Examinar
Envíos recientes
Publicación Principios de las Blue Zones y su aplicabilidad en zonas rurales españolas(2025-07-14) Peñacoba Alonso, Rebeca; Román González, MarcosEste estudio explora los factores que favorecen el envejecimiento activo y saludable en Montejo de la Vega de la Serrezuela, un pequeño municipio rural de Castilla y León. A partir del marco teórico de las Zonas Azules —regiones del mundo con altos índices de longevidad— se plantea la hipótesis de que ciertos elementos del estilo de vida rural pueden actuar como factores protectores frente al envejecimiento negativo, incluso en contextos demográficamente desfavorecidos. Desde un enfoque cualitativo, se realizó un trabajo de campo basado en entrevistas semiestructuradas a personas mayores del municipio, complementadas con observación participante. La muestra estuvo compuesta por hombres y mujeres mayores de 65 años, seleccionados por su vinculación activa con el entorno local. El análisis se centró en identificar categorías emergentes relacionadas con los hábitos de vida, la alimentación, la actividad física, las relaciones sociales y el sentido de pertenencia. Los resultados muestran una coincidencia significativa entre los hábitos de vida observados en Montejo y los nueve factores clave descritos por Buettner (2012) para las Zonas Azules. Se identificaron patrones de alimentación basada en productos locales, actividad física no estructurada integrada en la rutina diaria, redes sociales activas y un fuerte arraigo territorial. También se evidenció la presencia de un propósito vital ligado a la utilidad social y a la continuidad cultural. En la discusión se destaca la relevancia de estos hallazgos como prueba de que el envejecimiento saludable no es exclusivo de regiones internacionalmente reconocidas. A pesar de las limitaciones del estudio —como el tamaño reducido de la muestra y la falta de análisis longitudinal—, se concluye que el medio rural puede ofrecer condiciones favorables para una vejez activa, digna y significativa. Se plantea la necesidad de desarrollar futuras investigaciones y políticas educativas que valoren estos entornos como espacios de bienestar.Publicación La inteligencia artificial en el contencioso administrativo tributario: un análisis de los riesgos y aspectos éticos postimplementación(2025-09-18) Oliveira Pialarissi, Barbara Cristina de; Justa Neves, Juliano Brito da; Campaña Naranjo, Juan CarlosLa presente tesis analiza críticamente los riesgos éticos y jurídicos asociados al uso de sistemas de inteligencia artificial (IA) en el contencioso administrativo tributario de Brasil, tomando como estudio de caso la implementación de la IARA (Inteligencia Artificial para Recursos Administrativos) en el Consejo Administrativo de Recursos Fiscales (CARF). A partir de un análisis cualitativo, se combinan revisión normativa y bibliográfica, estudio de caso, experiencias internacionales, cuestionarios y entrevistas a actores clave. Los resultados muestran que, aunque la IARA representa un avance en eficiencia y coherencia decisoria, persisten riesgos relevantes de: opacidad algorítmica, reproducción de sesgos, reducción del control humano significativo, gobernanza deficiente, dependencia tecnológica y comportamiento adulador. El trabajo propone un marco normativo basado en tres pilares: principios constitucionales, directrices internacionales de gobernanza algorítmica y hallazgos empíricos, con medidas específicas de transparencia, supervisión y participación social. Se concluye que la innovación tecnológica debe integrarse bajo un paradigma de responsabilidad institucional y respeto irrestricto a los derechos fundamentales, garantizando que la IA actúe como herramienta de apoyo y no como sustituto del juicio crítico humano.Publicación La dialéctica y el pensamiento crítico en Aristóteles: estructura, función y actualidad filosófica(2025-10-08) Martos Beltrán, Francisco Manuel; Corredor Lanas, María CristinaEl presente trabajo aborda el papel central que desempeña la dialéctica en el pensamiento argumentativo de Aristóteles. Frente a lecturas que han subordinado la dialéctica a la lógica o la han diluido en la retórica, aquí se defiende su autonomía, riqueza estructural y vigencia filosófica. A través de un análisis riguroso de sus elementos fundamentales —la endoxa, los topos, los predicables, la crítica dialéctica y el argumento dialéctico— se sostiene que la dialéctica constituye una práctica racional completa, versátil y fértil para el pensamiento crítico. Se exploran sus conexiones con otras formas argumentativas, su papel en la teoría de las falacias, su relevancia epistemológica en la ciencia y su proyección actual en la teoría de la argumentación, la educación y la vida