Search

El presente trabajo se enfoca en la comprobación mediante el método científico para determinar el grado de utilidad del programa informático basado en inteligencia artificial de la empresa OpenAI, llamado ChatGPT, en relación con la creación de funciones mediante el lenguaje de programación VBA utilizado en todas las aplicaciones del paquete Microsoft Office, centrándose en la parte concerniente a Microsoft Excel. De este modo, el objetivo de este trabajo consiste en idear una biblioteca de funciones de Microsoft Excel que permita facilitar y automatizar una serie de tareas y cálculos llevados a cabo con regularidad en un amplio rango de sectores. Es mediante este proceso de diseño de funciones en Microsoft Excel que se determina si la ayuda proporcionada por ChatGPT como asistente es útil y si requiere de supervisión humana para corroborar que los programas creados se adecuen a las especificaciones. Para ello, se idean diferentes grupos de funciones, con diferentes niveles de complejidad en su programación, así como también en distintos ámbitos y con distintos enfoques, de modo que se logren funciones lo más completas posibles y con un bajo índice de error. A su vez, se realizan pruebas de testeo a las funciones para comprobar su desempeño ante multitud de casos, con la intención de conocer hasta qué punto puede ChatGPT ayudar a desarrollarlas eficientemente.

Aquest Treball de Final de Grau (TFG) aborda l'exploració i millora de les interfícies cervell-ordinador mitjançant l'ús de senyals d'EEG. El document presenta el desenvolupament i avaluació d'una interfície que utilitza dades d'electroencefalografia per controlar un robot 3DBot. Amb una base de dades capturada en set subjectes que imaginaven diversos moviments, s'han aplicat anàlisis de Densitat Espectral de Potència i algoritmes com CSP i LDA per millorar la discriminació entre les classes de moviments. Els resultats mostren una elevada precisió en la classificació dels moviments imaginaris amb el model LDA. La implementació pràctica demostra efectivitat, amb mètriques com accuracy, precision, recall i F1 score que destaquen el bon rendiment del model. No obstant això, s'identifiquen limitacions, com la variabilitat entre participants, la manca d'accés a dispositius en temps real i la necessitat de millorar la precisió del model. En futures investigacions, es proposa explorar la integració amb altres tecnologies emergents, optimitzar la interfície cervell-ordinador i utilitzar dispositius de lectura de dades per millorar la resolució temporal. Amb això, es busca establir aquest treball com a base per a futures exploracions en el camp de les interfícies cervell-ordinador, amb l'objectiu de millorar la qualitat de vida de persones amb mobilitat reduïda i d'obrir noves possibilitats d'interacció entre el cervell i la màquina., Este Trabajo de Fin de Grado (TFG) aborda la exploración y mejora de las interfaces cerebro-ordenador mediante el uso de señales de EEG. El documento presenta el desarrollo y evaluación de una interfaz que utiliza datos de electroencefalografía para controlar un robot 3DBot. Con una base de datos capturada en siete sujetos que imaginaban diversos movimientos, se aplicaron análisis de Densidad Espectral de Potencia y algoritmos como CSP y LDA para mejorar la discriminación entre las clases de movimientos. Los resultados muestran una alta precisión en la clasificación de los movimientos imaginarios con el modelo LDA. La implementación práctica demuestra efectividad, con métricas como accuracy, precision, recall y F1 score que destacan el buen rendimiento del modelo. Sin embargo, se identifican limitaciones, como la variabilidad entre participantes, la falta de acceso a dispositivos en tiempo real y la necesidad de mejorar la precisión del modelo. En futuras investigaciones, se propone explorar la integración con otras tecnologías emergentes, optimizar la interfaz cerebro-ordenador y utilizar dispositivos de lectura de datos para mejorar la resolución temporal. Con esto, se busca establecer este trabajo como base para futuras exploraciones en el campo de las interfaces cerebro-ordenador, con el objetivo de mejorar la calidad de vida de personas con movilidad reducida y abrir nuevas posibilidades de interacción entre el cerebro y la máquina., This Bachelor's Thesis addresses the exploration and improvement of brain-computer interfaces using EEG signals. The document presents the development and evaluation of an interface that utilizes electroencephalography data to control a 3DBot robot. With a database collected from seven subjects who imagined various movements, analyses of Power Spectral Density and algorithms like CSP and LDA were applied to enhance the discrimination between movement classes. The results demonstrate high accuracy in classifying imaginary movements using the LDA model. The practical implementation proves effective, with metrics such as accuracy, precision, recall, and F1 score highlighting the model's strong performance. However, limitations are identified, including variability among participants, lack of access to real-time devices, and the need to improve the model's precision. For future research, exploring integration with emerging technologies, optimizing the brain-computer interface, and utilizing data reading devices for improved temporal resolution are suggested. This work aims to serve as a foundation for future explorations in the field of brain-computer interfaces, with the goal of enhancing the quality of life for individuals with reduced mobility and exploring new possibilities for interaction between the brain and machine.

