Descripción del proyecto
ENCONTRAMOS UN NUMERO CRECIENTE DE GRANDES CONJUNTOS DE DATOS RELACIONALES EN VARIOS CAMPOS CIENTIFICOS, COMO LAS REDES DE INTERACCION ENTRE PROTEINAS, O REDES ECONOMICAS O SOCIALES, EL CAMPO DEL RECONOCIMIENTO ESTRUCTURAL DE PATRONES (SPR) SE CENTRA EN EL DESARROLLO DE REPRESENTACIONES Y ALGORITMOS PARA HACER LOS DATOS ESTRUCTURALES TRATABLES, EXISTEN PROBLEMAS INTRINSECAMENTE ESTRUCTURALES (MATCHING, EMBEDDING, COMPLEJIDAD, COMPRESION, KERNELS Y APRENDIZAJE DE GRAFOS), ADEMAS, SPR TAMBIEN ABARCA PROBLEMAS QUE PUEDEN SER TRATADOS DE FORMA ESTRUCTURAL (ANALISIS DE SEÑAL, DE FORMAS 3D, CLUSTERING, O APRENDIZAJE BASADOS EN GRAFOS), A ESTE RESPECTO, DESARROLLAREMOS UNA TEORIA CENTRADA EN EL PRIMER GRUPO, PERO TAMBIEN APLICABLE AL SEGUNDO, LOS DOS PRINCIPALES OBJETIVOS DEL PROYECTO SON:1, DESARROLLAR UN ENFOQUE UNIFICADO DE SPR BASADO EN TEORIA DE LA INFORMACION, INCLUYENDO METODOS PARA (I) CARACTERIZAR LA COMPLEJIDAD DE UN GRAFO, (II) OBTENER EMBEDDINGS REVERSIBLES, (III) MEDIR LA SIMILITUD ENTRE GRAFOS, (IV) SIMPLIFICACION Y RECABLEADO, Y (V) APRENDIZAJE DE GRAFOS,2, APLICAR NUESTRO ENFOQUE DE SPR BASADO EN TEORIA DE LA INFORMACION A DIFERENTES DOMINIOS DE APLICACION: (I) ANALISIS DE FORMAS 3D, (II) ANALITICAS DE REDES, Y (III) ANALISIS DE REDES CEREBRALES, UNO DE LOS ELEMENTOS CLAVES DE NUESTRO ENFOQUE ES DEFINIR METODOS ALTERNATIVOS DE EMBEDDING (BASADOS EN DEEP LEARNING) PARA LA CARACTERIZACION DE GRAFOS GENERALES, CON ESTOS NUEVOS EMBEDDINGS PODREMOS REPRESENTAR GRAFOS COMO UNA DISTRIBUCION DE VECTORES (MANIFOLD), PERMITIENDO ASI DEFINIR METODOS DE COMPLEJIDAD, APRENDIZAJE Y SIMILITUD DE GRAFOS EN EL ESPACIO DEL MANIFOLD, DESARROLLAREMOS Y PUBLICAREMOS UNA LIBRERIA CON TODOS LOS METODOS PROPUESTOS, QUE SERA APLICADA A DIFERENTES AMBITOS DE APLICACION (DE LOS CUALES OBTENDRA FEEDBACK PARA SU REVISION),EN EL ANALISIS DE FORMAS 3D, NECESITAMOS PODER COMPRIMIR, COMPARAR Y CLASIFICAR FORMAS, A ESTE RESPECTO, EXPLORAREMOS COMO ADAPTAR DIFERENTES METODOS DE SIMILITUD DE GRAFOS A REEB GRAPHS, ADEMAS, DEFINIREMOS METODOS DE COMPRESION DE GRAFOS BASADOS EN EL LEMMA DE REGULARIDAD DE SZEMEREDI (REDUCCION DEL NUMERO DE NODOS) Y METODOS DE SPARSIFICACION (ELIMINACION DE ARISTAS),LOS METODOS DE ANALITICAS DE REDES SON CLAVE EN DIFERENTES AREAS DE APLICACION PARA OBTENER INFORMACION A PARTIR DE EXTENSOS CONJUNTOS DE DATOS RELACIONALES, COMO SON LAS REDES SOCIALES O FINANCIERAS, NUESTRO INTERES EN ESTA AREA RESIDE EN ANALIZAR REDES DE NAVEGACION CUYOS NODOS CORRESPONDEN A ETIQUETAS VISUALES PARA ORIENTAR A INVIDENTES MEDIANTE LA APLICACION NAVILENS, QUE FUE UNO DE LOS RESULTADOS DE NUESTRO PROYECTO PREVIO (VIFLIGHT), ESTE SISTEMA HA SIDO DESPLEGADO EN TMB (METRO Y BUS DE BARCELONA), DONDE APLICAREMOS METODOS DE RANKING Y PREDICCION DE ENLACES PARA ANALIZAR EL FLUJO DE PASAJEROS A TRAVES DE LA RED, Y DETERMINAR SI ESTAN SIENDO CORRECTAMENTE ORIENTADOS, DETERMINAR LOS PRINCIPALES NODOS DE LA RED, E INFERIR NUEVOS ENLACES PARA MEJORAR LA MOVILIDAD, ANALIZAREMOS TAMBIEN REDES CEREBRALES CORRESPONDIENTES A LAS ENFERMEDADES DE ALZHEIMER (AD) Y PARKINSON (PD), UTILIZAREMOS METODOS DE DENSIFICACION PARA DISCRIMINAR ENTRE DIFERENTES FASES DE AD, EN NUESTROS EXPERIMENTOS PRELIMINARES HEMOS OBTENIDO RESULTADOS PROMETEDORES PARA DETECTAR FASES TEMPRANAS DE LA ENFERMEDAD, RECONOCIMIENTO ESTRUCTURAL DE PATRONES\TEORÍA DE LA INFORMACIÓN