pública. El trabajo reivindica a la dialéctica como procedimiento filosófico de primer orden, no solo en el pensamiento del estagirita, sino en el cultivo contemporáneo de la racionalidad.Publicación Comparative Analysis of Machine Learning Algorithms for Member Classification in Stellar Systems(2024-09-01) Nieto Petinal, Isabel; Olivares Romero, Javier; Sarro Baro, Luis ManuelContext. Investigating the formation of open clusters is essential for understanding the evolution of the MilkyWay’s stellar content. Various machine learning algorithms have been implemented to identify members within these clusters, however, the performance of these methods has not been properly analyzed. Aims. The main objective is to analyze and evaluate various algorithms and metrics used for membership identification in open clusters of stellar systems. This includes a detailed assessment of the performance, time and objectives of the algorithms in two distinct experiments. Methods. The analysis of key algorithms such as HDBSCAN, StarGO, pyUPMASK and Miec using two different synthetic clusters that mimic the characteristics of Gaia catalog. The experiments differ in the number of objects, as the algorithms’ performance can be highly dependent on this factor. Results. For numerous clusters, the best algorithm depended on the objectives of the classification: HDBSCAN for fast computing, pyUPMASK for complete selection of the members and Miec for a more balanced approach. For smaller clusters, Miec was the best algorithm in all metrics. Similarly, there is no best metric for all cases. Similarly, no single metric is ideal for all situations. For cases requiring a clean selection of members, contamination rate and PPV are recommended. For a more complete list of cluster members, TPR is useful, while MCC and LSR offer a more balanced approach. Conclusions. The performance of the algorithm and the metrics selected depend on the objectives of the classification itself. Therefore, there is no universally best algorithm or metric, so it’s important to evaluate the goals and select the most suitable accordingly.Publicación Segmentación Semántica Eficiente para Detección de Tumores en Ecografías Mamarias en Tiempo Real(2024-09-01) González-Novo Hueso, Jaime; Cuadra Troncoso, José ManuelLa segmentación semántica para detección de tumores mamarios en imágenes de ultrasonido utilizando aprendizaje profundo es un problema de alta complejidad técnica. La deriva actual de la investigación sobre este caso de uso consiste en aumentar la potencia predictiva de los modelos por medio del incremento del tamaño de los modelos en sí. En este trabajo, por el contrario, se apuesta por la eficiencia para disminuir la latencia en la respuesta, aumentar la accesibilidad y disminuir el coste computacional y el consecuente impacto medioambiental. Con este objetivo en mente, se aplica la arquitectura EFSNet a los datos abiertos BUSI. EFSNet es de la familia de las U-Net y cuenta con 179k parámetros (143Mb en inferencia) posicionándose como una de las arquitecturas más livianas del estado del arte. En los experimentos realizados sobre el conjunto de datos BUSI se obtiene un 94,06% de accuracy, un 70,44% de dsc y un 58,14% de mIoU, y se comprueba una efectividad similar a la obtenida con modelos de varios órdenes de magnitud más de parámetros. Además, EFSNet muestra un tiempo de inferencia de 82 imágenes por segundo (FPS) en una única tarjeta gráfica (GPU) NVidia GeForce 4060 RTX que permite la inferencia en tiempo real. Comparado con el estado del arte la solución presentada obtiene predicciones precisas con un consumo de recursos extremadamente bajo.Publicación ¿Cómo contribuye la Inteligencia Artificial a garantizar el acceso a una energía limpia y asequible? Una revisión de los desarrollos de IA en relación con el ODS 7(2024-09-01) Gómez Alonso, Pablo; Manjarrés Riesco, ÁngelesEn el sector energético se están desarrollando aplicaciones de IA que se espera contribuyan a mejorar el diseño y resiliencia de la infraestructura o faciliten la integración de energías renovables. Por el contrario, se teme que el entrenamiento de modelos complejos de IA requiera cantidades significativas de energía, lo que podría aumentar la demanda mundial. El presente estudio investiga el papel de la IA en el sector energético y evalúa su contribución a la consecución del ODS 7 (Garantizar el acceso a energía asequible, fiable, sostenible y moderna para todos). Este trabajo comienza presentando los resultados de una revisión sistemática de literatura que identifica las aplicaciones que se están desarrollando en el contexto del ODS 7. Posteriormente, se realiza un análisis bibliométrico para evaluar las tendencias de la investigación en esta