En una era donde el cambio climático exacerba la frecuencia y severidad de los incendios forestales, avanzar en los métodos de detección temprana es crítico para la preservación de los ecosistemas y la seguridad de las comunidades. Esta comunicación trata de un estudio que introduce un enfoque novedoso basado en técnicas de Inteligencia Artificial (AI) para la detección automática de incendios forestales que emplea un marco de aprendizaje multitarea (MTL), utilizando un conjunto de datos rigurosamente curado de 2700 imágenes Red-Green-Blue (RGB). Estas imágenes capturan una amplia gama de condiciones ambientales, seleccionadas deliberadamente para probar los límites de los sistemas de detección actuales y para minimizar la ocurrencia de falsos positivos. El marco de MTL que hemos desarrollado avanza en la precisión de detección realizando clasificaciones binarias y multiclase en conjunto, distinguiendo efectivamente entre diferentes tipos de incendios y varios elementos confusos. Los análisis comparativos demuestran que el método supera la clasificación binaria tradicional, ofreciendo un rendimiento superior en métricas de exactitud, precisión, sensibilidad, puntaje F1 y ROC-AUC. Esta investigación marca un paso significativo hacia la mejora de la detección temprana de incendios forestales, crucial para mitigar el impacto del cambio climático en los ecosistemas y las comunidades. Los hallazgos abogan por la integración de técnicas avanzadas de aprendizaje profundo en el desarrollo de sistemas de vigilancia de incendios forestales más efectivos

La robótica social y la inteligencia artificial se dan la mano en la actualidad para desarrollar soluciones que nos permitan abordar problemas contemporáneos. Este proyecto es el punto de partida para mejorar la interacción humanoide, en concreto la del robot Pepper, basándose en un modelo de lenguaje y el reconocimiento facial de los usuarios. Poniendo como foco aproximar la vanguardia tecnológica a personas de otra generación y restando barreras de interfaz para reducir la complejidad y simplificar su utilización., Social robotics and artificial intelligence are currently working hand in hand to develop solutions to address contemporary problems. This project is the starting point for improving humanoid interaction, specifically that of the Pepper robot, based on a language model and facial recognition of users. Focusing on bringing cutting-edge technology closer to people of a different generation and removing interface barriers to reduce complexity and simplify its use.

Tot i que el càncer ossi pediàtric és relativament poc freqüent, va ser la tercera causa de mort infantil el 2020. En aquest context, destaquen dues formes prevalents: l'osteosarcoma i el sarcoma d'Ewing, afectant els teixits ossis dels infants. La seva importància es manifesta en la determinació del pronòstic i l'eficàcia del seu tractament, que depenen de factors clau com el tipus de càncer, la ubicació del tumor i l'edat del pacient. És, per tant, essencial comprendre la necessitat d’un diagnòstic precoç. Dins d'aquest marc, és fonamental subratllar la importància de les tècniques d’imatge, amb un èmfasi especial en el paper de la ressonància magnètica (RM). No obstant això, les imatges d'aquests càncers poden generar confusió amb les de tumors benignes, ja que presenten certa similitud. Per abordar aquesta problemàtica, l’objectiu del projecte és realitzar una revisió literària dels algoritmes de segmentació i classificació de tumors ossis pediàtrics desenvolupats recentment. Aquesta revisió busca implementar un dels algoritmes com a eina d'ajuda per l'equip de diagnòstic d'imatge de l’Hospital Sant Joan de Déu. Malgrat l'escassetat d'algoritmes específics per a tumors ossis, s'han implementat dues solucions alternatives: una per a la segmentació de pòlips en imatges de colonoscòpia i una altra per a la classificació de lesions cutànies. Amb una precisió del 93,19% i 91,96%, respectivament, aquests algoritmes, inicialment concebuts per altres àrees, poden ser adaptats i aplicats posteriorment al càncer d'ossos simplement canviant la base de dades utilitzada., Aunque el cáncer óseo pediátrico es relativamente poco frecuente, fue la tercera causa de muerte infantil en 2020. En este contexto, destacan dos formas prevalentes: el osteosarcoma y el sarcoma de Ewing, afectando los tejidos óseos de los niños. Su importancia se manifiesta en la determinación del pronóstico y la eficacia de su tratamiento, que dependen de factores clave como el tipo de cáncer, la ubicación del tumor y la edad del paciente. Es, por tanto, esencial comprender la necesidad de un diagnóstico precoz. Dentro de este marco, es fundamental subrayar la importancia de las técnicas de imagen, con un énfasis especial en el papel de la resonancia magnética (RM). Sin embargo, las imágenes de estos cánceres pueden generar confusión con las de tumores benignos, ya que presentan cierta similitud. Para abordar esta problemática, el objetivo del proyecto es realizar una revisión literaria de los algoritmos de segmentación y clasificación de tumores óseos pediátricos desarrollados recientemente. Esta revisión busca implementar uno de los algoritmos como una herramienta de ayuda para el equipo de diagnóstico por imagen del Hospital Sant Joan de Déu. A pesar de la escasez de algoritmos específicos para tumores óseos, se han implementado dos soluciones alternativas: una para la segmentación de pólipos en imágenes de colonoscopia y otra para la clasificación de lesiones cutáneas. Con una precisión del 93,19% y 91,96%, respectivamente, estos algoritmos, inicialmente concebidos para otras áreas, pueden adaptarse y aplicarse posteriormente al cáncer de huesos simplemente cambiando la base de datos utilizada., Although pediatric bone cancer is relatively rare, it was the third leading cause of child mortality in 2020. In this context, two prevalent forms stand out: osteosarcoma and Ewing's sarcoma, which affect the bone tissues of children. Their importance is evident in determining the prognosis and effectiveness of treatment, depending on key factors such as cancer type, tumor location, and the patient's age. Therefore, understanding the need for an early diagnosis is essential. Within this framework, it is crucial to emphasize the significance of imaging techniques, with a special focus on the role of magnetic resonance imaging (MRI). However, images of these cancers may be confused with those of benign tumors due to certain similarities. To address this issue, the project aims to conduct a literature review of recently developed algorithms for segmentation and classification of pediatric bone tumors. This review seeks to implement one of these algorithms as a tool to assist the imaging diagnosis team at the Hospital Sant Joan de Déu. Despite the scarcity of specific algorithms for bone tumors, two alternative solutions have been implemented: one for the segmentation of polyps in colonoscopy images and another for the classification of skin lesions. With an accuracy of 93.19% and 91.96%, respectively, these algorithms, initially designed for other areas, can be adapted and applied to bone cancer by simply changing the used database.

