Repositorio DSpace :: Examinando por Autor "Santos, Olga C."

Examinando por Autor "Santos, Olga C."

Mostrando 1 - 20 de 34

A methodological approach based on machine learning to generate a multimodal user’s affective state model in adaptive educational systems
(Universidad Nacional de Educación a Distancia (España). Escuela Internacional de Doctorado. Programa de Doctorado en Sistemas Inteligentes, 2018-11-05) Salmeron Majadas, Sergio; González Boticario, Jesús; Santos, Olga C.
En esta tesis doctoral se ha establecido un plan de investigación para explorar como llevar a cabo la detección de estados afectivos mediante el uso de técnicas de aprendizaje automático (a partir de un enfoque multimodal) y evaluar algunos de los puntos metodológicos afrontados en el diseño de dicha detección. Para ello, se han propuesto tres fases en la investigación: I) en la primera fase se lleva a cabo un análisis exploratorio sobre los distintos puntos metodológicos en la investigación dentro del campo de la detección del estado afectivo desde un punto de vista multimodal para poder llevar a cabo una infraestructura experimental inicial; II) una fase de transición para establecer un contexto de referencia para guiar el enfoque experimental de los primeros experimentos hacia un escenario más realista y III) una fase final en la que el enfoque metodológico propuesto es adaptado y evaluado en un escenario realista de aprendizaje, evaluando las nuevas variables metodológicas relacionadas con el enfoque propuesto (un experimento inter-sujeto basado en el entorno de aprendizaje realista). Durante los experimentos llevados a cabo, se han identificado tres dimensiones metodológicas (i.e. caracterización y etiquetado de los estados afectivos, procesado de datos y enfoque experimental) y diversas variables metodológicas incluidas en dichas dimensiones han sido evaluadas: las fuentes de datos a usar, diversos aspectos del etiquetado afectivo de los datos para entrenar los algoritmos de aprendizaje supervisado utilizados (desde el etiquetador hasta la forma en la que se discretizan los valores dimensionales recogidos), los algoritmos de minería de datos utilizados, algunas técnicas de preprocesado aplicadas antes de la generación de los modelos de minería de datos, etc. Además, inspirada en una práctica dentro del campo de affective computing con señales fisiológicas, se propone una forma de normalizar los datos de interacción en base a las habilidades de interacción de cada individuo. Este trabajo pretende, fundamentalmente, definir una metodología (llamada AMO-ML, siglas en inglés de MOdelado Affectivo basado en Aprendizaje Automático) para llevar a cabo predicción de estados afectivos mediante técnicas de aprendizaje automático sobre una combinación de diversas fuentes de datos. También se analizan diferentes aspectos metodológicos encontrados en el campo de la computación afectiva en tres experimentos. Además, la introducción del enfoque de normalización ofrece buenos resultados en la predicción de la valencia (una de las dimensiones a evaluar de los estados afectivos) de los participantes.
AI-Powered Psychomotor Learning through basketball practice: Opportunities and Challenges
(Springer Nature Switzerland, 2024-06-23) Portaz Collado, Miguel Ángel; Cabestrero Alonso, Raúl; Quirós Expósito, Pilar; Santos, Olga C.; Santoianni, Flavia; Giannini, Gianluca; Ciasullo, Alessandro
This chapter delves into the dynamic landscape of systems designed for the human centered learning of motor skills, with a primary focus on their application in the context of basketball. As technology continues to advance, opportunities emerge for innovative solutions that enhance skill acquisition, performance analysis, and overall proficiency in sports. The opportunities presented by cutting-edge systems, such as sensor-based technologies, offer new dimensions for sport psychologist, coaches, athletes and learners alike. These systems can provide real-time feedback and personalized training regimens, revolutionizing the traditional approaches to skill development. Specifically within the realm of basketball, this chapter addresses how these technologies can enhance shooting skills by improving spatial agility, initial burst speed, and directional responsiveness. However, along with these opportunities come significant challenges, such as the adaptability of technology across diverse skill levels, the need for robust data security in performance analytics, and the potential over-reliance on technology to the detriment of fundamental coaching. Balancing the integration of technology with the human centered elements is crucial to ensure that these systems genuinely enhance the learning experience without diminishing the importance of hands-on coaching and the inherent nuances of the sport.