área. Las aplicaciones de IA identificadas se clasifican según sus principales objetivos, con ejemplos que ilustran los tipos de desarrollos que se están investigando en la actualidad. Además, se evalúan los tipos de algoritmos de IA empleados en estos estudios. Finalmente, se evalúa en qué medida se integran los principios éticos en estos desarrollos de IA.Publicación Some methodological insights to build intelligent psychomotor systems for enhancing skill acquisition in free-throw shooting through personalized feedback in basketball(2024-09-01) García Arce, Pablo; Santos, Olga C.; Portaz Collado, Miguel ÁngelThis paper explores the application of intelligent psychomotor systems to enhance basketball free-throw performance through the Sensing, Modeling, Design and Delivery (SMDD) framework. The focus of this paper is on helping players improve basketball free-throw mechanics using data gathered from video and accelerometers, identifying key factors influencing shot success, with the ultimate goal of actionable feedback (meaning that the suggested adjustments need to be practical for the learner to implement). This includes data cleaning, signal synchronization, segmentation of time series, labeling, and modeling among others. However, the analysis revealed limitations in the models developed, due to the small-sized dataset, which hindered the identification of key factors and the feedback design. However, although the results were constrained to a limited dataset, the methodology developed shows the potential of psychomotor movement modeling and targeted feedback to significantly improve shooting accuracy. The need for a more extensive data collection is thus highlighted, with a methodological contribution in the form of a checklist for useful data collection in this context.Publicación Cálculo automático de tamaño de flota de un sistema logístico integrado por vehículos de guiado automático mediante la aplicación de técnicas basadas en computación evolutiva(2024-09-01) Buetas Sanjuan, Eduardo; Carmona Suárez, Enrique J.La logística interna cada vez tiene una mayor importancia para la mejora de la productividad de las empresas. En las últimas décadas se han introducido vehículos de guiado automático para abordar tareas relacionadas con la intralogística de las factorías y centros de distribución. Con el crecimiento de la utilización de este tipo de medios logísticos, las empresas dedicadas a la fabricación e instalación de estos vehículos afrontan un aumento considerable de las peticiones de estudios y ofertas económicas para solventar las necesidades de la logística interna de sus clientes. La alta inversión inicial necesaria para la adquisición de este tipo de vehículos hace muy importante que el cálculo de su número sea preciso, teniendo en cuenta un margen de seguridad para que el sistema pueda absorber imprevistos. Para este tipo de tarea se dedica en la actualidad una gran cantidad de tiempo de técnicos expertos, con su consecuente coste económico. Aunque es cierto que existen estudios en la literatura dedicados a obtener automáticamente el número de vehículos, ninguno de ellos, hasta donde alcanza el conocimiento del autor, aborda las especificaciones asociadas al dominio en el que se define el problema aquí presentado. En esta memoria se describe el trabajo de investigación llevado a cabo para calcular el tamaño de la flota de vehículos en problemas de logística de una empresa, teniendo en cuenta las especificaciones del cliente y considerando gran parte de las restricciones reales del problema. Además, se incluyen todos aquellos otros aspectos prácticos relacionados con la implementación software del método propuesto. Entre las importantes restricciones realistas consideradas, se incluye los consumos de batería de los vehículos, así como las interferencias de éstos cuando se mueven en el entorno físico (cruces y semáforos).Publicación A Neural Reconstruction Method in Non-Line-of-Sight Imaging(2024-06-01) Rodríguez Sanz, Salvador; Santos, Olga C.; Redó Sánchez, Albert; Gutiérrez Pérez, DiegoNon-Line-of-Sight Imaging (NLOS) is an experimental area in computational imaging which explores how it is possible to capture a scene which is not directly visible from the direct line-of-sight of a camera. Recovering information of hidden scenes has promising potential in society to make medical surgery less invasive, or to improve the safety of autonomous driving vehicles. Recent NLOS methods have proven to be effective at reconstructing scenes illuminated by ultra-short laser pulses from time-resolved measurements encoding geometry by indirect light reflections. They are constrained to the imaging aperture size of the optical system, and measured data does not