El setembre de 2021, hi va haver una exposició experimental i nova a la galeria Crone de Viena, Àustria. Totes les obres d’art que s’hi varen mostrar van ser generades per un precursor de la intel·ligència artificial actual, el generador de text Poetry Machine, el qual ha estat desenvolupant David Link des de 2001. L’article detalla els textos produïts i mostra alguns exemples de les obres d’art de l’exposició. Per tant, l’article demostra de manera pràctica un nou enfocament en la curació d’exposicions i en l’organització del flux de treball entre curadors, artistes i màquines., In September 2021, a novel, experimental exhibition took place at Crone Gallery in Vienna, Austria. The art-works shown here were all generated by a precursor of today’s Artificial Intelligence: the text generator Poetry Machine, which David Link has been actively developing since 2001. The article details the texts produced and shows some examples of the artworks in the exhibition. The article thereby practically demonstrates a new approach to curating exhibitions and organizing the workflow between curators, artists and machines., En septiembre de 2021, tuvo lugar una exposición experimental y novedosa en la galería Crone de Viena, Austria. Todas las obras de arte que se muestran aquí fueron generadas por un precursor de la inteli-gencia artificial actual, el generador de texto Poetry Machine, el cual ha estado desarrollando David Link desde 2001. El artículo detalla los textos producidos y muestra algunos ejemplos de las obras de arte de la exposición. Por lo tanto, el artículo demuestra de manera práctica un nuevo enfoque en la curación de exposiciones y en la organización del flujo de trabajo entre curadores, artistas y máquinas.

In recent years, the financial markets have increased popularity, driven in large part by internet access and online trading platforms. This surge has not only increased the number of market participants but has also amplified the impact of information dissemination on stock prices. This thesis explores to relate fundamental analysis and technical analysis thanks to artificial intelligence (AI). The fundamental analysis traditionally associated with financial health, and market prediction with technical analysis which is the price chart movement. Our models will try to predict financial market with help of news articles. Currently, AI models have emerged as indispensable tools for processing massive information sources. Machine learning algorithms (ML), natural language processing (NLP) and sentiment analysis enable the automate extraction in massive text data information. The importance of news articles in financial market prediction cannot be underestimated. News items, both traditional and social media, have the power to rapidly influence investor sentiment and, consequently, asset prices. This thesis delves into the role of sentiment expressed in news articles translated to the price movement. Online articles platforms can shape investor behavior converting either bullish (up trend) or bearish (down trend) trends.

This study explores the transformative impact of artificial intelligence (AI) in ecosystem monitoring, specifically object detection with YOLO (You Only Look Once), emphasising the search for optimal tools and model efficiency. The shift from manual counting to AI-based detection significantly reduces time investment. Methodologically, the YOLO model is employed, and comprehensive training strategies are outlined. The threefold data division ensures unbiased evaluation, and diverse configurations are explored for optimal model performance. Key metrics, including IoU, Precision, Recall, and mAP, along with tools like confusion matrices, contribute to a thorough understanding of the model’s capabilities. Additionally, the model itself serves as a semi-automatic labelling tool., Peer Reviewed

This thesis presents the design and development of an intuitive, user-friendly application specifically tailored for critical search and rescue (SAR) operations. The primary focus of this research is the integration of artificial intelligence (AI) to enhance the efficiency and effectiveness of SAR teams. By automating data processing and task management, the application aims to reduce the cognitive load on personnel, allowing them to perform their duties more efficiently under stressful and time-sensitive conditions. Key features of the application include a user-centric interface designed to ensure ease of use, even in high-pressure scenarios. The visual design incorporates clear and comprehensible icons, calming color schemes, and an efficient layout that allows for quick access to essential functions. Offline capabilities ensure that SAR teams can access critical information and tools even in remote areas without connectivity. Additionally, AI-supported automated processes such as form filling and task allocation significantly reduce administrative burdens, thereby increasing the speed and accuracy of operations. The application also includes continuous training and development support, providing SAR personnel with personalized learning paths to continuously improve their skills and knowledge. This integration of AI technologies and user-friendly interface design aims to streamline communication, enhance decision-making, and improve operational outcomes during critical incidents. In conclusion, the study demonstrates that the incorporation of AI-enhanced, user-centric interfaces can substantially improve the operational efficiency and effectiveness of SAR operations. The insights gained from this research offer valuable contributions to the future design and implementation of AI-driven tools for emergency response applications.

