text
- View/download PDF
28. Aprendizaje máquina con transferencia de información
- Author
-
García Laencina, Pedro José, Sánchez García, Antonio, Bueno Crespo, Andrés, Morales Sánchez, Juan, Bastida Jumilla, María Consuelo, Larrey Ruiz, Jorge, Sancho Gómez, José Luis, and Grupo de Teoría y Tratamiento de Señal
- Subjects
Procesado Digital de Imágenes ,Reconocimiento Estadístico de Patrones - Abstract
Este artículo presenta los conceptos básicos y fundamentales relativos a máquinas de aprendizaje con transferencia de información entre tareas relacionadas. Las capacidades y ventajas de esta metodología se demuestran en un ejemplo real de predicción de series temporales de carácter financiero. Ministerio de Educación y Ciencia. Proyecto TEC2006-13338/TCM.
- Published
- 2012
29. Experiencias en la impartición a distancia de varias asignaturas del grado de Ingeniería Informática
- Author
-
Caballero Martínez, Alberto, Guillén Navarro, Miguel Ángel, Bueno Crespo, Andrés, and López Ayuso, Belén
- Subjects
Enseñanza a distancia ,Estrategias de enseñanza-aprendizaje ,Teaching/learning strategies ,Sistemas de aprendizaje a distancia ,Learning management systems ,E-learning - Abstract
[SPA] El presente trabajo reporta las experiencias obtenidas en la impartición de varias asignaturas del Grado de Ingeniería Informática en la Universidad Católica San Antonio de Murcia, durante el curso 2010-2011. La principal contribución del trabajo está dada por la recomendación de un conjunto de actividades metodológicas utilizadas para la enseñanza a distancia, destacando las principales fortalezas. Se analiza de manera crítica algunas evidencias relacionadas con la evaluación del proceso de enseñanza aprendizaje desde el punto de vista de los resultados obtenidos por los estudiantes, la labor del profesor, el uso de las herramientas, la efectividad de las metodologías utilizadas, entre otros. [ENG] This paper shows the most relevant experiencies collected form the teaching of sevelar subjects of the Computer Engineering Degree, at Universidad Católica San Antonio de Murcia, during the curse 2010-2011. The main contribution of this work is related with the recomendation of a set of teaching learning activities using in on line teaching. The most importat strengths are reported. Some evidences related to the evaluaciotn of the teaching/learning process are given. They are based on the analysis of the results obtained by students, the teacher's work, the use of tools, the effectiveness of the methodologies used, etc. Campus Mare Nostrum, Universidad Politécnica de Cartagena, Universidad de Murcia, Región de Murcia
- Published
- 2011
30. Detección y caracterización automáticas basadas en tratamiento digital de imágenes y redes neuronales de señales tonales emitidas por cetáceos
- Author
-
Sánchez García, Antonio, Rodrigo Saura, Francisco Javier, García Laencina, Pedro José, Bueno Crespo, Andrés, Muñoz Esparza, Patricio, Morales Sánchez, Juan, Larrey Ruiz, Jorge, Bastida Jumilla, María Consuelo, Sancho Gómez, José Luis, and Grupo de Teoría y Tratamiento de la Señal
- Subjects
Procesado de acústica submarina ,Proyectos de Ingeniería ,Procesado digital de imágenes médicas ,Reconocimiento estadístico de patrones - Abstract
Se presenta un nuevo método para la detección y caracterización de señales tonales emitidas por cetáceos. Las señales son atuomáticamente detectadas a partir del espectrograma, aisladas mediante un proceso de segmentación basado en regiones, extraídas tras un proceso de resolución de cruces y caracterizadas automáticamente mediante un número fijo de coeficientes derivados de la aplicación de redes neuronales de funciones de base radial. Estos coeficientes pueden ser empelados para una posterior clasificación de las señales basada en sus características. Las presentaciones del método han sido extensivamente evaluadas a partir de señales simuladas y registros de grabaciones en la mar.