Análisis de pulsera inteligente para la detección de estados afectivos mediante aprendizaje no supervisado sobre series temporales
(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2022) Herráiz Montalvo, Carlos Ilia; Santos, Olga C.; Cabestrero Alonso, Raúl
La utilización de relojes y pulseras inteligentes es una tendencia que cada día está más en auge. La presente memoria busca estudiar las posibilidades de estos dispositivos comerciales para identificar cambios en el estado afectivo durante la realización de la tareas de resolución problemas con el fin de evaluar su posible aplicabilidad al Marco Lógico Colaborativo. El proyecto aborda la construcción de una plataforma para la recogida de datos, el estudio comparativo de la aplicación a series temporales de diversos algoritmos de aprendizaje automático y la visualización de resultados en tiempo real. Dentro de la tarea de extracción de los datos se implementará una aplicación específica para el reloj inteligente que permitirá construir a partir de los datos disponibles de los sensores, un conjunto de datos mediante el uso de una API. En el análisis de los datos se aplicarán diferentes algoritmos de agrupamiento a las series temporales. Se estudiará la aplicación de algoritmos a las series temporales mediante cambios en la representación de los datos, así como otros algoritmos que procesan las series temporales directamente. Finalmente se realiza una implementación que permite realizar una actividad y en tiempo real extraer los datos, enviarlos a un algoritmo de agrupamiento y visualizar en todo momento la evolución de la experiencia. Cuando el algoritmo señala que hay una alteración, el resultado es mostrado en la pulsera, permitiendo al usuario recibir este dato como estímulo visual y táctil.
Análisis funcional de redes cerebrales a través de nuevos paradigmas computacionales en Spiking Neural Networks
(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2017-10-06) Manzano Patrón, José Pedro; Santos, Olga C.; Ayala Rodrigo, José Luis
El análisis conjunto de datos cerebrales multimodal (EEG, MEG, fMRI, DTI) está llamado a ser una de las grandes estrategias de búsqueda de nuevos neuro-biomarcadores en la medicina personalizada y en los futuros avances del sector. Sin embargo, hoy en día deben tratarse por separado al no existir un marco común de análisis. Por otro lado, las técnicas clásicas de análisis de redes cerebrales empiezan a presentar serios problemas para estudiar las variaciones en los patrones espaciotemporales de actividad y conectividad funcional. Este trabajo propone un nuevo entorno computacional basado en conceptos de Inteligencia Artificial, como las Redes Neuronales Pulsantes, donde los distintos tipos de señales son codificados a un dominio común para su tratamiento: los spikes. Gracias a este nuevo sistema bio-inspirado, nuevas reglas de aprendizaje sinápticos como STDP pueden ser utilizadas para capturar los patrones espacio-temporales dinámicos en la conectividad anatómico-funcional del cerebro.
An Approach for an Affective Educational Recommendation Model
(Springer, 2014-01-01) Santos, Olga C.; González Boticario, Jesús; Manjarrés Riesco, Ángeles
There is agreement in the literature that affect influences learning. In turn, addressing affective issues in the recommendation process has shown their ability to increase the performance of recommender systems in non-educational scenarios. In our work, we combine both research lines and describe the SAERS approach to model affective educational recommendations. This affective recommendation model has been initially validated with the application of the TORMES methodology to specific educational settings. We report 29 recommendations elicited in 12 scenarios by applying this methodology. Moreover, a UML formalized version of the recommendations model which can describe the recommendations elicited is presented in the paper.
BIG-AFF: Exploring low cost and low intrusive infrastructures for affective computing in secondary schools
(ACM, 2017-07-09) González Boticario, Jesús; Santos, Olga C.; Cabestrero Alonso, Raúl; Quirós Expósito, Pilar; Salmeron Majadas, Sergio; Uría Rivas, Raúl; Arevalillo Herráez, Miguel; Ferri, Francesc J.