Peer Reviewed

En l'actual context tecnològic, els Large Language Models (LLM) com GPT han experimentat un creixement significatiu en popularitat i aplicacions, arribant a ser una eina valuosa per a diversos públics, incloent-hi els estudiants. Aquest projecte es proposa explorar i desenvolupar la integració d'aquests potents models a plataformes d'aprenentatge en línia com Moodle, amb l'objectiu de crear eines didàctiques que puguin millorar la qualitat i l'experiència de l'aprenentatge.

Peer Reviewed

In this study, we train and compare three types of machine learning algorithms for Survival Analysis: Random Survival Forest, DeepSurv and DeepHit, using the SEER database to model cutaneous malignant melanoma. Additionally, we employ SurvLIMEpy library, a Python package designed to provide explainability for survival machine learning models, to analyse feature importance. The results demonstrate that machine learning algorithms outperform the Cox Proportional Hazards Model. Our work underscores the importance of explainability methods for interpreting black-box models and provides insights into important features related to melanoma prognosis., This research was supported by the Spanish Research Agency (AEI) under projects PID2020-116294GB-I00 and PID2020-116907RB-I00 of the call MCIN/ AEI /10.13039/501100011033, the project 718/C/2019 with id 201923-31 funded by Fundació la Marato de TV3 and the grant 2020 FI SDUR 306 funded by AGAUR., Peer Reviewed, Postprint (author's final draft)

Aquest projecte es centra en el desenvolupament d'un sistema que millora la interacció de les persones en entorns domèstics, utilitzant principalment tecnologies de reconeixement facial i de veu per controlar dispositius domèstics intel·ligents. Els objectius principals inclouen el disseny, desenvolupament i implementació d'un sistema que ofereixi autenticació mitjançant reconeixement facial, benvingudes personalitzades als usuaris, i la capacitat d'executar accions mitjançant comandes de veu. Aquestes comandes controlen dispositius a través d'una API REST, amb el sistema operant en un dispositiu amb Linux integrat. El projecte es divideix en diversos segments: el nucli del sistema s'ha desenvolupat en Python, aprofitant diverses biblioteques de codi obert. Aquest segment facilita el reconeixement facial per a l'autenticació i el control d'usuari en temps real, juntament amb el reconeixement de veu que serveix tant per a l'autenticació com per a la interacció amb el sistema, imitant un assistent de veu que respon a diferents comandes. Addicionalment, s'ha creat una interfície web amb Django que facilita la interacció amb la base de dades Firebase, permetent la gestió d'usuari d'una manera senzilla i accessible. Aquesta interfície permet afegir, editar o eliminar usuaris que tenen accés al sistema. Com a component de hardware, s'ha integrat un dispositiu domèstic simulat utilitzant un microcontrolador ESP32 i una matriu de LEDs, desenvolupat en C++ per gestionar comandes HTTP des del codi principal, permetent el control de la matriu de LEDs oferint funcions com encendre, canviar color o mostrar animacions, entre d’altres. El sistema complet està dissenyat per operar sobre una TinkerBoard 2S amb Debian (Linux), proporcionant una base robusta per a futures expansions. Els resultats del projecte demostren una integració exitosa de les tecnologies de reconeixement facial i de veu, millorant substancialment la interacció i l'automatització en un entorn domèstic. L'aplicac, This project focuses on the development of a system that enhances human interaction within home environments, primarily using facial recognition and voice recognition technologies to control smart home devices. The main objectives include designing, developing, and implementing a system that provides facial recognition authentication, personalized user greetings, and the ability to execute actions through voice commands. These commands control devices via a REST API, with the system operating on a device with integrated Linux. The project is divided into several segments: the core of the system has been developed in Python, utilizing various open-source libraries. This segment facilitates facial recognition for authentication and real-time user control, along with voice recognition that serves both for authentication and interaction with the system, mimicking a voice assistant that responds to various commands. Additionally, a web interface with Django has been created to facilitate interaction with the Firebase database, enabling simple and accessible user management. This interface allows for adding, editing, or deleting users who have access to the system. As a hardware component, a simulated home device using an ESP32 microcontroller and an LED matrix has been developed in C++ to handle HTTP commands from the main code, allowing control of the LED matrix with functions such as turning on, changing color, or displaying animations, among others. The complete system is designed to operate on a TinkerBoard 2S with Debian (Linux), providing a robust base for future expansions. The results of the project demonstrate successful integration of facial and voice recognition technologies, substantially improving interaction and automation in a domestic environment. The effective application of the system has allowed users to manage home devices in a more intuitive and secure manner. These improvements in functionality and security confirm the success of the chosen developm

Current LLM-based applications are becoming steadily available for everyone with a reliable access to technology and the internet. These applications offer benefits to their users that leave those without access to them at a serious disadvantage. Given the vastly large amount of data needed to train LLMs, the gap between languages with access to such quantity of data and those without it is currently larger than ever. Aimed at saving this gap, the Aina Project was created to provide Catalan with the necessary resources to keep being relevant in the context of AI/NLP applications based on LLMs. We thus present a set of strategies to consider when improving technology support for a mid- or low-resource language, specially addressing sustainability of high-quality data acquisition and the challenges involved in the process. We also introduce a large amount of new annotated data for Catalan. Our hope is that those interested in replicating this work for another language can learn from what worked for us, the challenges that we faced, and the sometimes disheartening truth of working with mid- and low-resource languages, This work has been promoted and financed by the Generalitat de Catalunya through the Aina project. This work is funded by the Ministerio para la Transformación Digital y de la Función Pública and Plan de Recuperación, Transformación y Resiliencia- Funded by EU– NextGenerationEU within the framework of the project ILENIA with reference 2022/TL22/00215337, 2022/TL22/00215336, 2022/TL22/00215335 and 2022/TL22/00215334., Peer Reviewed, Postprint (published version)

