Esta, es la premisa de la tesis de un investigador perteneciente al Information Processing and Telecommunications Center (IPTC), Manuel Gil Martín. Su trabajo se centra en una línea de investigación enfocada en el modelado del comportamiento y movimiento de las personas utilizando técnicas de procesado de señal y aprendizaje automático.
Esta supervisión se realiza a través de sensores poco invasivos e intrusivos para no molestar o entorpecer el día a día de los sujetos. En este sentido, los sensores incorporados en nuestros smartphones o smartwatches cumplen este requisito.
El tipo de algoritmos que se utilizan en estas investigaciones depende del tipo de señales y del comportamiento que se desea moldear. Se pueden analizar movimientos repetitivos, como andar y correr que tienen información relevante en el dominio de la frecuencia o movimientos muy rápidos que requieren una gran resolución temporal.
Los algoritmos de aprendizaje profundo o deep learning están basados en nuevos algoritmos de aprendizaje profundo que permiten:
- Aprender nuevas características de los datos (como las redes convolucionales)
- Modelar patrones temporales (como algoritmos basados en redes recurrentes)
- Entrenar modelos generativos (como las redes GAN)
- Desarrollar sistemas de clasificación basados en muy pocos ejemplos (como las redes siamesas).
Estos modelos se pueden robustecer con estrategias como la transferencia de conocimiento, el aprendizaje multitarea o la síntesis de nuevos datos (data augmentation).
Las aplicaciones que se pueden desarrollar a partir de los resultados de esta investigación son varias, así el reconocimiento de qué actividad se está realizando, por quién y cómo. Esta última aplicación podría aplicarse en sistemas de detección de anomalías motoras como por ejemplo el Parkinson.
En total, esta investigación ha dado lugar a siete artículos de revista indexadas en JCR y tres artículos de conferencia entre los años 2018 y 2022.
IPTC Review 15 PhD corner