Search

In today’s society, recommendations are becoming increasingly important. With the advent of the Social Web and the growing popularity of Social Networks, where users explicitly provide personal information and interact with others and the system, it is becoming clear that the key for the success of recommendations is to develop new strategies which focus on social recommendations leveraged by these new sources of knowledge. In our work, we focus on group recommender systems. These systems traditionally su�er from a number of shortcomings that hamper their e�ectiveness. In this paper we continue our research, that focuses on improving the overall quality of group recommendations through the addition of social knowledge to existing recommendation strategies. To do so, we use the information stored in Social Networks to elicit social factors following two approaches: the cognitive modeling approach, that studies how people’s way of thinking predisposes their actions; and the social approach, that studies how people’s relationships predispose their actions. We show the value of using models of social cognition extracted from Social Networks in group recommender systems through the instantiation of our model into a real-life Facebook movie recommender application.

In this paper we consider the research challenges of generating a set of recommendations that will satisfy a group of users, with potentially competing interests. We review di�erent ways of combining the preferences of di�erent users and propose an approach that takes into account the social behaviour within a group. Our method, named delegation-based prediction method, includes an analysis of the group characteristics, such as size, structure, personality of its members in conict situations, and trust between group members. A key element in this paper is the use of social information available in the Web to make enhanced recommendations to groups. We propose a generic architecture named arise (Architecture for Recommendations Including Social Elements) and describe, as a case study, our Facebook application HappyMovie: a group recommender system that is designed to provide assistance to a group of friends that might be selecting which movie to watch on a cinema outing. We evaluate the performance (compared with the real group decision) of di�erent recommenders that use increasing levels of social behaviour knowledge.

In this paper we introduce our application HappyMovie, a Facebook application for movie recommendation to groups. This system takes advantage of social data available in this social network to promote fairness for the provided recommendations. Group recommendations are based in the individual satisfaction of each individual. The(in)satisfaction of users modifies the typical aggregation functions used to estimate the value of an item for the group. This paper proposes a memory of past recommendations to compute the satisfaction of users when similar items (movies, in this case) are recommended several times.

Desde ya hace unos años, el internet de las cosas (IOT) está en constante expansión tocando ámbitos que antes eran inimaginables, pero aún hay un ámbito en el que no se está usando demasiado, en los videojuegos. En este trabajo se pretende explorar las posibilidades de fusionar videojuegos software con réplicas robóticas físicas mediante las tecnologías del internet de las cosas. Concretamente se propone replicar el juego arcade clásico MsPacMan con robots físicos que se desenvuelven en un tablero real por medio de distintos sensores. El control de estos robots recaerá sobre el videojuego software, en el que se ejecutan distintos comportamientos inteligentes. Un sistema de comunicación Bluetooth permitirá enlazar la implementación virtual con la física de modo que el videojuego se reproduzca en ambos entornos. En este trabajo, se presentan distintas iteraciones del sistema RoboPacMan donde se evoluciona tanto la arquitectura y software de los robots, como la representación e implementación del tablero, analizando los beneficios y carencias de cada aproximación.

En el presente Trabajo de Fin de Máster se presentan una serie de arquitecturas de redes neuronales con el objetivo de dar solución al problema de detectar defectos de fabricación en piezas industriales, tales como sensores de aparcamiento. De esta manera, a lo largo del trabajo se introducirá el estado del arte de la visión artificial actual acompañándolo con las correspondientes explicaciones teóricas acerca de los algoritmos usados dentro del contexto del Deep Learning. A continuación, se hará hincapié en el recorrido que se ha seguido durante el ciclo de vida entero del proyecto para, posteriormente, exponer los resultados obtenidos como consecuencia de probar los algoritmos introducidos sobre el conjunto de datos inicial, el cual se habrá presentado con anterioridad, y terminar así extrayendo unas conclusiones finales de estos.

Una de las industrias que más relación guarda con la inteligencia artificial es la de los videojuegos. En nuestro caso hemos usado el juego MsPacMan Vs. Ghost como entorno de experimentación para el aprendizaje automático de comportamientos. En él hemos aplicado algunas de las técnicas de aprendizaje por refuerzo más populares, el Q-learning y el aprendizaje por refuerzo profundo. La comprensión acerca del funcionamiento de ambos algoritmos la hemos realizado gracias al uso del entorno de OpenAI, Gym. Una vez entendidas las bases de cada tipo de agente hemos aplicado los conocimientos al problema que nos ocupaba. A lo largo del proceso hemos ido sacando conclusiones y aprendiendo las ventajas e inconvenientes de cada técnica.