Recent research has provided solid evidence that emotions strongly affect motivation and engagement, and hence play an important role in learning. In BIG-AFF project, we build on the hypothesis that ``it is possible to provide learners with a personalised support that enriches their learning process and experience by using low intrusive (and low cost) devices to capture affective multimodal data that include cognitive, behavioural and physiological information''. In order to deal with the affect management complete cycle, thus covering affect detection, modelling and feedback, there is lack of standards and consolidated methodologies. Being our goal to develop realistic affect-aware learning environments, we are exploring different approaches on how these can be supported by either by traditional non-intrusive interaction sources or low intrusive and inexpensive sensing devices. In this work we describe the main issues involved in two user studies carried out with high school learners, highlight some open problems that arose when designing the corresponding experimental settings. In particular, the studies involved varied nature of information sources and each focused on one of the approaches. Our experience reflects the need to develop an extensive knowledge about the organization of this type of experiences that consider user-centric development and evaluation methodologies.
Capturing, Modelling, Analyzing and providing Feedback in Martial Arts with Artificial Intelligence to support Psychomotor Learning Activities
(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial., 2020-06-01) Casas Ortiz, Alberto; Santos, Olga C.
This Master’s Thesis explores how Artificial Intelligence (IA) can assist in the learning of psychomotor activities, specifically the learning of a martial art, through the development of an AI-based application that executes in an Android device. Martial arts are an interesting domain for this because it encompasses most of the characteristics that can be found in other psychomotor activities. Different methods for capturing, modelling and analyzing human motion, as well as providing feedback to the user have been reviewed. In addition, another bibliographical review of 27 publications has been carried out to evaluate till what extend these methods have been already applied to martial arts. For this research work, inertial methods have been selected for capturing motion. In particular, the inertial sensors of an Android device have been used for capturing the execution of a set of movements of American Kenpo Karate from 20 volunteers. The captured data was then modeled, by segmenting and labelling the movements, and smoothing the time series using Exponentially Weighted Moving Averages. The resulting dataset, formed by 240 movements, was then used for training and comparing three neural network-based classifiers: FC-ANN, 1D-CNN and LSTM. Neural networks were selected because of their ability of learn complex functions and the fact that some neural network architectures have been created specifically for analyze time series. Further, the weights learned by a neural network can be transferred to other domains through the technique known as transfer learning. Obtained results suggest that LSTM is the type of neural network that can better classify the movements studied, obtaining an accuracy of 1.0 in the training set, and an accuracy of 0.94 in the testing set. For demonstrating that those methods can be applied, an AI-based real-time Android application has been developed. This application employs the studied methods, as well as a feedback strategy created using the results of a questionnaire carried out with the purpose of identifying the issues that online learning of a psychomotor activity can entails. The application has then been tested, generating a good impression in the users. Following the open science philosophy, all contributions are shared in the GitHub repository.
Challenges for Inclusive Affective Detection in Educational Scenarios
(Springer Nature, 2013) Santos, Olga C.; Rodríguez Ascaso, Alejandro; González Boticario, Jesús; Salmeron Majadas, Sergio; Quirós Expósito, Pilar; Cabestrero Alonso, Raúl
There exist diverse challenges for inclusive emotions detection in educational scenarios. In order to gain some insight about the difficulties and limitations of them, we have analyzed requirements, accommodations and tasks that need to be adapted for an experiment where people with different functional profiles have taken part. Adaptations took into consideration logistics, tasks involved and user interaction techniques. The main aim was to verify to what extent the same approach, measurements and technological infrastructure already used in previous experiments were adequate for inducing emotions elicited from the execution of the experiment tasks. In the paper, we discuss the experiment arrangements needed to cope with people with different functional profiles, which include adaptations on the analysis and results. Such analysis was validated in a pilot experiment with 3 visually impaired participants.