The objective is to use artifitial intellegence techniques with satellite images for predicting the forest fires severity., Aquest projecte presenta l'anàlisi de l'efecte de diferents paràmetres geofísics als episodis de dengue i la propagació de grans incendis a Indonèsia. Els satèl·lits d'observació de la terra permeten monitoritzar de manera regular i amb resolucions espacials cada cop millors paràmetres geofísics a nivell global. La monitorització d'aquests paràmetres permet desenvolupar noves aplicacions que poden ser útils per predir el risc de produir-se desastres naturals com ara incendis, inundacions i la propagació d'algunes epidèmies. El ministeri de salut d'Indonèsia va proporcionar el nombre de casos de dengue anuals que ha permès fer una anàlisi de correlacions dels diferents paràmetres. Les dades mensuals no van arribar a temps per poder desenvolupar un algorisme de predicció de risc d'epidèmia del dengue. D'altra banda, s'ha desenvolupat un algorisme de predicció d'àrea potencial cremada a la zona del sur de Kalimantan, a Indonèsia. S'ha aplicat un algorisme de Machine Learning i s'han utilitzat dades registrades d'incendis en aquesta zona durant el període del 2010 al 2020, Este proyecto presenta el análisis del efecto de distintos parámetros geofísicos en los episodios de dengue y la propagación de grandes incendios en Indonesia. Los satélites de observación de la tierra permiten monitorizar de forma regular y con resoluciones espaciales cada vez mejores parámetros geofísicos a nivel global. La monitorización de estos parámetros permite desarrollar nuevas aplicaciones que pueden resultar útiles para predecir el riesgo de producirse desastres naturales como incendios, inundaciones y la propagación de algunas epidemias. El ministerio de salud de Indonesia proporcionó el número de casos de dengue anuales que ha permitido realizar un análisis de correlaciones de los distintos parámetros. Los datos mensuales, no llegaron a tiempo para poder desarrollar un algoritmo de predicción de riesgo de epidemia del dengue. Por otro lado, se ha desarrollado un algoritmo de predicción de área potencial quemada en la zona del sur de Kalimantan, en Indonesia. Se ha aplicado un algoritmo de Machine Learning y se han utilizado datos registrados de incendios en esta zona en el periodo de 2010 a 2020.

El treball consta de dues parts principals. La primera, la realització d'un algorisme d'inteligència artificial que permet a un agent virtual (2 braços robòtics fent servir el simulador Gazebo i el software de control ROS) aprendre a completar una tasca per si sol. La segona part consisteix en construir físicament els robots i implementar-hi el mateix algorisme alhora que s'intenta minimitzar l'error que posa la realitat., El trabajo se compone de dos partes principales. La primera, la realización de un algoritmo de inteligencia artificial que permite a un agente virtual (en este caso 2 brazos robóticos simulados mediante Gazebo i el software de control ROS) aprender a completar una actividad por sí solo. La segunda parte consiste en construir físicamente los robots e implementar el mismo algoritmo a la vez que se intenta reducir el error que impone el medio real., This research addresses some of the challenges concerning Multi-Agent Reinforcement Learning. Specifically, it focuses on reducing the reality gap in a MARL environment through the training of a Deep Reinforcement Learning policy. The study also aims to enhance the skills and knowledge learned during the bachelors’ degree in electronics engineering while contributing to the academic goal of bridging the sim-to-real-transfer issue. Simulation outcomes demonstrate successful learning by the agent while implementation falls short due to critical oversights in the early phases of the project concerning time management design. Personal goals, including the familiarization of several frameworks such as Gazebo, ROS 2 and Linux, as well as enhancing Python and C++ programming skills, are fully achieved. Despite challenges, resources developed while pursuing this project, such as the policy (DDPG), test files and other classes, are robust and reusable. Therefore, it is encouraged that future works in similar domains make use of them. In conclusion, the research provides valuable insights into the challenges of MARL implementation, highlighting the need for careful project management and offering reusable resources for future endeavours., Outgoing

This thesis explores the application of generative models for data augmentation in the field of medical data collected using Inertial Measurement Units (IMUs) and, more precisely, focusing on Parkinson's disease. Given the complexities of time-series data in medical settings, traditional data augmentation solutions typically fall short. This project explores how generative models, including TimeGAN, WaveGAN, DDPM, SSSDS4 , and data inpainting ones, such as ExtraMAE, can enhance the classification of the various disease stages by improving the quantity and quality of the training data. The thesis conducts detailed experiments to assess the effectiveness of these models in producing synthetic data that retains the important properties of real patient data. The performance of each model is evaluated using both quantitative and qualitative methods to determine its capacity to generate believable medical time-series data. As a conclusion of great significance from the studies, the DDPM model performed best in capturing data complexities, making it ideal for the medical field. The study also discusses the difficulties of working with limited datasets, which is a challenge in medical applications, and the problems addressed while performing data analysis. The findings show that, while generative models can greatly augment datasets, their performance is heavily dependent on the diversity and volume of the original data. Moreover, results highlight that all the methods are able to generate data that improve accuracy after fine tuning a classification model, specially when added to the real train data. Finally, the thesis analyzes the ethical implications of synthetic data use, emphasizing their role in minimizing, although not eliminating, the need for significant personal data collecting thus improving privacy.