El objeto de este trabajo es el estudio y evaluación de la plataforma Inteox 7000i de Bosch para su aplicación en inteligencia ambiental dedicada a la detección de los distintivos medioambientales de la DGT, que ayude a controlar la contaminación en calles de Madrid Central. Para ello se enseña cómo se configura este dispositivo IoT y el ecosistema de Azena, conocido también como Security and Safety Things, para el desarrollo aplicaciones móviles que ejecuta la cámara. Durante el proceso de evaluación se explicará en qué consiste la detección de objetos y su aplicación en el ámbito de la inteligencia artificial, como se ha generado el dataset utilizado, las diferentes versiones de redes neuronales utilizadas y como han sido entrenadas. Finalizando con una comparativa del rendimiento de los modelos de deep learning utilizados en la cámara y diferentes propuestas para mejorar los resultados.

Interpretability has become a crucial aspect in the field of Artificial Intelligence. Although there are many Explainable AI (XAI) techniques that provide explanations and improve the interpretability of AI systems, there are certain limitations. One of the most important limitations is that it is necessary to have a deep understanding of XAI to determine which techniques are better to explain a specific AI model to a specific user. In this project, I reviewed some of the most well-known XAI libraries and methods. Then, I used these tools to build an API that unifies model-agnostic methods used to explain different types of models. Using the API as a basis, I built a case-based reasoning system that aims to recommend the best explanation techniques to users based on the feedback of previous users with similar background knowledge and AI models. The CBR system case base was populated by using real-user feedback on explanations for a set of use cases. Finally, I evaluate the case base and the performance of the system.

España tiene una fuerte cultura y gran diversidad de tradiciones, no solo a nivel nacional si no autonómico. Su posición geográfica permite disfrutar de un clima bastante regular, sobre todo en el sur. La gastronomía también tiene un fuerte marcado regional, ofreciendo un abanico de posibilidades muy extenso y de calidad. Es por eso por lo que España recibe un total aproximado de 82 millones de turistas extranjeros al año, recibiendo más turistas que Estados Unidos y solo por debajo de Francia. Con esta afluencia de gente se ha tenido que invertir mucho para satisfacer las necesidades del turista, por eso España tiene una de las mejores infraestructuras de servicios turísticos a nivel mundial. Con las nuevas tecnologías que se han ido desarrollando durante las ultimas décadas el turista goza de servicios de primer nivel. Hoy en día existen numerosas aplicaciones o paginas web donde encontrar hoteles, vuelos, trenes, restaurantes y actividades que hacer en cualquier ciudad del mundo. Pero se esta perdiendo el turismo cultural o histórico, sobre todo en la gente joven. Sismotur es una empresa turística, líder en la elaboración de planes de señalización y en servicios de información turística inteligente. Inventario, una de sus plataformas, dispone la oferta turística de un lugar. Mediante el uso de beacons, una tecnología basada en Bluetooth, permite recibir directamente en un dispositivo móvil la información relevante de ese lugar; estas aplicaciones están incorporando recompensas a los usuarios y es necesario un mecanismo que garantice y gestiona las acciones de los usuarios. En este Trabajo de Fin de Grado se ha colaborado con Sismotur para crear una aplicación que junto a su red de señalización beacon, los dispositivos móviles de los usuarios y la plataforma de criptomoneda Stellar, permita incentivar a los turistas a informarse mas y mejor sobre los lugares que visitan. Ofreciendo recompensas en forma de criptomoneda a los turistas que realicen las rutas propuestas.

