Innovating Works

PID2019-110977GA-I00

Financiado
MAS ALLA DE LAS REDES NEURONALES BASADAS EN GRAFOS: APRENDIZAJE DE SU TOPOLOGIA...
MAS ALLA DE LAS REDES NEURONALES BASADAS EN GRAFOS: APRENDIZAJE DE SU TOPOLOGIA Y SU INFERENCIA DE FORMA CONJUNTA EN VISION POR ORDENADOR LOS GRAFOS SON UNA ESTRUCTURA DE DATOS UBICUA, AMPLIAMENTE UTILIZADA EN LA INFORMATICA Y CAMPOS RELACIONADOS, INCLUIDO EL RECONOCIMIENTO DE PATRONES, REDES SOCIALES, Y SISTEMAS BIOLOGICOS, POR NOMBRAR SOLO ALGUNOS, RECIENTEMENTE,... LOS GRAFOS SON UNA ESTRUCTURA DE DATOS UBICUA, AMPLIAMENTE UTILIZADA EN LA INFORMATICA Y CAMPOS RELACIONADOS, INCLUIDO EL RECONOCIMIENTO DE PATRONES, REDES SOCIALES, Y SISTEMAS BIOLOGICOS, POR NOMBRAR SOLO ALGUNOS, RECIENTEMENTE, LAS GRAPH NEURAL NETWORKS (GNN) SE HAN CONVERTIDO EN UN MARCO DE APRENDIZAJE PROFUNDO CAPAZ DE OPERAR SOBRE GRAFOS PARA REALIZAR TAREAS DE INFERENCIA, CUANDO EL GRAFO ES EXPLICITO, GNN HA DEMOSTRADO SER UN PARADIGMA DE MODELADO MUY POTENTE, SIN EMBARGO, EN UNA VARIEDAD DE DOMINIOS DE DATOS, QUE INCLUYEN NUBES DE PUNTOS Y VIDEO NO RECORTADO, LA ESTRUCTURA GRAFICA SUBYACENTE A LOS DATOS ES DESCONOCIDA Y DEBE SUPONERSE O INFERIRSE,EN TERMINOS GENERALES, INFERIR TOPOLOGIAS DE GRAFOS A PARTIR DE OBSERVACIONES ES UN PROBLEMA MAL CONDICIONADO Y HAY MUCHAS FORMAS DE ASOCIAR UNA TOPOLOGIA CON LAS OBSERVACIONES, LOS ENFOQUES MODERNOS PARA LA INFERENCIA DE TOPOLOGIA DE GRAFOS ADOPTAN UNA PERSPECTIVA DE GRAPH SIGNAL PROCESSING (GSP), QUE MODELA EXPLICITAMENTE CIERTAS PROPIEDADES DE LAS SEÑALES DE GRAFOS (SUAVIDAD, DISPERSION), SI BIEN ESTO ENFATIZA LA RELACION ENTRE LA TOPOLOGIA DEL GRAFO Y LAS SEÑALES DEL GRAFO ASOCIADAS, EL ENFOQUE ESTA VINCULADO A SUPOSICIONES A PRIORI FUERTES EN LAS SEÑALES,EL OBJETIVO DEL PROYECTO ACTUAL ES LA INVESTIGACION TEORICA Y COMPUTACIONAL DE MODELOS, METODOS Y ALGORITMOS PARA DEFINIR UN MARCO NOVEDOSO QUE PERMITA APRENDER LA TOPOLOGIA DEL GRAFO CONJUNTAMENTE CON UNA TAREA DE INFERENCIA DE ESTE EN UNA FORMULACION DE EXTREMO A EXTREMO BASADA EN DATOS, COMBINANDO ASI LAS FORTALEZAS DE GNN Y GSP,LOS DESARROLLOS METODOLOGICOS PROPUESTOS SE PONDRAN A PRUEBA EN DATOS DEL MUNDO REAL EN LAS DESAFIANTES TAREAS DE VISION POR COMPUTADOR DE LA SEGMENTACION DE EVENTOS/ACCIONES