provide any labeled supervision on priors which facilitate the reconstruction of the obscured scene. This work, based on a previous contribution, uses a Neural Radiance Field (NeRF) deep network to represent the hidden scene, and uses this learnt representation to accomplish the synthesis of different visual features of the hidden geometry. The proposed model will learn different benchmarks from synthetic data, and will analyze the advantages of the provided learnable representation in the imaging pipeline of NLOS. These advantages will end with the simulation of a virtual camera for multi-view imaging of the hidden scene, reconstructed by the replicated neural model, and without recapturing the system temporal response to synthesize new imaging views.Publicación Diseño de un clasificador multiclase de lesiones de la mucosa oral mediante Deep Learning a partir de imágenes clínicas sin aplicar restricciones(2024-06-01) Redondo García, Alejandro; Bachiller Mayoral, Margarita; Díaz López, EstelaEn este TFM, se investigan diferentes arquitecturas neuronales para desarrollar un sistema automático que permita realizar una clasificación multiclase de diferentes lesiones orales a partir de una imagen RGB. Concretamente, las redes neuronales que se analizan son las Redes Neuronales Convolucionales (CNNs), las Redes Neuronales Residuales (RNNs) y los Vision Transformers. Además de estos tres tipos de redes, se estudia una red “híbrida” llamada ConvNeXt, que está entre las Redes Neuronales Residuales y los Vision Transformers. Por otro lado, las clases que se han definido para realizar la clasificación multiclase según la gravedad de las lesiones orales son cuatro: healthy, benign, potentially malignant y malignant. Esta investigación ha permitido hacer una comparativa real entre las arquitecturas utilizadas por otros investigadores y una nueva propuesta, utilizando siempre el mismo dataset compuesto por un total de 3246 imágenes. Las imágenes de este dataset han sido capturadas mediante un dispositivo no profesional, por ejemplo, un smartphone o una cámara réflex convencional, desde cualquier perspectiva y sin seguir ningún tipo de protocolo. Y se ha experimentado con dos posibles entradas: la imagen completa y una Región de Interés (ROI) que contiene la lesión oral. Además, en el caso de uso de un ROI alrededor de la lesión oral como entrada al modelo, se han analizado los modelos obtenidos cuando se consideran cuatro clases y cuando se consideran tres clases, esto es, no se considera la clase healthy. El mejor modelo, tanto cuando se usa la imagen completa como cuando se usa un ROI que contenga la lesión oral, es ConvNeXt con un tamaño de imagen de 384x384 y 512x512 píxeles, respectivamente. En el primer caso, se superan los resultados presentados en otras investigaciones con un 85,53% de accuracy, un 85,02% de precision, un 85,50% de recall, un 84,92% de F1-score y un 97,40% de ROC AUC. En el segundo caso, los resultados se encuentran en el mismo orden de magnitud con 86,77% de accuracy, un 86,03% de precision, un 88,99% de recall, un 87,23% de F1-score y un 96,58% de ROC AUC, pero con la distinción de que el dataset empleado en este trabajo contiene un total de 39 tipos lesiones (sin contar con la cavidad oral sana) y, en general, mayor número de imágenes. Este trabajo se fundamenta en el gran potencial que tienen estos tipos de algoritmos para extraer patrones complejos, abstractos y no lineales de las imágenes. Estos patrones complejos permiten realizar un primer diagnóstico clasificando el tipo de lesión oral de una manera no invasiva, lo que permite ayudar a los médicos de atención primaria y odontólogos. Además, al no requerir usuarios profesionales especializados ni artilugios médicos de alto coste, este sistema también se puede incorporar en zonas con menos recursos, promoviendo el Objetivo de Desarrollo Sostenible (ODS) 3: Garantizar una vida sana y promover el bienestar para todos en todas las edades. Finalmente, indicar que este trabajo de investigación es fruto de la participación en un proyecto titulado, “Desarrollo de una aplicación como ayuda al diagnóstico precoz de las alteraciones orales potencialmente malignas y el cáncer oral”, financiado por el Ministerio de Ciencia e Innovación y dirigido por Dña. Rosa María López Pintor Muñoz. El objetivo del proyecto es desarrollar una herramienta útil para los odontólogos que permita el diagnóstico precoz de las lesiones orales potencialmente malignas y malignas, de manera que se aumente la tasa de supervivencia del paciente y la calidad de vida.Publicación 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 PedroDiffusion 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.Publicación Modelo Jerárquico Bayesiano