- Published
- 2011
31. The need for an integrated computational/experimental approach in the discovery and design of new drugs
- Author
-
Universidad de Alicante. Departamento de Tecnología Informática y Computación, Pérez Sánchez, Horacio, Cecilia Canales, José María, Imbernón Tudela, Baldomero, Pérez Garrido, Alfonso, Soto Espinosa, Jesús, Timón Pérez, Isabel, Garcia-Rodriguez, Jose, Cano, Gaspar, Bueno Crespo, Andrés, Vegara Meseguer, Josefa, Universidad de Alicante. Departamento de Tecnología Informática y Computación, Pérez Sánchez, Horacio, Cecilia Canales, José María, Imbernón Tudela, Baldomero, Pérez Garrido, Alfonso, Soto Espinosa, Jesús, Timón Pérez, Isabel, Garcia-Rodriguez, Jose, Cano, Gaspar, Bueno Crespo, Andrés, and Vegara Meseguer, Josefa
- Published
- 2014
32. Aprendizaje multitarea en problemas con un número reducido de datos
- Author
-
Bueno Crespo, Andrés and Sancho Gómez, José Luis
- Subjects
Aprendizaje multitarea ,Teoría de la Señal y las Comunicaciones ,Artificial neural networks ,Artificial task ,Data editing ,Tarea artificial ,Red Neuronal Artificial (RNA) ,Edición de datos ,Learning multitasking - Abstract
MultiTask Learning (MTL) is a procedure to train a neural network to learn several related tasks simultaneously considering one of them as main task and the others as secondary tasks. In this paper, we have tested a method to obtain artificially tasks which are related with the main one, because in many real cases, knowledge about problem to be solved is uncertain. We use sample selection techniques to generate related tasks with the main one, in particular, samples close the classification boundary. Moreover, a new procedure to train MultiLayer Perceptrons with generated tasks is described. Este trabajo está subvencionado por el Ministerio de Educación y Ciencia, otorgado por TIC2002-03033.
- Published
- 2005
33. Heart Health Risk Assessment System: A Nonintrusive Proposal Using Ontologies and Expert Rules
- Author
-
Garcia-Valverde, Teresa, primary, Muñoz, Andrés, additional, Arcas, Francisco, additional, Bueno-Crespo, Andrés, additional, and Caballero, Alberto, additional
- Published
- 2014
- Full Text
- View/download PDF
34. Aplicación de Inteligencia Artificial sobre infraestructuras IoT para automatizar y optimizar los procesos de agricultura intensiva en invernaderos
- Author
-
Morales García, Juan, Cecilia Canales, José Maria, and Bueno Crespo, Andrés
- Subjects
Aprendizaje Máquina ,Computación de Alto Rendimiento ,Aprendizaje Profundo ,Internet de las Cosas ,Invernaderos inteligentes ,Inteligencia Artificial ,Computación en el Borde - Abstract
La agenda de desarrollo sostenible (Sustainable Development Goals, SDG) de las Naciones Unidas establece una serie de objetivos con el fin de erradicar la pobreza, proteger el planeta y asegurar la prosperidad de sus ciudadanos. Entre estos objetivos se destacan: (6) “Garantizar la disponibilidad y la gestión sostenible del agua y el saneamiento para todos”, (13) “Adoptar medidas urgentes para combatir el cambio climático y sus efectos” y (15) “Proteger, restaurar y promover el uso sostenible de los ecosistemas terrestres, gestionar de forma sostenible los bosques, luchar contra la desertización, detener e invertir la degradación del suelo y frenar la pérdida de biodiversidad”. Los procesos industriales y, en concreto, los procesos de agricultura intensiva, son una de las principales amenazas para cumplir con los SDGs. Sin embargo, los avances tecnológicos en materias como la Inteligencia Artificial (Artificial Intelligence, AI), la Computación de Alto Rendimiento (High Performance Computing, HPC) o el Internet de las Cosas (Internet of Things, IoT) permiten aumentar la productividad de estos procesos reduciendo su impacto medioambiental y ecosistémico. La investigación desarrollada en la presente tesis doctoral pretende establecer un marco de trabajo donde aprovechar los avances tecnológicos desarrollados en estas disciplinas, es decir, AI, HPC e IoT, para optimizar y reducir el impacto de los procesos industriales más agresivos para el medioambiente. En concreto, esta tesis doctoral se desarrollará en el contexto de agricultura intensiva en invernaderos, un sector de un gran valor