En els darrers anys, l'adopció d'algorismes basats en Intel·ligència Artificial (IA) ha augmentat ràpidament fins a arribar al punt que, a dia d'avui, podem veure com moltes aplicacions, fins i tot algunes que utilitzem al nostre dia a dia, l'estan començant a introduir. També estem veient com estan apareixent algoritmes capaços de simular habilitats humanes com ara mantenir un diàleg, dibuixar un quadre o, fins i tot, compondre una cançó. En aquest treball, agafarem una d'aquestes habilitats, la comunicació, i l'aplicarem a un entorn cooperatiu amb múltiples agents. Per aplicar aquesta habilitat, provarem dos sistemes de comunicació, un molt senzill i un altre una mica més complex. En ambdós casos, només dotarem els agents amb el sistema de comunicació i la capacitat de fer-lo servir però, en cap cas, els hi proporcionarem cap tipus de llenguatge, ja que així veurem si els agents són capaços d'aprendre a fer servir el sistema de comunicació i establir unes regles o llenguatge que els porti a aconseguir millors resultats., In the last few years, the adoption of algorithms based on Artificial Intelligence (AI) has increased quickly until, nowadays, we can see how many applications, even some that we use in our daily lives, are starting to introduce it. Apart from this, we are also seeing how some algorithms appear that are able to simulate human skills such as holding a dialogue, drawing a picture or even composing a song. In this project, we will apply one of these skills, communication, and apply it to a multi-agent cooperative environment. To apply this skill, we will test two communication systems, one very simple and the other slightly more complex. In both cases, we will only provide the agents with the communication system and the ability to use it, but in any case, we will not provide them with any kind of language, so that we will see if the agents are able to learn to use the communication system and establish rules or language that will lead them to achieve better results.

En aquest projecte s'ha dut a terme un tutor per als estudiants de la selectivitat. Mitjançant l'arquitectura Transformers, s'ha entrenat un model GPT per respondre preguntes sobre la selectivitat de forma fiable, per aquelles preguntes relacionades amb les convocatòries, horaris i normatives. També s'ha entrenat un model BERT per detectar el grau de similitud donat dos textos. Aquest model s'utilitzaria per dur a terme una cerca de similitud, en el cas un estudiant vol obtenir la resposta d'un problema, mitjançant una fotografia o un text del problema, el model és capaç de buscar el problema més similar de la base de dades i retornar la solució d'aquest. Tots els entrenaments s'han dut a terme a una targeta gràfica local de 24 GB. Finalment, s'ha empaquetat tot en una aplicació web programada en Vue 3 i Flask., In this project, a tutor has been developed for students preparing for university entrance exams. Using the Transformers architecture, a GPT model has been trained to reliably answer questions about the university entrance exams, specifically those related to the announcements, schedules, and regulations. A BERT model has also been trained to detect the degree of similarity between two texts. This model would be used to conduct a similarity search, in case a student wants to get the answer to a problem, using a photograph or a text of the problem. The model is capable of searching the database for the most similar problem and returning its solution. All the trainings have been carried out on a local 24 GB graphics card. Finally, everything has been packaged into a web application programmed in Vue 3 and Flask.

Aquest projecte descriu el disseny, desenvolupament, prova, implementació i prova de concepte d'una aplicació web per a la visualització dels hiperplans de les neurones de les xarxes neuronals MLP i les gaussians dels centroides de les xarxes neuronals RBF. L'aplicació web permet configurar manualment els hiperparàmetres de cadascuna de les xarxes neuronals, així com permet a l'usuari carregar qualsevol tipus de conjunt de dades amb qualsevol dimensionalitat donada, per entrenar-lo i fer prediccions sobre ell., This project describes the design, development, testing, implementation and proof of concept of a web application for the visualization of the hyperplanes of the neurons of MLP neural networks and the gaussians of the centroids of RBF neural networks. The web app enables to set up manually the hyperparameters of each of the neural networks, as it allows the user to upload any type of dataset with any given dimensionality, to train and predict over it.

This thesis aims to design a mobile application, Infosaurus, that helps users manage information overwhelm by providing bite-sized, relevant, and necessary information given the current digital context. The app is targeted at professionals, students, researchers, and general users who need to process large volumes of data/information efficiently. By leveraging the power of AI and Machine Learning technology, Infosaurus aims to tame the information jungle by simplifying information to make it digestible so users can decide which products to buy without feeling overwhelmed. Through user-centered design, gamification elements, and advanced data summarization techniques, Infosaurus seeks to simplify information consumption, enhance decision-making, and ensure user engagement and accessibility.

En aquest projecte s'ha buscat utilitzar una de les eines més potent d'avui en dia com és Blockchain i aprofitar les seves propietats per donar servei el món de la Intel·ligència Artificial. La idea és fer servir les propietats d'emmagatzematge que proporciona Blockchain per a crear un entorn de compartició de models d'Intel·ligència Artificial entre els diferents nodes participants. Aquests nodes han de poder interactuar amb el DLT (Distributed Ledger Technology) per a guardar els seus models entrenats i descarregar els que altres nodes han guardat. En aquest treball s'inclou l'anàlisi de la viabilitat del projecte, el disseny, l'experimentació per a l'obtenció de resultats i conclusions, i finalment la implementació la solució òptima. Malgrat que m'he trobat amb limitacions i dificultats tècniques, he aconseguit arribar a una solució viable i amb bons resultats, In this project, the aim has been to use one of today's most powerful tools, which is Blockchain, and leverage its properties to provide a service to the world of Artificial Intelligence. The idea is to use the storage properties provided by Blockchain to create an environment for sharing Artificial Intelligence models among different participating nodes. These nodes can interact with the DLT (Distributed Ledger Technology) to store their trained models and download those that other nodes have saved. This includes analyzing the viability of the project, designing, experimenting to obtain results and conclusions, and finally implementing the optimal solution. Despite encountering technical limitations and difficulties, I have arrived at a viable solution with good results.

