Defensa de la tesis doctoral de Francisco Javier González Moya

Francisco Javier González Moya, doctorando de Ingeniería y Tecnologías Industrial, Informática y Civil, defenderá su tesis doctoral titulada “Métodos de combinación de modelos en aprendizaje automático sobre unidades de procesamiento gráfico”, dirigida por Ana Serrano Mamolar y Álvar Arnaiz González, el lunes, 13 de julio a las 09:00 h en el Aula Antolín (Sala 34 - Edificio A1) de la Escuela Politécnica Superior (Campus Río Vena).

Predecir la aparición de fenómenos poco frecuentes de alto impacto (transacciones bancarias fraudulentas, detección de células tumorales, detección de malware, fenómenos climáticos extremos o selección de piezas defectuosas) es un desafío para cualquier clasificador. Esta capacidad puede verse comprometida por algunas características propias de los datos: en particular, el mayor grado de desequilibrio (factor entre el número de casos habituales sobre el número de casos poco frecuentes). En los casos con desequilibrio muy acusado resulta difícil predecir los casos raros, que son además los casos de interés (por ejemplo, la detección de células tumorales).

El primer capítulo de esta tesis estudia el problema del desequilibrio y su influencia negativa en la capacidad de aprender (predecir) de los multiclasificadores. Se han diseñado experimentos con algunos algoritmos de reequilibrio (samplers) y con algunos clasificadores especiales para el tratamiento de datos desequilibrados (ensembles). Mientras que para los samplers se genera un conjunto de casos sintéticos que permiten reequilibrar el conjunto de datos, los ensembles operan directamente sobre el conjunto de datos desequilibrado.

Para los samplers, se han generado y probado algunas versiones adaptadas para su ejecución en GPU (unidades de procesamiento gráfico). Se ha probado su funcionamiento y se ha cuantificado el ahorro de tiempo de ejecución en relación con las versiones originales en CPU.

Relacionado con lo anterior, el segundo capítulo aporta un nuevo multiclasificador de combinación, denominado Rotation Forest + XGBoost (ambos son clasificadores de referencia en la literatura científica). Se han realizado experimentos de esta combinación, ofreciendo algunas conclusiones relevantes. Se ha complementado este trabajo con un estudio sobre factores de posible influencia en el rendimiento de este nuevo multiclasificador y sus predecesores, permitiendo observar el comportamiento del nuevo multiclasificador de manera comparada entre ellos.

El tercer capítulo se centra en la segmentación semántica o clasificación de imágenes: ofrece los resultados de un caso práctico de predicción aplicado a la detección de rutas de herbivoría (caminos que generan los grandes mamíferos en su hábitat). Está referido a algunos sistemas montañosos de la Península Ibérica.

Emplea un total de 70 combinaciones de modelos de segmentación semántica ejecutadas en GPU e indica cuáles de ellos ofrecen los mejores resultados. Se han utilizado un total de 100 imágenes satelitales, sobre las que los expertos en ecología han identificado previamente estas rutas. Cada modelo se puede aplicar a nuevas imágenes satelitales desconocidas sobre las que se obtiene la predicción de rutas, con resultados prometedores en general.

Este último capítulo es un caso práctico de aplicación de técnicas de segmentación semántica y de integración de conceptos de los dos capítulos anteriores.