estratégico, comercial e incluso humanitario para garantizar el acceso a los alimentos a toda la humanidad, centrándose en tres puntos clave: (1) la generación de técnicas de AI de bajo consumo que puedan ser ejecutados en plataformas con reducidas capacidades de cómputo, tales como dispositivos IoT; (2) la creación de una infraestructura que permite entrenar, desplegar y predecir con técnicas de AI que requieren de grandes capacidades de cómputo en pequeños dispositivos IoT gracias a protocolos de comunicación en tiempo real como MQTT; y (3) el aumento de las capacidades de cómputo y la eficiencia energética de los dispositivos IoT gracias a la virtualización de GPUs remotas mediante rCUDA. Los principales resultados obtenidos en relación a lo expuesto anteriormente demuestran que (1) la intersección entre la AI, HPC e IoT es todavía muy incipiente. Las cargas de cómputo del aprendizaje máquina son cada vez más altas y se diverge cada vez más de los recursos computacionales disponibles en los dispositivos de cómputo más cercanos a la captura de datos, es decir, los dispositivos de Edge Computing. Estas plataformas no son computacionalmente capaces de desarrollar parte de las tareas más exigentes (como, por ejemplo, el entrenamiento de técnicas de AI), limitando el éxito de su aplicación; (2) se puede crear una infraestructura auxiliar que permita desarrollar predicciones en tiempo real en dispositivos IoT, aunque el intercambio de información entre los distintos nodos de la infraestructura conlleva una latencia asumible puesto que es muy reducida; y (3) es posible ampliar las capacidades computacionales y la eficiencia energética de los dispositivos IoT mediante el uso de técnicas de virtualización de GPUs remotas. Estas técnicas aumentan notablemente la eficiencia energética de estos dispositivos ya que se delega las operaciones de mayor carga computacional a los servidores remotos de cómputo. Si bien es cierto, el consumo total de la infraestructura aumenta notablemente a causa del gasto en comunicaciones entre los dispositivos edge y cloud. Para finalizar, destacar que la presente tesis se ha desarrollado en el proyecto retos-colaboración “Desarrollo de infraestructuras IoT de altas prestaciones contra el cambio climático basadas en inteligencia artificial” (GLOBALoT) con referencia RTC2019-007159-5, financiado por el Ministerio de Ciencia e Innovación / Agencia Estatal de Investigación, que tiene un marcado carácter tecnológico y, por tanto, se ha transferido el conocimiento obtenido, desarrollando un prototipo funcional en TRL 3-4 que ha sido desplegado en un entorno real de invernadero ofrecido por uno de los socios del proyecto, la empresa NUTRICONTROL. Los resultados obtenidos muestran un claro interés por esta tecnología, sentando las bases para automatizar y optimizar procesos mediante la Inteligencia Artificial de las Cosas (Artificial Intelligence of Things, AIoT) para aumentar la producción y reducir el impacto medioambiental en invernaderos inteligentes. Ingeniería, Industria y Construcción
- Published
- 2023
35. Sistema inteligente multimodal basado en crowdsensing para un servicio de predicción de problemas sociales
- Author
-
Muñoz Ortega, Andrés, Periñán Pascual, José Carlos, Felices Lago, Ángel Miguel, Martínez España, Raquel, Navarro Ruiz, Juan Miguel, Abellán Miguel, José Luis, López Ayuso, Belén, Bueno Crespo, Andrés, Fernández Martínez, Nicolás José, Cantabella Sabater, Magdalena, Curado Navarro, Manuel, Soto Espinosa, Jesús Antonio, Terroso Saenz, Fernando, Arcas Túnez, Francisco, Imbernón Tudela, Baldomero, Sánchez Pérez, Antonia María, Llanes Castro, Antonio, Alameda Hernández, Ángela, Jiménez Briones, Rocío del Pilar, and Ureña Gómez-Moreno, Pedro
- Subjects
Detección de problemas ,Sensores sociales ,Ciudades inteligentes ,Procesamiento del lenguaje natural ,Ingeniería del conocimiento ,Fusión de información ,Aprendizaje automático ,Sistemas inteligentes ,Computación de altas prestaciones - Abstract