Aquest treball de fi de grau explora la implementació de tecnologies d'intel·ligència artificial (IA) dins del món de la prevenció de riscos laborals (PRL). Específicament, s'implementa un xatbot basat en la tecnologia de Generació Augmentada per Recuperació (RAG) per millorar la gestió de consultes en una empresa de PRL. La creixent demanda de solucions automatitzades en la seguretat laboral i la necessitat de respostes precises i contextualment rellevants han portat al desenvolupament d'aquest projecte. El sistema proposat utilitza un model que combina capacitats de recuperació d'informació i generació de text per oferir respostes eficients i efectives a les preguntes dels empleats i clients. A través d'un estudi detallat, s'ha dissenyat i entrenat un model RAG que recupera informació rellevant de diverses bases de dades actualitzades de normatives i procediments de seguretat, i posteriorment genera respostes que són contextualment adequades i tècnicament precises. L'objectiu del xatbot RAG és millorar l'eficiència en la gestió de consultes relacionades amb la seguretat, reduint els temps de resposta i augmentant la satisfacció de l'usuari. A més, aquest enfocament presenta una escalabilitat i adaptabilitat destacables, prometent aplicacions futures més àmplies dins del camp de la prevenció de riscos laborals i més enllà. Aquest estudi no només valida l'aplicació de la tecnologia RAG en entorns industrials específics, sinó que també estableix un precedent per a futures investigacions i desenvolupaments en la intersecció de la IA i la seguretat laboral., This final degree project explores the implementation of artificial intelligence (AI) technologies in the field of occupational risk prevention (ORP). Specifically, it implements a chatbot based on Retrieval Augmented Generation (RAG) technology to improve query management in an ORP company. The growing demand for automated solutions in occupational safety and the need for precise and contextually relevant responses have led to the development of this project. The proposed system utilizes a model that combines information retrieval and text generation capabilities to provide efficient and effective responses to employees' and clients' questions. Through a detailed study, a RAG model has been designed and trained that retrieves relevant information from various updated databases of regulations and safety procedures, and subsequently generates responses that are contextually appropriate and technically accurate. The goal of the RAG chatbot is to improve efficiency in managing safety-related queries, reducing response times and increasing user satisfaction. Additionally, this approach presents remarkable scalability and adaptability, promising broader future applications within the field of occupational risk prevention and beyond. This study not only validates the application of RAG technology in specific industrial environments but also sets a precedent for future research and development at the intersection of AI and occupational safety.

Aquest Treball Final de Grau presenta el desenvolupament d'un prototip de dron dissenyat per a la detecció d'incendis forestals, destacant per la seva combinació d'eficiència i economia. Aquesta aeronau està equipada amb una càmera tèrmica i una càmera òptica que treballen conjuntament gràcies a un model d’intel·ligència artificial, permetent una detecció precoç i precisa dels incendis. La fusió de dades visuals i tèrmiques proporciona una major precisió i fiabilitat, reduint significativament les falses alarmes. El projecte es centra en el disseny de l'estructura del dron, assegurant que cada peça estigui meticulosament planificada i modelada per operar de manera òptima en situacions d'alta exigència. S'han millorat aspectes fonamentals com l'estabilitat i la capacitat de càrrega. Amb la utilització de sis motors, s'ha optimitzat la distribució del pes i la resistència estructural per garantir una durabilitat excel·lent. Per realitzar aquesta part del disseny, s'ha utilitzat el programari CAD SolidWorks com a eina principal per crear les parts, acoblar-les i mesurar les propietats mecàniques. L'element més innovador del projecte és el tren d'aterratge, dissenyat des de zero i imprès en 3D, que ha aconseguit una reducció de pes significativa respecte al model original. Aquest disseny permet una fàcil substitució de les parts danyades, reduint els costos de manteniment i augmentant l'autonomia de vol. Finalment, aquest TFG està compost per tres volums: la memòria, un apartat amb tots els plànols de les peces conformades amb el software i un pressupost detallat del cost dels components i del projecte en la seva totalitat., Este Trabajo Final de Grado presenta el desarrollo de un prototipo de dron diseñado para la detección de incendios forestales, destacando por su combinación de eficiencia y economía. Esta aeronave está equipada con una cámara térmica y una cámara óptica que trabajan conjuntamente gracias a un modelo de inteligencia artificial, permitiendo una detección precoz y precisa de los incendios. La fusión de datos visuales y térmicos proporciona una mayor precisión y fiabilidad, reduciendo significativamente las falsas alarmas. El proyecto se centra en el diseño de la estructura del dron, asegurando que cada pieza esté meticulosamente planificada y modelada para operar de manera óptima en situaciones de alta exigencia. Se han mejorado aspectos fundamentales como la estabilidad y la capacidad de carga. Con la utilización de seis motores, se ha optimizado la distribución del peso y la resistencia estructural para garantizar una durabilidad excelente. Para realizar esta parte del diseño, se ha utilizado el software CAD SolidWorks como herramienta principal para crear las partes, acoplarlas y medir las propiedades mecánicas. El elemento más innovador del proyecto es el tren de aterrizaje, diseñado desde cero e impreso en 3D, que ha conseguido una reducción de peso significativa respecto al modelo original. Este diseño permite una fácil sustitución de las partes dañadas, reduciendo los costes de mantenimiento y aumentando la autonomía de vuelo. Finalmente, este TFG está compuesto por tres volúmenes: la memoria, un apartado con todos los planos de las piezas conformadas con el software y un presupuesto detallado del coste de los componentes y del proyecto en su totalidad., This Final Degree Project presents the development of a drone prototype designed for the detection of forest fires, standing out for its combination of efficiency and economy. This aircraft is equipped with a thermal camera and an optical camera that work together thanks to an artificial intelligence model, allowing early and accurate detection of fires. The fusion of visual and thermal data provides greater accuracy and reliability, significantly reducing false alarms. The project focuses on the design of the drone's structure, ensuring that each part is meticulously planned and modeled to operate optimally in high-demand situations. Fundamental aspects such as stability and load capacity have been improved. With the use of six motors, weight distribution and structural strength have been optimised to ensure excellent durability. To perform this part of the design, SolidWorks CAD software has been used as the primary tool to create the parts, couple them, and measure the mechanical properties. The most innovative element of the project is the landing gear, designed from scratch and 3D printed, which has achieved a significant weight reduction compared to the original model. This design allows for easy replacement of damaged parts, reducing maintenance costs and increasing flight range. Finally, this TFG is made up of three volumes: the report, a section with all the plans of the parts made up with the software and a detailed budget of the cost of the components and the project as a whole.