Clasificación de niveles de experiencia de Aikido mediante segmentación de series temporales y algoritmos de aprendizaje supervisado
(Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática. Departamento de Inteligencia Artificial, 2025-02) Mazzuka Cassani, Stefano; Santos, Olga C.; Portaz Collado, Miguel Ángel
El presente Trabajo Fin de Máster se centra en la clasificación del nivel de experiencia en Aikido mediante la segmentación de series temporales y el uso de algoritmos de aprendizaje supervisado. Para ello, se han empleado datos inerciales capturados a través de sensores, con el objetivo de evaluar la calidad de los movimientos realizados por los practicantes. En este estudio se ha desarrollado un sistema de clasificación supervisado que permite distinguir entre tres niveles de destreza (bajo, medio y alto), ampliando el enfoque previo que diferenciaba únicamente entre principiantes y expertos. La segmentación de las series temporales en fases específicas de los movimientos ha permitido un análisis más detallado del desempeño de los participantes, favoreciendo la detección de patrones diferenciadores en cada nivel de experiencia. Para ello, se han utilizado tres técnicas principales de aprendizaje supervisado: Regresión con Procesos Gaussianos (GPR), que permite manejar la incertidumbre en los datos. Redes Convolucionales Temporales (TCN), utilizadas para la clasificación de secuencias de datos inerciales. Gradient Boosted Decision Trees (GBDT), que optimizan la clasificación a través de un conjunto de árboles de decisión.
Clasificación de operaciones de embalaje por parte de operarios para el OpenPack Challenge 2022
(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2023) Pérez Roa, Enrique Manuel; Santos, Olga C.
El Reconocimiento de la Actividad Humana (HAR, por sus siglas en inglés) es una disciplina dentro del aprendizaje automático que busca reconocer y clasificar actividades desempañadas por seres humanos utilizando para ello distintas fuentes de datos. El objetivo del Trabajo de Fin de Máster es desarrollar un modelo capaz de realizar Reconocimiento de la Actividad Humana en el marco del Open Pack Challenge 2022. OpenPack Challenge 2022 es una competición de reconocimiento de diez tipos distintos de actividades que se dan durante el proceso de embalaje por parte de operarios en un almacén. Los participantes que participan en la competición tratan de presentar el sistema que mejor realice la clasificación de cada una de estas actividades, que son una serie de movimientos que realizan los trabajadores en el desarrollo de su trabajo. La información acerca de cada uno de estos movimientos viene proporcionada por un conjunto de sensores (aceleración, temperatura, etc...) que los propios operarios portaban. Al final del proyecto, el resultado será un modelo que, tomando como entrada estos datos ordenados temporalmente, sea capaz de clasificar con un alto grado de precisión la clase (actividad) a la que pertenecen. A fecha de la realización del trabajo la competición ya ha finalizado, por lo que la realización del TFM servirá para comparar la solución desarrollada con las que alcanzaron mejor puntuación, y no para participar directamente.
Desarrollo de un modelo de reconocimiento de acciones en procesos industriales
(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2023-09) Fuente Casal, Javier de la; Santos, Olga C.
El reconocimiento de acciones humanas ha sido una problemática de gran interés en las últimas décadas debido a su gran cantidad de aplicaciones. Entre ellas, la aplicación a entornos industriales, que hasta ahora había sido más limitada debido a las dificultades de recolección de datos, brinda grandes oportunidades en cuanto a un aumento de la trazabilidad, control de seguridad, de protocolo y rendimiento del operario. El conjunto de datos OpenPack ofrece gran cantidad de datos para clasificar acciones en ambientes industriales recogidos a partir de múltiples sensores en un entorno controlado y propone un concurso para desarrollar un sistema capaz de reconocer la acción realizada por un operario. En este trabajo se ha pretendido utilizar una serie de modelos combinados multimodales que procesan los datos de sensores inerciales y cámaras visibles para clasificar cada acción realizada por el operario alcanzando resultados equiparables a los del top de competidores que han participado en el concurso propuesto por los creadores del conjunto de datos. Para ello se han aprovechado las características de las redes neuronales convolucionales y redes neuronales recurrentes para datos provenientes de sensores incerciales y redes neuronales basadas en grafos para la etapa visual a través de estimación de pose con keypoints dados.