para la descripción de colas de marea en cúmulos estelares(2024-02-01) Cosmin Madalin, Marina; Sarro Baro, Luis Manuel; Olivares Romero, JavierContexto. En los últimos años, los cúmulos estelares se han vuelto cada vez más relevantes para el estudio de la formación y evolución estelar, así como casos de estudio con los que contrastar teorías físicas. Objetivos. Inferir los parámetros estructurales del cúmulo estelar Coma Berecines, así como de sus colas de marea. Para ello será necesario encontrar la distribución más adecuada para las colas, en relación al conocimiento físico que tenemos sobre ellas. Métodos. Haremos uso de un Modelo Jerárquico Bayesiano al que llamaremos TGMM, implementado en Kalkayotl. Este modelo estará centrado en el sistema de referencia del propio cúmulo, alineando la dispersión de las colas con el eje Y. Utilizaremos los datos astrométricos del proyecto Gaia. Resultados. Hemos obtenido los parámetros estructurales del modelo TGMM con rotaciones, los cuales son consistentes con los resultados previos del modelo de referencia. Si bien hay una discrepancia en cuanto a las posiciones del cúmulo en las coordenadas X e Y, con diferencias de > 5 [pc] y > 8[pc], respectivamente, en términos de distancia estelar del cúmulo al centro de referencia, la diferencia es < 0.20 [pc] y las incertidumbres de las posiciones se han reducido en general. Gran parte de los experimentos llevados a cabo han girado en torno a la convergencia de cadenas HMC y la degeneración de parámetros. Conclusiones. Por ello, la inferencia de parámetros se ha dividido en un proceso iterativo. Esto es más costoso computacionalmente, pero proporciona una herramienta más flexible y cercana al conocimiento físico de las colas de marea.Publicación 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.Publicación Detección de vulnerabilidades y comportamientos anómalos en API RESTs mediante algoritmos de Machine Learning(2025-09) Vercher Gómez, Eustaquio; Tobarra Abad, María de los LlanosLa expansión de los servicios digitales y arquitecturas distribuidas ha situado a las APIs REST como un componente crítico para la interoperabilidad de aplicaciones web, móviles, servicios en la nube y dispositivos IoT. Su papel central en la economía digital, gestionando información altamente sensible, las ha convertido en un objetivo prioritario para los ciberataques. Las limitaciones de los mecanismos tradicionales de monitorización, incapaces de detectar patrones complejos o ataques a aplicaciones de negocio, han puesto de relieve la necesidad de enfoques más dinámicos y adaptativos. En este contexto, el uso de técnicas de Machine Learning tanto supervisadas como no supervisadas ofrece un marco prometedor para la detección de anomalías en el tráfico API, al permitir el análisis de grandes volúmenes de datos y la identificación de comportamientos atípicos sin requerir conocimiento previo de las amenazas existentes. El presente trabajo aborda esta problemática con una doble motivación: por un lado, la necesidad práctica de reforzar la seguridad de las APIs REST frente a ataques cada vez más sofisticados; por otro, el interés académico en explorar la viabilidad de los algoritmos de Machine Learning como herramientas aplicadas a la ciberseguridad.Publicación Machine Learning techniques to detect manoeuvres in GEO satellites(2025-09) Tirado Vélez, Jesús; Sarro Baro, Luis ManuelLa rápida expansión de las actividades espaciales y la proliferación de objetos en órbita aumentan la complejidad de la vigilancia espacial y el riesgo de colisiones, lo que requiere de unas capacidades de detección de maniobras más automatizadas y robustas. Los métodos tradicionales de detección de maniobras de satélites basados en comprobaciones de consistencia de la propagación orbital y el análisis estadístico de valores atípicos con umbrales diseñados manualmente pueden tener dificultades ante comportamientos anómalos o ruidosos. Este trabajo propone y compara diferentes modelos de aprendizaje automático para detectar maniobras de reposicionamiento de satélites GEO a partir de una serie de datos temporal de TLEs públicos. El estudio analiza un conjunto de datos de cinco años con casi 5 millones de TLEs de 1.449 objetos GEO. Esta serie de datos ha sido procesada para obtener la posición geográfica de los satélites (latitud, longitud y altitud) muestreada diariamente. El conjunto de datos se ha extendido con las maniobras de reposicionamiento etiquetadas mediante un sencillo algoritmo de detección cuya salida se ha depurado manualmente para suprimir falsos positivos. Se han evaluado cuatro modelos de aprendizaje automático Red Neuronal Convolucional (CNN), red Long Short-Term Memory (LSTM), Transformer y Random Forest— y sus