España tiene una fuerte cultura y gran diversidad de tradiciones, no solo a nivel nacional si no autonómico. Su posición geográfica permite disfrutar de un clima bastante regular, sobre todo en el sur. La gastronomía también tiene un fuerte marcado regional, ofreciendo un abanico de posibilidades muy extenso y de calidad. Es por eso por lo que España recibe un total aproximado de 82 millones de turistas extranjeros al año, recibiendo más turistas que Estados Unidos y solo por debajo de Francia. Con esta afluencia de gente se ha tenido que invertir mucho para satisfacer las necesidades del turista, por eso España tiene una de las mejores infraestructuras de servicios turísticos a nivel mundial. Con las nuevas tecnologías que se han ido desarrollando durante las últimas décadas el turista goza de servicios que hace 20 años no se podían ni imaginar. Hoy en día la gran mayoría somos conocedores de aplicaciones o páginas web donde encontrar hoteles, vuelos, trenes, restaurantes y actividades que hacer en cualquier ciudad del mundo. Pero se está perdiendo el turismo cultural o histórico, sobre todo en la gente joven. Es muy común que veas en redes sociales a gente posando frente a la Puerta de Alcalá, la Torre Eiffel o la Fontana di Trevi, se han ido de viaje a cualquiera de estas ciudades, las visitan, las disfrutan, pero realmente no conocen muy bien su historia. Sismotur es una empresa turística, líder en la elaboración de planes de señalización y en servicios de información turística inteligente. Inventrip, una de sus plataformas, pone a tu disposición la oferta turística de un lugar. Mediante el uso de beacons, una tecnología basada en Bluetooth, te permite recibir directamente en tu dispositivo móvil la información relevante de ese lugar. En este Trabajo de Fin de Grado se ha colaborado con Sismotur para crear una aplicación que junto a su red de señalización beacon, los dispositivos móviles de los usuarios y la plataforma de criptomoneda Stellar, permita incentivar a los turistas a informarse más y mejor sobre los lugares que visitan. Ofreciendo recompensas en forma de criptomoneda a los turistas que realicen las rutas propuestas.

Actualmente, en un mundo cada vez más tecnológico, es muy común que surjan aplicaciones diseñadas para satisfacer las necesidades de la sociedad en distintos ámbitos, como pueden ser el de la salud, la educación o el ocio entre otros. Nosotros con nuestro proyecto decidimos centrarnos en el ámbito del ocio y, más concretamente, en el mundo del cine. Nuestra aplicación surge de la necesidad de aquellas personas que quieren ver una película acompañados ya que, pocas personas hoy en día deciden ir al cine solas y podemos estar de acuerdo en que la mayoría de personas prefieren ver una película en compañía. Para dar respuesta a ésto, nuestra aplicación permite crear planes para ver una cierta película con amigos o personas que tengan un gusto similar. Además, existe la posibilidad de que un usuario no sepa que película quiere ver, por lo que la aplicación tendrá la capacidad de recomendar a los usuarios películas que se ajusten a los gustos que tienen. Lo más relevante de nuestra aplicación es la facilidad con la que un usuario puede interactuar con las películas y con los usuarios. Con esto nos referimos a que, gracias a la Realidad Aumentada, podremos reconocer con la cámara de nuestro dispositivo carteles de películas e incluso nos permite el reconocimiento facial de usuarios, para así obtener explicaciones sobre lo que estamos reconociendo en tiempo real y así poder interactuar a través de la Realidad Aumentada.

This document reflects my Bachelor’s Thesis corresponding to the Double Degree in Mathematics and Computer Science, developed within the area of intelligent data analytics and ’Case Based Reasoning’. During the progress of the project, the principles applicable in any environment of data processing and the science behind it are explained generally and aimed to be usable in any kind of context by any user provided the right format of data. Nowadays, highly heterogeneous data collection and processing methods are employed in all industries, however the techniques employed to get useful information out of the data usually have a generalistic aim, and the work relevant to the field itself is often done manually. In this work we aim to provide an automated way to analyze information while taking into account information and techniques relevant to the field of the analysis. The objective of this Degree’s Final Project is the development of a prototype capable of carrying this analysis while being able to learn based on user input. As a Proof of Concept, we have included several medical domains with each one having developed specific methods and techniques for them. To serve as a base for this analysis, we have also developed a system for storing, loading and analyzing the information of the domain and the information provided by the user. This system will be the backbone of our architecture and enable the Case Based Reasoning analysis to function correctly in very different situations, providing the metrics and functions needed for every case. You can find the code and proofs of concept here.

En un mundo donde los recomendadores forman parte de nuestro día a día, nace Safeway, un sistema de recomendación basado en contexto que intenta fomentar la seguridad vial dándole un enfoque distinto y con un grado más de originalidad de lo que conocíamos hasta el momento. Y es que, aunque tal y como indica su nombre, el principal objetivo de Safeway consiste en recomendar rutas seguras, veremos que no se limita únicamente a eso. La mayoría de los navegadores basan su recomendación de rutas en la rapidez, ofreciendo al usuario la ruta más corta existente entre un origen y un destino, sin preocuparse de si además de ser la más rápida también es la más segura. Esta es precisamente una de las motivaciones sobre la que se construyó esta idea, la de dar un paso más en la recomendación, considerando además del tiempo empleado, el riesgo que presentan las distintas alternativas de viaje entre dos puntos geográficos distintos. Para ello, tomando como base toda la información registrada acerca de los distintos accidentes de tráfico producidos en el Reino Unido durante el último año, así como las condiciones o el momento en el que éstos tuvieron lugar, se calculó el nivel de peligrosidad que ofrecía cada uno de estos caminos, consiguiendo proporcionar el mayor grado de seguridad al volante. Durante el desarrollo de la aplicación, muchos de los esfuerzos empleados se han centrado en dos aspectos considerados vitales para cualquier usuario que desee hacer uso de la herramienta, como son la visualización y el contexto. Si el cerebro humano retiene y entiende de una forma mucho más ágil y eficaz todo aquello que ve, ¿por qué conformarse simplemente con obtener un buen resultado en la recomendación? Safeway no sólo quiere ofrecer un resultado seguro. Su principal objetivo es que el usuario comprenda visualmente el porqué de todas y cada una de las recomendaciones proporcionadas, aumentando considerablemente el grado de confianza que genera la aplicación sobre el mismo. Esta ambición ha hecho que la visualización de datos juegue un papel fundamental en la implementación y desarrollo de la aplicación. Otro de los aspectos que han sido primordiales durante toda la elaboración del proyecto, es el contexto. Partiendo de la base de que ni todos los usuarios son iguales, ni tienen por qué tener las mismas necesidades, ¿cómo no se iba a considerar importante la personalización de nuestros resultados en función del contexto de cada individuo? Esta preocupación condujo a Safeway a incorporar entre sus funcionalidades la capacidad de decisión del usuario, eligiendo por sí mismo qué aspectos considera más importantes dentro del contexto de su viaje y teniéndolos muy en cuenta a la hora hacer sus recomendaciones de rutas seguras. De esta forma, tomando como pilares de la recomendación ambos conceptos (visualización y contexto), y construyendo la idea sin dejar de lado aspectos tan importantes como la claridad o sencillez en la interfaz, se ha logrado desarrollar una aplicación al alcance de todo tipo de usuarios que ofrece múltiples funcionalidades donde cada una de ellas aporta un pequeño avance que conduce hacia un objetivo común, el de fomentar la seguridad vial, con la idea de que lo importante no sólo está en el tiempo empleado en el camino, si no en llegar a él corriendo el menor riesgo posible. Este trabajo ha sido desarrollado dentro del marco de los proyectos TIN2014- 55006-R y TIN2017-87330-R.

El presente documento refleja el Trabajo Final correspondiente al Máster Universitario en Internet de las Cosas, y se ubica en el área de aplicación de sistemas inteligentes. En el desarrollo del proyecto se tratan generalmente los principios de visualización aplicables en cualquier entorno del Internet de las Cosas y que pueden estar dirigidos a equipos y usuarios de todo tipo. Hoy en día se tratan métodos de recogida y procesamiento de datos altamente heterogéneos, orientando la capacidad de conocimiento de esos datos a una cantidad de usuarios también muy heterogénea. De este modo, la generación de explicaciones visuales e interactivas dentro de plantillas de informes se puede optimizar mediante el uso de técnicas de Inteligencia Artificial (IA) como el Case-Based Reasoning (CBR), capaz de abordarse junto al diseño e implementación de herramientas de visualización avanzada. Este conjunto de aportaciones inteligentes se traduce en una personalización total de los informes, y posee la finalidad última de facilitar la cognición y detección de relaciones entre patrones dentro de los casos tratados mediante técnicas avanzadas de visualización de datos, además de capacitar la automatización de decisiones a partir de la observación y evaluación de los datos asociados a dichos casos. Así pues, resulta de especial interés el hecho de trasladar este objetivo a la Medicina y aplicar técnicas de IA como el CBR en sistemas compuestos por sensores de electromiografía (EMG), con tal de explicar a los expertos las características de los datos de pacientes y así poder facilitar a la toma de decisiones en el día a día. Este Trabajo Final de Máster conforma una división importante dentro de un ambicioso proyecto de investigación, y el objetivo primordial definido para su ejecución se basa en el desarrollo de un prototipo de mecanismo inteligente de generación de explicaciones visuales personalizables e interactivas con capacidad de aprendizaje a partir de la interacción. Aunque el mecanismo y la metodología se establecen de forma genérica, la prueba de concepto se realiza con datos correspondientes al dominio de la Medicina del Deporte, concretamente proporcionando soporte al profesional médico en el proceso de interpretación de características de datos asociados a pacientes que se corresponden con análisis de electromiografía. Para ello, en primer lugar, se describen los procesos y jerarquías CBR en la reutilización de elementos visuales en informes. Seguidamente, se analiza la naturaleza de las técnicas de visualización de datos de una forma genérica, con tal de a posteriori focalizar en un perfil de entidad concreto dentro del campo que ocupa la Medicina del Deporte. Este enfoque se aborda a lo largo del proyecto a modo de estudio práctico, y en todo momento se persigue explotar la funcionalidad de la herramienta perteneciente a dicha entidad para seguidamente potenciar su evolución tanto desde la perspectiva descriptiva como predictiva. Este análisis de datos médicos es causante de que, en última instancia, se estudien los procedimientos legislativos para el tratamiento de los propios datos dentro del ámbito sanitario.

La medicina hoy en día tiene una estrecha relación con el mundo de las TIC, ya sea para la detección de enfermedades que están presentes, para poder almacenar la información de los pacientes o para, incluso, monitorizar el estado de salud de los mismos. Gracias a estos sistemas, se pueden tratar las enfermedades que cualquier paciente puede estar sufriendo, ya que se realizaron los análisis pertinentes. Sin embargo, actualmente lo que no se está efectuando es la detección de las enfermedades antes de que puedan llegar a manifestarse. Es en esta materia en la que destaca HIPOTENS, al tratarse de una aplicación que permite llevar a cabo la predicción de episodios de hipotensión, basándose en los datos del paciente, como es el caso del sexo, edad, enfermedades que padece y el nivel de oxígeno en sangre. La aplicación se ha desarrollado utilizando tecnologías web, de manera que se garantiza una amplia accesibilidad desde cualquier sistema permitiendo que llegue a un mayor número de usuarios. Está formada por el predictor de episodios de hipotensión, un sistema de búsquedas de pacientes similares que sirve como explicación al resultado de la predicción, y un histórico de los pacientes para que de esta forma se pueda comparar cómo ha sido la evolución de los episodios con el paso de los años. Este trabajo ha sido desarrollado dentro del marco de los proyectos TIN2014-55006-R y TIN2017-87330-R.

En la actualidad más que nunca, una imagen vale más que mil palabras. Esto coincide con una sociedad que cada vez valora más su tiempo y donde desde hace pocas décadas existe un auge de los grandes gigantes de moda, con millones de personas que quieren estar siempre atentos a las últimas tendencias. Este trabajo ha consistido en el desarrollo de una aplicación web que combina todo esto, ayudándonos a mejorar nuestra imagen, adecuándose siempre a cada evento y circunstancia, pero sin perder la esencia personal. Esta aplicación aprenderá de tus gustos y los ajustará a tu agenda, haciendo de esta aplicación una experiencia personal muy satisfactoria. Para ello, se tendrá en cuenta el fondo de armario del usuario, y analizando diversos factores como la meteorología de ese día, los eventos anotados en su agenda y la formalidad requerida, sus preferencias. . . se le dará un look acorde a todo ello. Así mismo, la app podrá hacer recomendaciones de looks que se asemejen a la tendencia de todos los usuarios de la aplicación en ese momento, utilizando prendas lo más parecidas de su armario. Una vez escogido el look, la aplicación aprenderá acerca de su elección.

En la actualidad, como consecuencia de los avances tecnológicos, hay una gran cantidad de sistemas de recomendación que proporcionan demasiada sobreinformación, y, sobre todo, los dedicados al sector turístico y de ocio, que cada vez están más en auge, y las personas recurren cada vez más a ellos para organizar planes, individuales o grupales. Sin embargo, sólo muestran información estática y no acorde con las preferencias de usuario, además de no poder ofrecer recomendaciones para grupos. Olétrip surge como un sistema que permite la elaboración de planes de ocio individuales y/o grupales en la comunidad autónoma de Andalucía (España), basados en preferencias de usuario, y retroalimentación de todos los participantes en él. Llegando a conseguir el plan idóneo para todos. Olétrip se ha diseñado e implementado mediante una serie de servicios REST, donde se recabarán datos de preferencias de viaje de los usuarios, retroalimentación de las diferentes actividades, etc., y así conseguir recomendar el plan deseado por el usuario. Para probar el uso de estos servicios, se ha diseñado una interfaz web, independiente del sistema, implementada con tecnologías idóneas para tal fin, HTML y JavaScript, así como una evaluación con usuarios, para poder conocer el grado de usabilidad de la web, y los servicios que ofrece. Además, se han explorado, analizado, y diseñado algoritmos que han permitido ofrecer una ruta final idónea. Por lo tanto, se describirá como se ha llevado a cabo el proceso de elaboración del sistema, así como la implementación de los algoritmos, los resultados y conclusiones obtenidas tras todo el desarrollo.