Detección de emociones con pulsera inteligente Fitbit
(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2022-09-26) Vallejo Luengo, Ernesto Pablo; Santos, Olga C.; Cabestrero Alonso, Raúl
En el campo de la detección de emociones, las pulseras inteligentes o smartbands son un posible sustituto de dispositivos más especializados. Este proyecto estudia la capacidad de la pulsera comercial Fibit Sense de detectar emociones. Se diseñó un experimento en el que se inducían distintas emociones a los participantes mientras la pulsera registraba su frecuencia cardíaca. Los participantes debían además evaluar su propio estado emocional. Se aplicó una serie de transformaciones a los datos obtenidos y se extrajeron varias características. Se eligió el modelo de regresión lineal múltiple para intentar predecir las emociones a partir de las medidas realizadas. Tras realizar varias pruebas los modelos finales no consiguieron una buena precisión diferenciando entre estados emocionales. No se ha podido determinar si la pulsera Fitbit Sense puede usarse para detectar emociones.
Eliciting affective recommendations to support distance learning students
(Springer Nature, 2013) Manjarrés Riesco, Ángeles; Santos, Olga C.
Affective support can be provided through personalized recommendations integrated within learning management systems (LMS). We have applied the TORMES user centered engineering approach to involve educators in a recommendation elicitation process in a distance learning (DL) context.
Estudio, análisis y posibles mejoras de redes neuronales tipo YOLO Pose y de su uso y aplicación en la creación de una semántica común para la evaluación de pacientes con deficiencias psico-motoras
(2024-06-10) García Hernández, Victor Jesús; Santos, Olga C.
This work investigates the use of neural networks for key point detection to analyze movements and posture in physical therapy, focusing on the YOLO Pose algorithm. The objectives were to evaluate and improve the accuracy of YOLO Pose in identifying joint positions and to develop a semantic framework translating this data into clinically relevant parameters for assessing patients with psychomotor deficiencies. The study comprises several key stages. Initially, the accuracy of YOLO Pose was evaluated using the YOLOv8x-pose-p6 network on images representing common physical therapy movements. This analysis revealed opportunities to enhance accuracy in certain postures and conditions. Subsequently, multiple versions of the YOLOv8x-pose-p6 network were modified and trained, incorporating advanced techniques such as Batch Normalization and ReLU to improve stability and efficiency. The training utilized a dataset of labeled images showing various movements, and the best-performing configurations were identified based on accuracy. Results showed significant improvements in YOLO Pose's ability to detect key points under varied conditions, essential for clinical application. A critical aspect of this research is the development of a comprehensive semantic framework that translates raw movement data from YOLO Pose into clinically meaningful parameters for physical therapy assessment. This framework converts detected key points into metrics like ranges of motion, speed of joint movements, and gait patterns, which are crucial for clinical evaluation. The semantic framework could facilitate the integration of computer vision data into physical therapy by mapping joint positions and movements into specific ranges of motion, allowing precise measurement of flexibility and mobility. It also calculates the speed and acceleration of joint movements, providing insights into motor control and coordination. Furthermore, the framework supports the standardization of assessments across different therapists and clinical settings, ensuring consistent and comparable evaluations.
Exploración de patrones en series temporales de datos inerciales usando técnicas de segmentación no supervisada
(Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática. Departamento de Inteligencia Artificial, 2025-02) Ventura Farias, Irene Josefina; Santos, Olga C.; Portaz Collado, Miguel Ángel
Este Trabajo de Fin de Máster (TFM) explora la aplicación de técnicas de segmentación no supervisada a series temporales de datos inerciales para el análisis de habilidades motoras en Aikido. El TFM se basa en investigaciones previas que emplearon métodos supervisados, buscando validar estos resultados con un enfoque exploratorio. El objetivo principal es identificar patrones y estructuras subyacentes en los datos sin necesidad de etiquetas predefinidas, diferenciándose de enfoques supervisados anteriores. La investigación busca validar si la segmentación no supervisada puede identificar segmentos significativos en series temporales de datos inerciales. Se analizan dos datasets: uno de golpes con espada (Bokken) (D1) y otro de desplazamientos de rodillas (Shikko) (D2). Se realiza una extracción de características tanto de los datos de los participantes, como las series temporales, con el fin de homogeneizar la información, utilizando descriptores estadísticos, temporales y espectrales, y se seleccionan las más relevantes con el modelo LASSO. Para ello se emplean datos de sensores inerciales, específicamente acelerómetros y giroscopios, para capturar movimientos tridimensionales. Los datos provienen de estudios previos de Portaz y Corbí, quienes utilizaron técnicas de clasificación supervisada. En este TFM, se implementan algoritmos como K-Means y K-Medoids. Estos algoritmos se seleccionaron por su capacidad para identificar transiciones y patrones en los datos sin etiquetas. El análisis compara los resultados de los algoritmos no supervisados con segmentaciones manuales y enfoques supervisados, para validar la efectividad de cada método en la clasificación de niveles de experiencia en Aikido, buscando validar y enriquecer estos resultados. Finalmente, se discuten las limitaciones y se proponen futuras líneas de investigación.
