Examinando por Autor "Radoslavova Koroutcheva, Elka"

Mostrando 1 - 3 de 3
  • Miniatura
    Publicación
    Deep LearningModel for DNA Reads through Nanopores
    (Universidad Nacional de Educación a Distancia (España). Facultad de Ciencias. Departamento de Física Fundamental, 2019-10-02) Díaz Carral, Ángel; Radoslavova Koroutcheva, Elka; Fyta, Maria
    Las moléculas de ADN pueden moverse electroforéticamente a través de orificios en materiales a escala nanométrica, dando lugar a corrientes electrónicas medibles producidas por el bloqueo del orificio al pasar la molécula. Estas señales pueden ser utilizadas para detectar translocaciones del ADN. Se espera que los protocolos de lectura adicionales basados en señales de corriente electrónica sobre las señales sin procesar identifiquen la secuencia de ADN, que es el ordenamiento de las bases nitrogenadas a lo largo de las moléculas. Sin embargo, las mediciones de relevancia a menudo incluyen muchos errores. Para reducir estos errores, aumentar la fidelidad de lectura e interpretar las observaciones experimentales se propone un enfoque metodológico basado en el aprendizaje no supervisado y supervisado de cara a interpretar eficientemente los eventos de ADN. En este trabajo se utilizan señales de corriente iónica experimentales, obtenidas de la translocación de nucleótidos de ADN a traves de nanoporos 2D de disulfuro de molibdeno, para entrenar un modelo de Machine Learning no supervisado con el objetivo de identificar distintos eventos moleculares. Este procedimiento no relacionado con el tiempo de permanencia tradicional para cada evento de ADN, sino con la altura de bloqueo de la corriente iónica. Dentro de este enfoque, la información de la corriente de bloqueo de los niveles que componen la señal completa de cada evento, entendido por evento la señal obtenida de cada translocación a traves del nanoporo 2D, está implícitamente incluida en el análisis del espacio de características y no necesita ser tratada explícitamente. Es posible mostrar la mayor eficiencia que tiene la altura de bloqueo como descriptor con respecto al tiempo de permanencia tradicional, incluso también en lo que respecta a hacer frente a los conjuntos de datos de nanoporos pequeño tamaño. Este enfoque permite una visión profunda de los característicos descriptores moleculares en nanoporos 2D y proporciona un mecanismo de retroalimentación para ajustar estos materiales e interpretar las señales medidas. Posteriormente, el objetivo del aprendizaje supervisado es utilizar datos experimentales para entrenar un modelo de Redes Neuronales con el fin de mejorar la identificación de diferentes nucleótidos que pasan a través del nanoporo. Se pueden obtener diferentes conjuntos de entrenamiento a partir de distintos nanoporos de estado sólido y condiciones experimentales. Usando diferentes arquitecturas para Redes Neuronales como DNN o CNN, es posible aprovechar estos conjuntos de entrenamiento distintos y calcular un algoritmo NN que sea capaz de optimizar y acelerar la lectura mediante nanoporos.
  • Miniatura
    Publicación
    Modelos de segregación
    (Universidad Nacional de Educación a Distancia (España). Facultad de Ciencias, 2016-07-11) Ortega Hernández, Diego Matías; Radoslavova Koroutcheva, Elka
    Thomas Schelling introdujo en los 70 un modelo de segregación que ha sido considerado como un arquetipo en el campo de las ciencias sociales. En este trabajo de máster se analiza una variante de ese modelo mediante diversos parámetros: coecientes de segregación basados en la geometría de los clusters, análogos de la energía de los modelos de spin-1, cambios por paso y factores de utilidad (discreto y continuo). Los cambios en la tolerancia y en el porcentaje de agentes han reproducido varias realidades sociales: la utilidad o satisfacción de los agentes que se encuentran en mayoría es más elevada que la de los minoritarios, la creación de zonas cero donde los agentes no quieren trasladarse y la formación de ghettos cuando la tolerancia sufre un brusco descenso. También se estudian los cambios de porcentaje en la población producidos de forma brusca o suave. Finalmente, es analizado el efecto del porcentaje de lugares vacantes sobre estas situaciones. Se concluye que pequeños cambios en la tolerancia o en el porcentaje de la población tienen profundas implicaciones para las políticas sociales y económicas que tienen por objetivo la lucha contra la segregación urbana.
  • Miniatura
    Publicación
    Predicción del rendimiento académico en las Matemáticas de la educación Secundaria mediante Redes Neuronales
    (Universidad Nacional de Educación a Distancia (España). Facultad de Ciencias. Departamento de Física Fundamental, 2020-10-14) Álvarez Rodríguez, Roi; Radoslavova Koroutcheva, Elka
    Las redes neuronales son sistemas de procesamiento de información, que se enmarcan dentro del aprendizaje automático o machine learning. Por medio de esta técnica se pueden obtener predicciones o resultados sobre problemas cuya resolución implicaría un elaborado y complejo plan. La educación, es uno de los pilares fundamentales de nuestra sociedad, y es permeable al empleo de las nuevas tecnologías, como el machine learning para mejorar. Desde hace años se vienen utilizando técnicas de data mining en este ámbito para analizar los datos que generan, por ejemplo, los cursos universitarios online para obtener una predicción del rendimiento del alumnado en este tipo de cursos. En el presente trabajo se emplea esta técnica para la predicción del rendimiento académico, con datos obtenidos en un entorno docente real, con alumnos de secundaria de un colegio. Con una muestra de unos pocos registros, y un conjunto pequeño de datos para cada uno (notas, identificador de grupo y medidas de atención a la diversidad) se han entrenado una serie de redes neuronales multicapa feedforward con el algoritmo backpropagation (propagación de errores hacia atrás), con el fin de comprobar si estos sistemas son capaces de predecir el rendimiento académico. También se quiere comprobar la calidad de esa predicción en función de la informaci ón de la entrada, del número de unidades de capa oculta y si se mejora el resultado complicando la con_guración de la red con una segunda capa oculta o combinando las posibles salidas. Con los resultados obtenidos se puede concluir que la predicción del rendimiento académico en la etapa secundaria, con los datos obtenidos en un entorno docente real, es posible. La precisión que ofrecen los resultados es razonablemente buena, en muchos casos superior al 90 %, pero que disminuye a la hora de dar una nota numérica. El incluir una estimación de las medidas de atención a la diversidad resulta adecuado y refina en muchos casos los resultados obtenidos.