resultados se han comparado sistemáticamente tras ajustar los hiperparámetros mediante grid search y validación cruzada (3-fold ). Las métricas empleadas para la comparación han sido la matriz de confusión, la precisión (accuracy) y el tiempo de entrenamiento. También se ha comparado el rendimiento de los distintos modelos en función de los días transcurridos desde el inicio de la maniobra para evaluarlos en un escenario cercano a las operaciones rutinarias de vigilancia espacial. Este estudio demuestra que los modelos de aprendizaje automático pueden identificar eficazmente maniobras de reposicionamiento GEO en series TLE, ofreciendo un complemento a las técnicas tradicionales de mantenimiento de catálogo. Trabajos futuros podrían abordar la reducción de falsas alarmas en contextos operacionales como éste, altamente desbalanceados, la localización temporal precisa de la maniobra y la extrapolación de este estudio a otros regímenes orbitales.Publicación Comparativa de procesos de diarización automática(2025-09) Sáenz De Cosca Lacalle, Daniel; Pérez Martín, Jorge; Rodrigo Yuste, ÁlvaroEste trabajo intenta ser una aportación más al mundo del Reconocimiento del Habla Automatizado (ASR por sus siglas en inglés, Automatic Speech Recognition), cuya historia y avances van emparejados a los de la Inteligencia Artificial. Entre los campos de esta disciplina se encuentra la Diarización, consistente en identificar las voces de los distintos interlocutores de un audio. Esta disciplina, más compleja de lo que pudiera parecer en un principio, ha motivado diversos estudios en los últimos años. Este trabajo se centra en la obtención de diarizaciones a partir de subtítulos y en la evaluación de éstas con respecto a las diarizaciones de referencia. Para ello, se hace un estudio, tanto de las métricas de error de diarización obtenidas, como del rendimiento en tiempo. Además de esto y en aras de contribuir a conseguir unos subtítulos de alta calidad, se quiere cumplir con determinados apartados del estándar UNE 153010:2012: “Subtitulado para personas sordas y personas con discapacidad auditiva” relacionadas con la diarización; para ello se ha realizado un proceso que contribuye a la mejora de los subtítulos. El desarrollo se ha realizado utilizando tecnología de contenedores, lo que facilita la realización de pruebas aisladas en las condiciones deseadas, algo muy interesante en los experimentos y comparativas que se lleven a cabo.Publicación Applications of Deep Learning Techniques to the design of cell-free massive MIMO networks(2025-09) Riera Palou, Felip; Cuadra Troncoso, José ManuelEsta tesis de master estudia la aplicación de deep neural networks (DNNs) para el diseño de redes cell-free massive MIMO (CF-mMIMO), una topología novedosa destinada a revolucionar las comunicaciones móviles de sexta generación (6G). Más concretamente, el trabajo aborda el diseño de la estrategia de asignación de potencia, es decir, determinar cuánta potencia se asigna a cada usuario con el fin de optimizar una determinada métrica de rendimiento relacionada con la eficiencia espectral. A diferencia de las estrategias clásicas de asignación de potencia, que suelen basarse en métodos de optimización matemática complejos, el enfoque con DNNs establece una relación entre la información de canal a gran escala (vinculada a las posiciones entre usuarios y puntos de acceso (APs)) a los coeficientes de potencia. Es muy destacable que esta función de mapeo es computacionalmente trivial durante la operación en tiempo real de la red móvil, a costa de requerir una fase de entrenamiento costosa que, convenientemente, puede llevarse a cabo como un pre-procesado (i.e., off-line). Los resultados demuestran que la asignación de potencia basada en DNNs funciona a la par de la técnica de referencia (i.e., fractional power allocation (FPA)) para una amplia variedad de configuraciones (p. e., diferentes cargas de red, distintas técnicas de procesamiento, diferentes objetivos de eficiencia espectral). Además, también se ha propuesto una estrategia basada en aprendizaje por transferencia para generalizar la aplicabilidad de un modelo DNN entrenado para una carga de red específica a otra diferente, sin necesidad de reentrenar el modelo completo.Publicación Análisis del consumo energético de redes neuronales profundas(2025-09) Quesada Pablos, Alberto; Pastor Vargas, Rafael; Haut Hurtado, Juan MarioEste Trabajo Fin de Máster se sitúa en el contexto del creciente consumo energético asociado al entrenamiento y uso de modelos de inteligencia artificial, especialmente los basados en redes neuronales profundas (Deep Learning). Como respuesta a esta problemática, se ha de- sarrollado una herramienta de monitorización denominada Energy