Exploring arduino for building educational context-aware recommender systems that deliver affective recommendations in social ubiquitous networking environments
(Springer, 2014-10-10) Santos, Olga C.; González Boticario, Jesús
One of the most challenging context features to detect when making recommendations in educational scenarios is the learner’s affective state. Usually, this feature is explicitly gathered from the learner herself through questionnaires or self-reports. In this paper, we analyze if affective recommendations can be produced with a low cost approach using the open source electronics prototyping platform Arduino together with corresponding sensors and actuators. TORMES methodology (which combines user centered design methods and data mining techniques) can support the recommendations elicitation process by identifying new recommendation opportunities in these emerging social ubiquitous networking scenarios.
Exploring cognitive models to augment explainability in Deep Knowledge Tracing
(ACM Digital Library, 2023-06-13) Labra, Concha; Santos, Olga C.; https://orcid.org/0009-0004-3499-6106; https://orcid.org/0000-0002-9281-4209
Adaptive learning systems allow a personalized adaptation based on the characteristics of the student. Tracing the progress of knowledge and skills during the learning process through cognitive models is essential so that these systems can make appropriate decisions when carrying out personalization. This is the objective of Knowledge Tracing, which studies how to infer a cognitive model from the answers given to a sequence of questions or exercises. The incorporation of Deep Learning techniques in this field has given rise to Deep Knowledge Tracing (DKT) which usually has excellent predictive outcomes. The problem is that this increase in accuracy comes with a lack of explainability since Deep Learning models can be considered black boxes from which it is difficult to build interpretations or explanations. By contrast, traditional Knowledge Tracing methods are based on underlying learning models and provide a solid basis for explainability. In this paper we describe an ongoing research to build DKT models with a good trade-off between accuracy and explainability. To this end, we propose to use a loss function based on a mixup approach where the ground truth is a mix between the dataset labels and the predictions of a surrogate explainable model. The approach has potential to improve, not only explainability through the use of the surrogate, but also accuracy thanks to regularization effects. We will validate the approach by exploring, for different cognitive models, the trade-off curve that is obtained by plotting accuracy against explainability for different mixup values.
Exploring Pose Estimation with Computer Vision Processing to Model Psychomotor Performance in Karate Combats
(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2022-09-01) Echeverria San Millán, Jon; Santos, Olga C.
Technological advances enable the design of systems that interact more closely with hu-mans in a multitude of previously unsuspected fields. Martial arts are not outside the application of these techniques. From the point of view of the modeling of human movement in relation to the learning of complex motor skills, martial arts are of interest because they are articulated around a system of movements that are predefined, or at least, bounded, and governed by the laws of Physics. Their execution must be learned after continuous practice over time. Literature suggests that artifi-cial intelligence algorithms, such as those used for computer vision, can model the movements per-formed. Thus, they can be compared with a good execution as well as analyze their temporal evo-lution during learning. We are exploring the application of this approach to model psychomotor performance in karate combats (called kumites), which are characterized by the explosiveness of their movements. In addition, modeling psychomotor performance in a kumite requires the model-ing of the joint interaction of two participants, while most current research efforts in human move-ment computing focus on the modeling of movements performed individually. Thus, in this work, we explore how to apply a pose estimation algorithm to identify attack and defense movements performed by both karatekas in an ippon kihon kumite (a karate combat characterized by one-step conventional assault) and how to model their psychomotor performance. For this, we compare, us-ing an error threshold, the differences in the angles between the execution in the model (recorded in the dataset) and the current execution. These comparisons can decrease the error threshold along the evolution of the karatekas, thus allowing to measure the psychomotor learning progress. In ad-dition, postural identification of both karatekas during real kumites have also been made to confirm the viability of our proposal.
