Juan Ignacio Cirac – Instituto Max Planck de Óptica Cuántica
Intelligent System Capítulo de acceso abierto revisado por pares Un sistema experto basado en la visión por ordenador y el modelado estadístico para apoyar el análisis de la degradación del colágeno Escrito por Yaroslava Robles-Bykbaev, Salvador Naya, Silvia Díaz Prado, Daniel
El análisis estadístico (casi clásico) de los datos recogidos mediante técnicas como la segmentación de imágenes de biomateriales centra su atención en un análisis descriptivo y un análisis de implicación o cuasi-implicación. Este enfoque puede hacer que se pierda el estudio de las posibles influencias de las variables relativas al experimento de siembra de células sobre biomateriales como el colágeno de tipo I.
Sin embargo, existen alternativas al análisis estadístico clásico basadas en los métodos de clasificación, la estadística descriptiva, la estadística de implicación y la estadística de cuasi implicación, entre otros. Una de ellas es la metodología híbrida basada en la aplicación de redes neuronales, segmentación de imágenes y modelización estadística de la probable relación de variables que afectan a la degradación de biomateriales como el colágeno tipo I en el cultivo de células estromales mesenquimales sobre dichos biomateriales. Este sistema híbrido se convierte en un sistema robusto de alta complejidad y bajo coste computacional. Por un lado, permite un análisis fiable de los datos experimentales relativos a la siembra de dichas células, es decir, establecer si existe alguna posible relación entre el medio de cultivo celular y la degradación del biomaterial donde se siembra el linaje celular nombrado. Por otro lado, el sistema permite la toma de decisiones teniendo en cuenta los datos adquiridos tras la aplicación del modelo analítico.
Banco de pruebas multiusuario MIMO
Aprender divirtiéndose Transmitir mis conocimientos de forma sencilla y completa. Enseñar de tal manera que el alumno entienda lo que está haciendo y aplique la lógica. Mis clases son especialmente para aquellos que quieren obtener una certificación o reforzar habilidades para entornos laborales.
Sobre IagoTengo un título universitario, trabajo como administrador de sistemas y tengo las certificaciones LPIC-1 y LPIC-2. Más de cinco años de experiencia trabajando en entornos Linux y más de 10 años trabajando a nivel de usuario. Tengo un horario flexible.
BEADE CLUB en directo en Fnac Coruña España 2012
Vinculación de una Red Neuronal Artificial con el Sistema Experto Eeie para la Identificación de Impactos AmbientalesLa reticencia a la comprensión total de los daños ambientales se mantiene debido a la falta de información completa y admitiendo que las contingencias que conducen a estos cambios ambientales pueden no ser nunca conocidas en su totalidad. Una forma de obtener conclusiones a partir de información incompleta es identificar las reglas ambientales y los modelos generales. En este trabajo describimos una Red Neural Artificial (RNA) para la identificación de impactos ambientales. Las entradas de la RNA han sido condificadas proporcionándoles un formato para una mejor convergencia. Los resultados de esta identificación serán consistentes con los métodos de Leopold y Battelle [1] para la Evaluación de Impactos Ambientales (EEI). Los impactos identificados por la RNA se incorporarán al conjunto de hipótesis con las que trabajará el sistema experto EEIE [2] para evaluar dichos impactos.Guardar en la BibliotecaEditarComparar Citación Clasificar Lectores Documentos Relacionados MencionesVer Impacto
Cronus Zen – Empezando con lo esencial
Tecnología de asistencia: Las TIC en la diversidad funcional y el envejecimiento activo, Informática médica y ontologías, Bioinformática y minería de datos. Gráficos y procesamiento de imágenes, Modelización computacional conexionista: Neurociencia, Creatividad Computacional Audiovisual, Computación Evolutiva e Inteligencia Artificial en Ingeniería Civil, Seguridad y Protección de la Información, Farmacoinformática, Teleinformática y Diseños Tecnológicos, Aplicaciones Prácticas del Aprendizaje Automático.
Pazos, A., Dorado, J., M. Gestal, Cristian Robert Munteanu, Carlos Fernández Lozano, Estefanía Sande Castro, José Antonio Seoane Fernández, María Isabel Loza, José Manuel Brea Floriani, Norberto Ezquerra , Ainhoa Gutiérrez Nieto, Alvarellos, A.
Alejandro Pazos Sierra, Javier Pereira Loureiro, Jorge Pintos Ruiz, Virginia Mato Abad, Manuel Cajaraville Martínez, Thais Pousada García, Groba-González, MB, Nieto-Riveiro, L, José Manuel Vázquez Naya, Francisco Javier Nóvoa De Manuel, Marcos Martínez Romero, José Antonio Seoane Fernández