Report System (ERS), orientada al análisis del consumo energético y las emisiones de carbono asociadas a procesos de entrenamiento e inferencia de modelos de aprendizaje profundo. El objetivo principal es proporcionar una solución que permita evaluar el impacto computacional y ambiental de estos modelos, integrando métricas de uso de recursos y estimaciones de huella de carbono en función de la ubicación geográfica. ERS ha sido implementado para sistemas Linux y es capaz de registrar métricas relacionadas con la CPU, GPU, memoria y temperatura, a nivel de sistema, proceso e incluso bloques de código específicos. Se ha desarrollado además una métrica compuesta que combina precisión del modelo, consumo energético, emisiones de carbono y tiempo de ejecución, con el fin de facilitar comparaciones entre distintos modelos. Para validar la herramienta, se han entrenado y evaluado cuatro arquitecturas de redes neuronales (ResNet-18, VGG-19, GoogLeNet v1 y MobileNetV2) utilizando el conjunto de datos CIFAR-10. Durante estos experimentos, se ha recogido información detallada sobre el comportamiento energético de cada modelo en los procesos de entrenamiento e inferencia en dos sistemas de pruebas. El sistema desarrollado constituye una herramienta de apoyo al análisis de eficiencia en entornos de machine learning y puede ser útil en futuras investigaciones orientadas a mejorar la sostenibilidad de los modelos de IA.Publicación Generación de datos sintéticos mediante Redes Generativas Adversarias (GANs) para la evaluación automatizada del Test De la Figura Compleja de Rey-Osterrieth(2025-09) Pérez Gallego, Silvia; Rincón Zamorano, MarianoThis Masterś Thesis explores the application of Generative Adversarial Networks (GANs) for the generation of synthetic data in the Rey-Osterrieth Complex Figure (ROCF) test. The main objective is to mitigate the scarcity of real data, which currently limits the training of artificial intelligence models aimed at the automatic evaluation of this neuropsychological test. For this purpose, StyleGAN2-ADA was employed, an architecture particularly suitable for scenarios with small datasets. The experiment was conducted using a dataset of only 428 images in total, within a conditional and imbalanced setting. The results reveal significant limitations: low intra-class diversity, limited semantic preservation, and bias toward majority classes. However, it was observed that the model partially captured the ordinal structure of the scoring system, generating images that, as the class value increased, tended to more closely resemble the original Rey-Osterrieth figure. In conclusion, although the results show constraints in fidelity and variability, the proposal confirms the feasibility of GANs as a data augmentation strategy in this domain. Future work includes assessing the impact of synthetic data on automatic scoring models, exploring transfer learning techniques to enhance generation quality, and applying the methodology to other clinical tests with limited data availability.Publicación Detection of authorship in texts by multiple authors(2025-09) Hutton, Alexander Richard ; Rodrigo Yuste, Álvaro; Pérez García-Plaza, AlbertoEl objetivo de este trabajo de fin de máster es la identificación de autoría en artículos escritos por múltiples autores. Este trabajo establece un conjunto novedoso de características que son independientes del idioma y del tema tratado y que se obtienen, no del contenido sintáctico o léxico del documento, sino a partir de como un autor individual lo escribe utilizando el sistema de composición de textos LATEX. Como base de la investigación se crea una base de artículos científicos en la cual el contenido de cada artículo está disponible en forma de chero de código fuente de LATEXy también en una versión de texto simple sin los comandos de LATEX. Se implementa un algoritmo preexistente disponible en la literatura científica para la identificación de autoría en artículos escritos por múltiples autores que usa características léxicas y sintácticas y se adapta para usar las características basadas en LATEX . Primero se establece una referencia aplicando el algoritmo con características léxicas y sintácticas, y después el algoritmo se evalúa una segunda vez con características LATEX . Finalmente se comparan los resultados de los dos tipos de características. Los resultados muestran que las características basados en LATEX son eficaces en la identificación de los autores de tramos de texto dentro de un documento largo y que su uso en la identificación de autoría en artículos escritos por múltiples autores dan resultados comparables a los basados en características estilométricas tradicionales, aunque no alcanzan la misma precisión.