Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

PID2021-127946OB-I00

Financiado

Cerrado

APRENDIZAJE PROFUNDO PARA LA DETECCION DE ANOMALIAS EN DATOS NO ESTRUCTURADOS

LA DETECCION DE ANOMALIAS ES EL PROCESO DE DETECCION DE PATRONES QUE SE DESVIAN SIGNIFICATIVAMENTE DE LA MAYORIA DE LOS DATOS. DEBIDO A LA DEMANDA DE SUS APLICACIONES EN DOMINIOS TAN VARIADOS COMO LA GESTION DE RIESGOS, LA SEGURID... ver más

01/01/2021

54K€

Presupuesto del proyecto: 54K€

Líder del proyecto

UNIVERSITAT DE VALÈNCIA (ESTUDI GENERAL) No se ha especificado una descripción o un objeto social para esta compañía.

Sin perfil tecnológico

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

TIN2009-10748 NUEVOS METODOS COMPUTACIONALES ESCALABLES Y EFICIENTES DE AP... 112K€ Cerrado

HEISENDATA HeisenData Towards a Next Generation Uncertain Data Manage... 100K€ Cerrado

PID2021-128314NB-I00 DESARROLLO DE METODOLOGIAS DE CLASIFICACION Y VALIDACION PAR... 100K€ Cerrado

RED2018-102641-T BIG DATA Y CIENCIA DE DATOS: RETOS EN LA APLICACION DE LA IN... 15K€ Cerrado

MAESTRA Learning from Massive Incompletely annotated and Structure... 2M€ Cerrado

Data TrackerTM DataTrackerTM Artificial Intelligence Enabling a Secure an... 3M€ Cerrado

Líder del proyecto

UNIVERSITAT DE VALÈNCIA (ESTUDI GENERAL) No se ha especificado una descripción o un objeto social para esta compañía.