TEMPORALES Y LA LOCALIZACION DE EVENTOS/ACCIONES, ESTO ESTA MOTIVADO POR HALLAZGOS NEUROCIENTIFICOS RECIENTES QUE MUESTRAN QUE LAS REPRESENTACIONES DE EVENTOS NEURONALES EN HUMANOS SURGEN DE ESTRUCTURAS DE COMUNIDAD TEMPORAL SIMILARES A LAS DE GRAFOS, SIN EMBARGO, LAS SOLUCIONES PROPUESTAS NO SE LIMITAN A ESTE CONTEXTO Y PUEDEN CONTRIBUIR A OTRAS AREAS DE APLICACION QUE COMPARTEN DESAFIOS SIMILARES COMO LA DETECCION DE ANOMALIAS O SEGMENTACION DE MOVIMIENTO,EL PLAN DE TRABAJO DEL PROYECTO SE ESTRUCTURA EN TORNO A LOS SIGUIENTES OBJETIVOS ESPECIFICOS:1, EXPLORAR EL USO DE DIFERENTES TECNICAS DE REGULARIZACION PARA EL APRENDIZAJE DE GRAFOS, CON ESPECIAL ENFASIS EN METODOS NO LOCALES PARA REVELAR INTERDEPENDENCIAS COMPLEJAS DE DATOS DE LARGO ALCANCE,2, MODELAR EL APRENDIZAJE CONJUNTO DE LA TOPOLOGIA DEL GRAFO Y LA INCRUSTACION DE LOS DATOS ASOCIADOS DE UNA MANERA NO SUPERVISADA,3, MODELADO DEL APRENDIZAJE DE LA TOPOLOGIA DEL GRAFO DE PRINCIPIO A FIN Y SU AGRUPAMIENTO UTILIZANDO SUPOSICIONES IMPULSADAS POR LAS APLICACIONES,4, MODELADO DE LA GANANCIA DE LA TOPOLOGIA DEL GRAFO DE PRINCIPIO A FIN Y CLASIFICACION DEBILMENTE SUPERVISADA DEL NODO APROVECHANDO FORMULACIONES DINAMICAS DE GNNLA APLICACION SE DESARROLLA DIALECTICAMENTE Y EN LINEA CON LA METODOLOGIA, PROPORCIONANDO COMENTARIOS ENRIQUECEDORES A ESTOS CUATRO DESAFIOS,LA INVESTIGACION REALIZADA EN ESTE PROYECTO CONSTITUIRA UN AVANCE TEORICO SIGNIFICATIVO EN LA COMPRENSION DE LAS REDES NEURONALES DE GRAFOS EN CONTEXTOS NO ESTRUCTURADOS, HASTA AHORA UN CAMPO INEXPLORADO, PROPORCIONARA UN CONJUNTO NOVEDOSO DE HERRAMIENTAS METODOLOGICAS Y OPERATIVAS AVANZADAS QUE ABRIRAN LA PUERTA A UNA NUEVA GENERACION DE APLICACIONES DE ALTO IMPACTO SOCIAL EN DIVERSOS CAMPOS, REDES NEURONALES DE GRAFOS\PROCESADO DE LA SEÑAL DE GRAFOS\APRENDIZAJE DE LA TOPOLOGIA DE GRAFOS\VISION POR COMPUTADOR ver más
01/01/2019
CSIC
133K€
Perfil tecnológico estimado

Línea de financiación: concedida

El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2019-01-01
Presupuesto El presupuesto total del proyecto asciende a 133K€
Líder del proyecto
AGENCIA ESTATAL CONSEJO SUPERIOR DE INVESTIGA... No se ha especificado una descripción o un objeto social para esta compañía.
Perfil tecnológico TRL 2-3 552M