Las redes sociales se han convertido en un fenómeno global de la comunicación, donde los usuarios publican contenido en forma de texto, imágenes, vídeo, audio o una combinación de ellos para expresar sus opiniones, relatar hechos que están ocurriendo en ese momento o mostrar situaciones de interés. Una línea de investigación actual relacionada con estas herramientas consiste en el crowdsensing, i.e. el análisis y la interpretación de la ingente cantidad de información que se publica a diario en dichas herramientas. Son varios los retos que se plantean a la hora de desarrollar aplicaciones que puedan hacer uso de la información proporcionada por los usuarios de las redes sociales, los cuales se conciben como sensores sociales. Por un lado, cada vez es más frecuente encontrar diferentes tipos de información (p.ej. texto, audio, imágenes, etc.) incluidos en una misma publicación y, por tanto, es necesario extraer las características más relevantes de cada elemento con el fin de combinarlas y aumentar así la información sobre el contexto relativo al evento descrito en la publicación. Por otro lado, debido a la enorme cantidad de información a procesar, las técnicas tradicionales de fusión de información semántica deben adaptarse y combinarse con técnicas de aprendizaje automático y computación de altas prestaciones para poder ofrecer respuestas en tiempo real a partir del análisis de decenas de miles de publicaciones. Para dar respuesta a estos retos, este proyecto propone el desarrollo de ALLEGRO (Adaptive muLti-domain sociaL-media sEnsinG fRamewOrk), un sistema inteligente multimodal (i.e. texto, audio, imagen y vídeo) para el análisis y la fusión de la información publicada en redes sociales. Este sistema está compuesto por diferentes módulos interconectados de análisis, donde se aplicarán técnicas eficientes de aprendizaje automático para la extracción de las características más relevantes y el aumento de la información contextual de las publicaciones. Dichas características convergerán en un módulo de fusión de información, donde se aplicarán técnicas novedosas de integración semántica y aprendizaje profundo para obtener un modelo de conocimiento que describa los eventos o las situaciones que están teniendo lugar en tiempo real en el entorno del ciudadano. Con el fin de evaluar la arquitectura de ALLEGRO, implementaremos un prototipo dentro del marco del desarrollo de ciudades inteligentes. En este sentido, adoptamos un enfoque integral al concepto de ciudad inteligente, donde nos centramos no sólo en detectar problemas relacionados con la calidad de las infraestructuras y servicios proporcionados a los ciudadanos (p.ej. sanidad, alumbrado y transporte, entre otros) sino también en analizar la dimensión sociológica de la ciudad, la cual se refleja en las preocupaciones de sus habitantes (p.ej. conflictos raciales, desempleo y violencia, entre otros). De esta forma, desarrollaremos un sistema de "Social Sensing as a service cuyo objetivo sea abordar todos aquellos aspectos que no contribuyan a mejorar el bienestar y la calidad de vida de los ciudadanos. Aunque la evaluación de este proyecto se centra en el procesamiento de publicaciones en español, construiremos recursos que faciliten la adaptación de nuestro sistema a otras lenguas. Ciencias de la Alimentación Ministerio de Ciencia, Innovación y Universidades 96.074 €
- Published
- 2022
36. Enhancing Molecular Docking with Deep Q-Networks
- Author
-
Serrano Fernández, Antonio, Bueno Crespo, Andrés, and Abellán Miguel, José Luis
- Subjects
Informática ,Farmacología Molecular ,Redes Neuronales ,Inteligencia Artificial - Abstract
El descubrimiento de fármacos es un proceso largo y costoso que suele durar entre 10 y 15 años, desde la evaluación inicial de candidatos farmacológicos hasta la aprobación final por parte de los organismos reguladores correspondientes. Por este motivo, simulaciones moleculares por computador, conocidas como Virtual Screening (VS) (o Cribado Virtual), se utilizan a menudo para predecir los candidatos a fármacos durante las primeras etapas de su desarrollo. Uno de los métodos más utilizados en el VS es el llamado Docking Molecular, o simplemente abreviado como Docking (en español, Acoplamiento Molecular). El objetivo de este método es resolver el problema de las Interacciones Proteína-Ligando (PLDP) o Docking. Dicho de otro modo, se trata de predecir las conformaciones 3D en las que un candidato farmacológico (también conocido como ligando) se acopla a un receptor determinado (normalmente una proteína) en un punto concreto de su superficie. Los métodos tradicionales de Docking se basan en procedimientos de optimización de funciones de puntuación (o de scoring) siguiendo determinadas heurísticas. Se trata de funciones matemáticas que modelan las interacciones moleculares. Estos métodos se caracterizan por ser computacionalmente costosos. De esta manera, en esta tesis se pretende aprovechar los prometedores algoritmos de Deep RL para mejorar la resolución del problema de Docking. Para ello, el hilo conductor de esta tesis doctoral son las diferentes alternativas de representación de las moléculas de la escena de Docking que serán utilizadas como datos de entrada de dichos algoritmos. En consecuencia, primero se replantea el problema PLDP como uno de Aprendizaje por Refuerzo (RL). Acto seguido, se construye un sistema básico basado en el algoritmo de Deep Q-Network (DQN), originalmente diseñado para enseñar a agentes artificiales a jugar a videojuegos de la consola de Atari 2600. En segundo lugar, se utiliza una implementación, denominada QN-Docking, basada en un vector de características sencillo para la representación molecular. Dicha implementación es testada en un entorno con un receptor relativamente pequeño y un espacio de acciones limitado. Los resultados de la fase de predicción muestran que QN-Docking consigue un aumento de velocidad 8 veces mayor en comparación con métodos estocásticos como METADOCK 2. Dicho programa es un nuevo software de alto rendimiento que incluye diversas metaheurísticas para el Acoplamiento Molecular. Por último, una implementación alternativa basada en imágenes, MVDQN, es testada en el mismo escenario que QN-Docking. Los resultados muestran un rendimiento similar al de la primer implementación durante la fase de entrenamiento. Sin embargo, en la fase de predicción los resultados son mixtos. El agente actúa de forma subóptima en varias de las posiciones de partida establecidas en el experimento. Este escenario final parece prometedor, no obstante, ya que hay mucho margen de mejora para seguir puliendo el algoritmo y mejorar la representación molecular. En resumen, estos resultados suponen un valioso hito en el desarrollo de un método basado en Inteligencia Artificial más rápido y efectivo para resolver el problema PLDP en comparación con métodos más tradicionales. Ingeniería, Industria y Construcción
- Published
- 2022
37. Aplicación para la detección temprana de lesiones de piel mediante Inteligencia Artificial
- Author
-
Brugarolas Sánchez Lidón, Alejandro, Bueno Crespo, Andrés, and Arcas Túnez, Francisco
- Subjects
Aprendizaje Profundo ,Android ,Inteligencia Artificial ,Melanoma ,Web ,SCRUM - Abstract
El objetivo principal de este Trabajo de Fin de grado es la creación de una aplicación que permita a médicos de cabecera y otros trabajadores generales de la salud mejorar sus capacidades en materia de detección de potenciales lesiones en la piel a la vez que se obtienen imágenes y etiquetas para seguir entrenando y mejorar un modelo de inteligencia artificial que sea capaz de ejecutar esas mismas detecciones. Se pretende crear una aplicación para dispositivos Android que sirva como punto de unión entre el conocimiento de dermatólogos especialistas que creen y compartan imágenes dermatoscópicas con su diagnóstico, y médicos de cabecera que entrenen sus habilidades en materia de detección de posibles lesiones de su piel. A su vez, todas las imágenes y diagnósticos serán almacenados de forma anonimizada para el posterior entreno de una inteligencia artificial. El sistema también almacenará estadísticas sobre todas las consultas creadas para su estudio y control. Tanto las imágenes como las estadísticas antes mencionadas serán accesibles desde una web desarrollada también dentro del ámbito de este Trabajo de Fin de Grado. Con el fin de seguir una metodología basada en iteraciones que permita una buena adaptación al cambio, se utilizará la metodología ágil SCRUM. Ingeniería, Industria y Construcción
- Published
- 2021
38. Clasificación automática de tumores de ovario y citologías cervicovaginales a partir de imágenes ecográficas y microscópicas mediante su análisis con técnicas de aprendizaje automático
- Author
-
Martinez Más, José, Bueno Crespo, Andrés, Martínez Cendán, Juan Pedro, and Remezal Solano, Manuel
- Subjects
Deep Learning ,Papanicolaou ,Ecografía ,Aprendizaje automático ,Tumor ovárico - Abstract
Aplicar técnicas de Aprendizaje Automático para la clasificación diagnóstica de imágenes ecográficas de tumores de ovario e imágenes microscópicas de citologías cervicovaginales teñidas con la técnica de Papanicolaou. Aplicar técnicas de Aprendizaje Automático para la clasificación de descriptores geométricos obtenidos de imágenes ecográficas de tumores ováricos mediante Fast Fourier Transform y comparar con los resultados obtenidos con otros trabajos que utilizan la misma base de datos. Crear una base de datos mediante fusión de imágenes para mezclar y superponer las células originales y aumentando el número de imágenes disponibles para clasificación. Aplicar Deep Learning para la clasificación de las imágenes microscópicas de la base de datos de nueva creación y comparar los resultados con los obtenidos en la clasificación de la base de datos original. METODO Se realizará el análisis de resultados de la aplicación de clasificadores basados en Aprendizaje Automático clásicos sobre una base de datos de descriptores extraídos mediante Transformada de Fourier a partir de una colección de 187 imágenes ecográficas de tumores de ovario, 112 benignos y 75 malignos, cedidos por la Universidad de Buckingham, que a su vez obtuvo las imágenes originales de la Universidad Católica de Leuven. Las características que se clasifican son Histogramas de Intensidad y Descriptores de Patrón Binario Local. También se realizará la clasificación de imágenes microscópicas de células escamosas cervicovaginales teñidas mediante la técnica de Papanicolaou aplicando una red neuronal convolucional. La muestra es creada a partir de 10 citologías cervicovaginales procedentes del Servicio de Anatomía Patológica del Complejo Hospitalario Universitario Santa Lucía-Santa María del Rosell (Cartagena, Murcia), de donde se extrajeron 1405 células. 450 normales, 323 ASC-US, 213 L-SIL, 419 H-SIL. Además, a partir de estas células se desarrolla un sistema de fusión de imágenes para aumentar el nú mero de imágenes de la muestra, obteniendo 20.000 imágenes por cada categoría, 80.000 en total. RESULTADOS La clasificación de características descriptivas de imágenes ecográficas de tumores de ovario ofrece resultados similares a los obtenidos por un observador experimentado cuando se aplica los métodos Linear Discriminant, Support Vector Machine y Extreme Learning Machine. La clasificación de células escamosas cervicales mediante Deep Learning ofrece resultados interesantes, que mejoran al aumentar el tamaño muestral de entrenamiento aunque estas imágenes sean más complejas por la fusión, obteniendo resultados comparables a los obtenidos por patólogos expertos. CONCLUSIONES Los métodos basados en Inteligencia Artificial pueden tener utilidad para el disenño de sistemas de ayuda al diagnóstico médico asistidos por ordenador, para la clasificación de imágenes ecográficas de tumores de ovario, así como para la detección de células escamosas cervicales atípicas procedentes de citologías cervicovaginales teñidas mediante la técnica de Papanicolaou. Los descriptores Geométricos obtenidos mediante Fast Fourier Transform aportan información útil y relevante para la clasificación de ecografías de tumores de ovario, mejorando los resultados obtenidos en nuestro estudio en comparación con otros estudios anteriores realizados sobre la misma base de datos. Se ha generado una base de datos mediante fusión de imágenes con transparencia a partir de la base de datos original de células escamosas cervicovaginales, obteniendo una colección de 80.000 imágenes de nueva creación, con mayor complejidad. Al aplicar las técnicas de Deep Learning sobre la base de datos de nueva creación, se comprueba que aumentando el número de imágenes de muestra, independientemente de su complejidad, se mejora los resultados y la estabilidad de la clasificación. Medicina
- Published
- 2020
Catalog
Discovery Service for Jio Institute Digital Library
For full access to our library's resources, please sign in.