Exploring self-supervised learning denoising in diffusion MRI-A characterisation of their impact under different noise regimes
(2024-06-01) Rapado Morales, Dayris; Santos, Olga C.; Manzano Patron, Jose Pedro
Diffusion Magnetic Resonance Imaging (dMRI) is the main non-invasive technique for understanding brain structural connectivity. However, given its inherent low signal-to-noise ratio, thermal noise particularly affects this modality and its downstream analysis. To overcome this challenge, several denoising methods have been developed over the years. Based on previous works, and as an extension, we assess and characterise here the impact of some of the selfsupervised Deep Learning approaches recently developed for denoising and show comparisons with alternative traditional approaches in both synthetic and real brain datasets.
FRAGILESS: videojuego 3D con adaptación dinámica de la dificultad para retrasar y/o disminuir el grado de fragilidad en personas mayores
(Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2018-10-24) Sáenz de Urturi, Zelai; Santos, Olga C.
Según la Organización Mundial de la Salud (OMS), existen 605 millones de personas de más de 60 años en todo el mundo, y se prevé que esta cantidad aumentará durante las próximas décadas. En concreto, se estiman 1.200 millones de personas mayores para el año 2025 y además dos de cada tres vivirán en países en desarrollo El envejecimiento humano es un proceso propio que involucra la pérdida progresiva de las capacidades físicas y cognitivas, y es precisamente mantener la independencia funcional lo que ha sido y seguirá siendo una de las metas más ambiciosas de la geriatría. Sin embargo, existe una gran falta de información y conocimiento en relación con las personas mayores. En concreto, hay un sector de la población que se encuentra al borde del deterioro, justo en el límite, es lo que desde los años 70 se denomina anciano frágil. Desde entonces, muchas estrategias han sido planteadas con el objetivo de atender a este grupo de ancianos, pero lamentablemente, aún no se ha conseguido crear el marco conceptual del anciano frágil. Debido a la gran importancia que tiene el sector de la salud y con especial interés, el envejecimiento, FRAGILESS pretende aportar una nueva solución tecnológica basada en Inteligencia Artificial y orientada especialmente al colectivo de personas mayores con fragilidad. En concreto, FRAGILESS, es un sistema de rehabilitación desarrollado a través del ocio y que está al alcance de cualquier usuario, que tiene el objetivo de disminuir y/o retrasar su grado de fragilidad. Para ello, se han implementado ejercicios físicos en forma de juego, que han sido especificados por fisioterapeutas expertos y validado por usuarios, para conseguir un buen sistema de rehabilitación. Para saber qué ejercicios está realizando el usuario, el sistema incluye un sensor de movimiento para detectar todos y cada uno de los movimientos realizados. Además, la herramienta implementa ajustes dinámicos de dificultad (a través de la resolución de problemas de satisfacción de restricciones), con el objetivo de adaptar cada sesión a cada participante, de forma que no sea ni demasiado aburrida ni demasiado difícil, creando sesiones adaptadas e individualizadas y ofreciendo a todas las personas mayores una experiencia atractiva. Asimismo, FRAGILESS ha sido validado a través de un estudio realizado con ancianos institucionalizados durante un mes, obteniendo resultados muy similares en comparación con las personas mayores que realizan rehabilitación en el gimnasio. A pesar de haber obtenido buenos resultados, pueden añadirse numerosas mejoras a la herramienta, haciendo de esta un sistema mejorado que se adapte mejor al usuario.

Examinando por Autor "Santos, Olga C."

Resultados por página

Opciones de ordenación