Descripción del proyecto
LA FUSION DE DATOS ES CLAVE EN LA MAYORIA DE LOS CAMPOS CIENTIFICOS, EN INTELIGENCIA ARTIFICIAL, LA FUSION DE DATOS ES CRUCIAL EN MUCHOS PROCESOS, DESDE LA CLASIFICACION O LAS REDES NEURONALES PROFUNDAS HASTA EL CEREBRO COMPUTACIONAL, RECIENTEMENTE SE HA HECHO UN GRAN ESFUERZO EN EL ESTUDIO DE TECNICAS DE FUSION DE DATOS, SOBRE TODO FUNCIONES DE AGREGACION, ESTOS TRABAJOS HAN MOSTRADO QUE LAS FUNCIONES DE AGREGACION SON MUY RESTRICTIVAS PARA ALGUNOS PROBLEMAS, Y HAN LLEVADO AL DESARROLLO DE FORMAS MAS GENERALES DE FUSION DE DATOS QUE TIENEN EN CUENTA LA FORMA EN QUE ESTOS VARIAN, LLEVANDO A CONCEPTOS COMO LAS PREAGREGACIONES, EN MUCHAS APLICACIONES REALES LOS DATOS A FUSIONAR PRESENTAN INCERTIDUMBRE, UNA FORMA DE TRATARLOS ES CONSIDERAR, PARA REPRESENTARLOS, MARCOS MAS GENERALES QUE EL DE LOS NUMEROS REALES, DE MODO QUE LA REPRESENTACION DE CADA DATO INCLUYA TAMBIEN INFORMACION SOBRE LA INCERTIDUMBRE ASOCIADA A EL, PERO ES NECESARIO DISPONER DE TECNICAS PARA FUSIONAR DATOS REPRESENTADOS ASI,POR ELLO, EN ESTE PROYECTO ESTUDIAMOS FUNCIONES DE FUSION DE DATOS QUE TENGAN EN CUENTA LAS DISIMILITUDES Y OTRAS POSIBLES RELACIONES ENTRE ELLOS Y LA INCERTIDUMBRE, VAMOS A DEFINIR UNA NUEVA CLASE DE FUNCIONES DE FUSION DE DATOS, QUE GENERALICE LAS AGREGACIONES MAS USUALES, TENGA EN CUENTA LAS RELACIONES ENTRE LOS DATOS (EN PARTICULAR, LA DISIMILITUD ENTRE ELLOS) Y PERMITA USAR FORMAS DE REPRESENTACION QUE REFLEJEN LA POSIBLE INCERTIDUMBRE EN ELLOS (INTERVALOS Y REPRESENTACIONES MULTIVALUADAS), LLAMAMOS D-INTEGRALES A ESTAS NUEVAS FUNCIONES DE FUSION DE DATOS, YA QUE VAMOS A CONSTRUIRLAS A PARTIR DE LA INTEGRAL CHOQUET,ASI, LOS OBJETIVOS DE ESTE PROYECTO COMPRENDEN EL ANALISIS TEORICO DE LAS D-INTEGRALES Y SU APLICACION A PROBLEMAS DE APRENDIZAJE PROFUNDO, CLASIFICACION, BIG DATA, CEREBRO COMPUTACIONAL Y REDES SOCIALES, LOS OBJETIVOS ESPECIFICOS SON:1,GENERALIZAR LAS INTEGRALES CHOQUET CONSIDERANDO DISTANCIAS Y DISIMILITUDES EN SU DEFINICION,2,ESTUDIAR LOS CONCEPTOS DE DISIMILITUD Y DISTANCIA ENTRE INTERVALOS DE FORMA QUE TENGAN EN CUENTA LA AMPLITUD DE LOS MISMOS COMO MEDIDA DE LA INCERTIDUMBRE LIGADA A LOS DATOS; Y ENTRE DATOS MULTIVALUADOS, TENIENDO EN CUENTA LAS POSIBLES RELACIONES ENTRE LAS COMPONENTES DE CADA DATO Y LA FORMA EN QUE ESAS COMPONENTES REPRESENTAN LA INCERTIDUMBRE,3,EXTENDER A LOS MARCOS INTERVALAR Y MULTIVALUADO EL CONCEPTO DE D-INTEGRAL TENIENDO EN CUENTA LAS NUEVAS NOCIONES DE DISTANCIA Y DISIMILITUD,4,APLICAR LAS D-INTEGRALES AL DISEÑO DE REDES NEURONALES PROFUNDAS, EN PARTICULAR EN LA CONVOLUCION Y EL POOLING, Y CONSIDERAR SU APLICACION EN PROBLEMAS DE IMAGEN,5,UTILIZAR LAS D-INTEGRALES EN SISTEMAS DE CLASIFICACION BASADOS EN REGLAS DIFUSAS6,DESARROLLAR MODELOS DE ENSEMBLES BASADOS EN D-INTEGRALES PARA EL CEREBRO COMPUTACIONAL,7,USAR LAS D-INTEGRALES EN EL DISEÑO DE NUEVOS ALGORITMOS DE APRENDIZAJE EN BIG DATA,8,USAR LAS D-INTEGRALES EN EL EL ANALISIS DE REDES SOCIALES,NUESTROS RESULTADOS PROPORCIONARAN UN NUEVO MECANISMO TEORICO DE FUSION DE DATOS QUE TIENE EN CUENTA LAS RELACIONES ENTRE DATOS, SUS CARACTERISTICAS, LAS DISIMILITUDES Y OTRAS POSIBLES RELACIONES ENTRE ELLOS, ESPERAMOS OBTENER UNA MEJORA EN APLICACIONES COMO APRENDIZAJE PROFUNDO, ESPECIALMENTE APLICADO A IMAGEN MEDICA; CLASIFICACION Y BIG DATA; IMAGEN EN EL CEREBRO COMPUTACIONAL; O IDENTIFICACION DE COMUNIDADES EN REDES SOCIALES, ESPERAMOS PUBLICAR 40 ARTICULOS EN REVISTAS DE JCR, CAPITULOS DE LIBROS Y CONTRIBUCIONES A CONGRESOS, FUSION DE INFORMACION\INCERTIDUMBRE\APRENDIZAJE PROFUNDO\CLASIFICACION\ENSEMBLES\BIG DATA\CEDREBRO COMPUTACIONAL\REDES SOCIALES