Este proyecto implica la creación de una librería en Pytorch que incluye varios métodos para generar datos tabulares artificiales, como GANs, VAEs, Bit Diffusion y un modelo llamado Data Augmentation basado en autoencoders de eliminación de ruido. El objetivo de la librería es proporcionar herramientas accesibles para que los usuarios experimenten y evalúen enfoques generativos. La evaluación de los modelos muestra que su rendimiento varía según el contexto y las características del conjunto de datos. Aunque los resultados son buenos, aún hay margen para incorporar metodologías adicionales y mejorar la calidad de los datos sintéticos. En resumen, la librería ha logrado generar datos artificiales de buena calidad, y con más dedicación, se puede mejorar aún más. Esto establece una base sólida para futuras investigaciones en generación de datos sintéticos., This project involves the creation of a Pytorch library that includes various methods for generating artificial tabular data, such as GANs, VAEs, Bit Diffusion, and a model called Data Augmentation based on denoising autoencoders. The library's purpose is to provide accessible tools for users to experiment with and evaluate generative approaches. The evaluation of the models reveals that their performance varies depending on the context and dataset characteristics. Although the results are good, there is still room to incorporate additional methodologies and improve the quality of synthetic data. In summary, the library has successfully generated high-quality artificial data, and with further dedication, further improvements can be made. This establishes a solid foundation for future research in synthetic data generation.

La inteligencia artificial ha experimentado una gran cantidad de avances en la última década, mejorando muchos aspectos de la sociedad. Uno de estos aspectos es el deporte, el cual se ha beneficiado de la alta capacidad de proceso y análisis que brinda esta disciplina, permitiendo analizar estadísticas o incluso extraerlas sin necesidad de la interacción humana. En este proyecto de fin de grado se ha diseñado y desarrollado un sistema que aborda este último hecho, donde el usuario debe proporcionar inicialmente una serie de datos básicos, entre ellos el vídeo que se desea analizar, y mediante la aplicación de técnicas avanzadas basadas en visión por computador y aprendizaje profundo, como puede ser la detección de objetos o reconocimiento de acciones, se extrae la información clave y se genera estadísticas relevantes. Éste es un sistema pensado para que todo usuario interesado tenga la posibilidad de obtener los beneficios que ofrece. Para garantizar una mayor accesibilidad, el diseño del sistema se ha enfocado en minimizar la cantidad de recursos necesarios, siendo más accesible al público. De todos los deportes, este proyecto se centra en el baloncesto, buscando proveer al usuario, ya sea un entrenador o un jugador, de una información más objetiva y precisa sobre el desempeño del equipo. Esta información es de gran utilidad para optimizar las decisiones tomadas con el propósito de mejorar el rendimiento de éste., Artificial intelligence has undergone significant advancements in the last decade, enhancing many aspects of society. One of these aspects is sports, which has benefited from the high processing and analytical capabilities provided by this field, allowing the analysis of statistics or even their extraction without the need for human interaction. In this final degree project a system has been designed and developed to address this latter fact, where the user must initially provide a series of basic data, including the video to be analyzed. Through the application of advanced techniques based on computer vision and deep learning, such as object detection or action recognition, key information is extracted and relevant statistics are generated. This is a system designed so that every interested user has the opportunity to obtain the benefits it offers. To ensure greater accessibility, the system's design has focused on minimizing the amount of necessary resources, making it more accessible to the public. Of all sports, this project focuses on basketball, aiming to provide the user, whether a coach or a player, with more objective and precise information about the team's performance. This information is highly useful for optimizing decisions made with the purpose of improving its performance.