GARCIA TORRES, MIGUEL

Este proyecto propone avanzar en el uso de técnicas de inteligencia artificial y metaheurísticas para analizar datos capturados de sensores instalados en edificios no residenciales para poder analizar patrones de consumo de energía y poder desarrollar políticas de actuación para un uso más eficiente de los recursos del edificio y reducir emisiones contaminantes.

La producción de energía eléctrica sería mucho más eficiente si se dispusiera de estimaciones precisas de la demanda futura, ya que estas permitirían asignar solo los recursos necesarios para la producción de la cantidad justa de energía requerida. Con esta motivación en mente, proponemos una investigación, basada en la utilización de técnicas de deep learning para la predicción y caracterización del consumo eléctrico.

La diabetes da lugar a muchos problemas, entre ellos la Retinopatía Diabética (RD), que se relaciona con la pérdida de la visión. La RD ocurre debido a la presencia de altos niveles de glucosa en la sangre, lo que daña los pequeños vasos sanguíneos presentes en la retina. La RD puede expresarse como el daño causado a los vasos sanguíneos de la retina debido a complicaciones de la diabetes, lo que conduce a la pérdida de visión posteriormente (que en este caso es irreversible). El screening de retina es una posible solución para el diagnóstico del daño causado a la retina en etapas iniciales. Para estudiar la RD, los oftalmólogos a menudo consideran las imágenes del fondo de ojo en color, teniendo en cuenta varios elementos relacionados con la retinopatía diabética, como hemorragias, microaneurismas, exudados duros y blandos.  Para estudiar estos elementos, en este trabajo se pretende utilizar por primera vez aprendizaje neuro-evolutivo para una mejor detección de retinopatía diabética en imágenes de fondo de ojo. Los algoritmos neuro-evolutivos, son una forma de inteligencia artificial que utiliza algoritmos evolutivos para optimizar parámetros, topología y reglas de redes neuronales artificiales