Sin perfil tecnológico

Presupuesto del proyecto 54K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto LA DETECCION DE ANOMALIAS ES EL PROCESO DE DETECCION DE PATRONES QUE SE DESVIAN SIGNIFICATIVAMENTE DE LA MAYORIA DE LOS DATOS. DEBIDO A LA DEMANDA DE SUS APLICACIONES EN DOMINIOS TAN VARIADOS COMO LA GESTION DE RIESGOS, LA SEGURIDAD, LA VIGILANCIA FINANCIERA, LA SALUD, Y LA SEGURIDAD DE LA IA, LAS TECNICAS DE DETECCION DE ANOMALIAS DESEMPEÑAN PAPELES CADA VEZ MAS IMPORTANTES Y DESTACADAS EN COMUNIDADES COMO LA MINERIA DE DATOS, EL APRENDIZAJE AUTOMATICO, LA VISION POR ORDENADOR Y LA ESTADISTICA. NO OBSTANTE, ESTAS TECNICAS ESTAN PENSADAS PARA SU USO SOBRE DATOS ESTRUCTURADOS CUANDO, ACTUALMENTE, APROXIMADAMENTE UN 85% DE TODOS LOS DATOS DIGITALES GENERADOS POR EMPRESAS Y ORGANISMOS PUBLICOS SON DATOS NO ESTRUCTURADOS (P.EJ. TEXTOS, IMAGENES O VIDEOS). NO EXISTE EN LA ACTUALIDAD UN MARCO GENERICO DE DETECCION DE ANOMALIAS PARA ESTE TIPO DE DATOS. EN LOS ULTIMOS AÑOS, EL APRENDIZAJE PROFUNDO (DL, DEEP LEARNING) HA MOSTRADO UNA CAPACIDAD ENORME EN EL APRENDIZAJE DE REPRESENTACIONES EXPRESIVAS DE DATOS COMPLEJOS, COMO LOS DATOS DE ALTA DIMENSIONALIDAD, LOS DATOS TEMPORALES, LOS DATOS ESPACIALES Y LOS DATOS GRAFICOS, AMPLIANDO LOS LIMITES DE LAS DIFERENTES TAREAS DE APRENDIZAJE. EL PRINCIPAL OBJETIVO DE ESTE PROYECTO ES HACER UNA REVISION PROFUNDA, DESARROLLAR UN MARCO UNIFICADO Y PLANTEAR NUEVOS ALGORITMOS DE DETECCION DE ANOMALIAS ORIENTADOS A DATOS NO ESTRUCTURADOS Y COMPLEJOS COMO SON LOS DATOS DE TIPO TEXTO, IMAGENES, VIDEO. DERIVADOS DE ESTE OBJETIVO SE TIENEN LOS SIGUIENTES OBJETIVOS: 1) APLICAR TECNICAS DE DETECCION DE ANOMALIAS EN IMAGENES CLINICAS PARA MEJORAR EL DIAGNOSTICO. 2) OBTENCION DE ALGORITMOS DE DETECCION DE ANOMALIAS, MAS ROBUSTOS QUE LOS EXISTENTES, ORIENTADOS A LA VIGILANCIA MEDIANTE VIDEO. 3) APLICAR Y PLANTEAR NUEVOS ULTIMOS ALGORITMOS DE DETECCION DE ANOMALIAS EN TEXTO Y PROPONER MEJORAS A LOS MISMOS CON UNA DOBLE ORIENTACION PRACTICA: LA DETECCION DE PACIENTES EN RIESGO Y LA DETECCION DE NOTICIAS FALSAS. 4) APLICAR Y DESARROLLAR NUEVAS TECNICAS DE DETECCION DE ANOMALIAS CUANDO SE COMBINAN DIFERENTES TIPOS DE DATOS (APRENDIZAJE MULTIMODAL) PARA USO EN MANTENIMIENTO PREDICTIVO Y CIBERSEGURIDAD. ESTABLECER SINERGIAS ENTRE LOS CAMPOS DE LA DETECCION ANALITICA DE ANOMALIAS Y LA ECONOMIA DEL COMPORTAMIENTO (BE, BEHAVIOURAL ECONOMICS) PARA AQUELLAS APLICACIONES/DATOS QUE INVOLUCRAN A LOS SERES HUMANOS. EL PROYECTO PRESENTA UN RIESGO BAJO DE NO CONSEGUIR LOS OBJETIVOS CIENTIFICOS PLANTEADOS (PUBLICACIONES Y CONGRESOS NACIONALES/INTERNACIONALES) POR LOS SIGUIENTES FACTORES: A) EXPERIENCIA DEL EQUIPO INVESTIGADOR EN LOS PROBLEMAS PLANTEADOS; B) DISPONIBILIDAD DE LOS DATOS PARA LLEVAR A CABO LOS DIFERENTES PAQUETES DE TRABAJO. EL AVANCE PRODUCIDO EN EL PRESENTE PROYECTO NO SOLO TENDRA IMPACTO CIENTIFICO-TECNICO EN FORMA DE PUBLICACIONES; EL ASPECTO SOCIAL Y/O ECONOMICO TAMBIEN SERA MUY RELEVANTE. DOS EMPRESAS ESPAÑOLAS CON PROYECCION INTERNACIONAL COMO SON QUIBIM (DEDICADA AL ESTUDIO DE BIOMARCADORES EN IMAGENES CLINICAS) Y S2GRUPO (DEDICADA A LA CIBERSEGURIDAD) Y UNA EMPRESA INTERNACIONAL COMO GALP (DEDICADA LA EXPLOTACION, DISTRIBUCION Y PROCESADO DE PETROLEO) NOS DAN SU APOYO EXPLICITO Y ESPERAN APLICAR LOS AVANCES QUE SE PRODUZCAN EN SUS EMPRESAS. NOMALIAS\DATOS NO ESTRUCTURADOS\APRENDIZAJE PROFUNDO

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores