Home » Tesis Maestría

Category Archives: Tesis Maestría

Defensa Remota Tesis Maestría : “Modelado y detección de fraudes en redes inteligentes de distribución de energía eléctrica”

Viernes 18 de setiembre 08:30hs

Tenemos el agrado de invitarlos a la defensa remota de la tesis de maestría de Fernando Viera : “Modelado y detección de fraudes en redes inteligentes de distribución de energía eléctrica”

Director de Tesis y Académico : Alicia Fernández (Universidad de la República)

Tribunal :  Felix Biscarri (Universidad de Sevilla), Gonzalo Casaravilla (Universidad de la República), Matias Di Martino (Duke University) y Juan Pablo Kosut (Universidad de la República)

Podrán asistir como público a la defensa, a través del mismo canal que usará el tesista y el tribunal, a través de Zoom

En esta plataforma no es necesario que se registren, si puede que les pidan para ejecutar algo a partir de vuestro navegador

Identifíquense al ingresar con su nombre y apellido real (no con un alias)

Mantengan su micrófono silenciado y su video apagado

Al finalizar las preguntas del tribunal podrán permanecer en la reunión para aguardar el fallo del tribunal (el tribunal deliberará en otra sala virtual).

https://us02web.zoom.us/j/84258906515?pwd=WHdpc25zZ2NMb1R6QmtuV0J1VXUrUT09

ID de reunión: 842 5890 6515
Código de acceso: 460220

Aprovecho para agradecer la contribución de Pablo Massaferro al trabajo de supervisión a lo largo de la tesis.

Saludos,

Alicia Fernández

Resumen :

Las pérdidas de energía ocurren durante las diferentes etapas de su entrega, tanto en la generación, como en transmisión y distribución. Estas pérdidas pueden ser clasificadas en pérdidas técnicas (TLs) y pérdidas no técnicas (NTLs). Una de las principales causas de las NTLs deriva de los diferentes tipos de fraudes que algunos clientes pueden llegar a cometer. Estos eventos pueden generar grandes pérdidas a las compañías de suministro eléctrico, además de poner en peligro la seguridad de las personas, resultando en un aspecto crítico en la gestión diaria de la empresa. La aparición de medidores inteligentes en las nuevas infraestructuras (Smart grids) trae consigo un nuevo abanico de oportunidades para el área de detección de fraudes en el consumo energético. El objetivo del presente trabajo es estudiar la detección de fraudes en medidores inteligentes a través del modelado de distintos tipos de fraudes, y la generación de bases de datos sintéticas que permitan entrenar y evaluar algoritmos en el estado del arte. El alcance del trabajo incluye el preprocesado de los datos, adecuando los mismos para servir de entrada de los modelos considerados, incluyendo una propuesta basada en simular el balance en subestaciones. Se aborda también la generación sintética de fraudes antes del entrenamiento, explicando los tipos de fraudes considerados y la estadística que modela los mismos. El trabajo aborda distintas estrategias de detección de fraudes basadas en redes neuronales profundas, propuestas de inclusión de información de subestación, análisis de complementariedad, y fusión de modelos. A su vez, se analiza cuánto degrada la detección contar con un menor histórico de datos, resultado que complementa el análisis del efecto del cambio de granularidad en el desempeño. El trabajo incluye un capítulo de ensayos experimentales, los cuales son ejecutados sobre una base de datos pública de consumo de energía residencial con frecuencia 30 minutal. Como ensayo final se evalúa el desempeño del mejor modelo obtenido en una prueba de campo, sobre una base de datos real con fraudes reales obtenida de la empresa estatal Uruguaya, UTE. Los modelos evaluados muestran que con datos 30 minutales y un histórico de 1 año y medio, se puede lograr muy buen desempeño. También se constató que la degradación puede ser del orden del 20\% cuando se baja a una granularidad diaria o cuando se reduce la historia a 1 mes. Asimismo, se vio que introducir información del balance de subestaciones puede mejorar en algunos puntos el desempeño. En cuanto el comportamiento de los distintos tipos de fraude se obtuvo que existían diferencias de desempeño, y que a futuro se podría considerar emplear estrategias de ensamblado de modelos para diseñar topologías especializadas en todos los fraudes.

Defensa Remota Tesis Maestría : “Detección de anomalías en series multivariable con modelos generativos”

Viernes 11 de setiembre 14:00hs

Tenemos el agrado de invitarlos a la defensa remota de la tesis de maestría de Gastón García González : “Detección de anomalías en series multivariable con modelos generativos”

Tutor : Alicia Fernández (Universidad de la República) y Gabriel Gómez Sena (Universidad de la República)

Tribunal :  Federico Lecumberry (Universidad de la República), José Acuña (Universidad de la República), Marcelo Fiori (Universidad de la República), Pedro Casas (Austrian Institute of Technology) y Rafael Molina (Universidad de Granada)

Podrán asistir como público a la defensa, a través del mismo canal que usará el tesista y el tribunal, a través de Zoom

En esta plataforma no es necesario que se registren, si puede que les pidan para ejecutar algo a partir de vuestro navegador

Identifíquense al ingresar con su nombre y apellido real (no con un alias)

Mantengan su micrófono silenciado y su video apagado

Al finalizar las preguntas del tribunal podrán permanecer en la reunión para aguardar el fallo del tribunal (el tribunal deliberará en otra sala virtual).

https://us02web.zoom.us/j/82148822637?pwd=UkZWU2lHdXU0ZklFUkowOGlRbHFVUT09

ID de reunión: 821 4882 2637
Código de acceso: 590819

Saludos,

Alicia Fernández y Gabriel Gómez Sena

Resumen :

La detección de anomalías es un campo de estudio relevante para muchas aplicaciones y contextos. En el monitoreo de sistemas, la recopilación de múltiples variables es esencial para tener un conocimiento del estado del sistema y resolver a tiempo eventuales problemas. Un análisis eficiente de anomalías puede ser útil para detectar problemas de rendimiento, fallas, ataques externos e intentos de fraude. Aunque la detección de anomalías en series temporales es un área de investigación madura, la aparición de grandes plataformas de datos que permiten el procesamiento de cantidades masivas y diversas de datos, junto con la reciente gran exploración científica de nuevas herramientas para aplicación de aprendizaje profundo, plantean nuevas oportunidades y desafíos para investigar en el tema. En particular, la detección de anomalías en series multivariables es un desafío, ya que generalmente los métodos de detección tiene dos esquemas: el análisis univariable, ejecutando un detector independiente para cada serie de tiempo, o el análisis multivariable, tomando a cada instante de tiempo de manera independiente. En este trabajo se plantea la idea de monitorear todas las series de un sistema con un solo modelo teniendo en cuenta la relación temporal. Para esto se recurrió al uso de modelos generativos no-supervisados basados en redes neuronales, los cuales han demostrado una gran capacidad para aprender la distribución de datos complejos. Además, el uso de estas herramientas ayudan a resolver otros dos grandes problemas en la detección de anomalías que son: el alto desequilibrio entre los datos normales y anómalos, y la falta de etiquetas para fines de aprendizaje y validación. Se implementaron dos métodos, el primero basado en el error de reconstrucción utilizando Varationals Auto-Encoders (VAE), y el segundo utilizando redes recurrentes entrenadas bajo el enfoque de las Generative Adversarial Networks (GAN), explotando no solo las propiedades generativas, sino también las discriminativas. Como un aporte importante con respecto al estado del arte, en este trabajo se logra visualizar tanto la capacidad de detección de los métodos como la capacidad de generación que es la base de los mismos. Las evaluaciones fueron hechas en dos conjuntos diferentes de datos reales, uno propio y otro público, obteniéndose muy buenos resultados. Las implementaciones fueron realizadas con la librería keras, logrando que la arquitectura del código sea compacta y sencilla de entender.

Defensa Remota Tesis Maestría : “Optimización del ruteo en redes sobrepuestas con sistemas de decisión en base a medidas”

Viernes 4 de setiembre 14:00hs

Tenemos el agrado de invitarlos a la defensa remota de la tesis de maestría de Martín Randall : “Optimización del ruteo en redes sobrepuestas con sistemas de decisión en base a medidas”

Tutor : Pablo Belzarena (Universidad de la República)

Tribunal :  Federico La Rocca (Universidad de la República), Pedro Casas (Austrian Institute of Technology) y Alberto Castro (Universidad de la República)

Podrán asistir como público a la defensa, a través del mismo canal que usará el tesista y el tribunal, a través de Zoom

En esta plataforma no es necesario que se registren, si puede que les pidan para ejecutar algo a partir de vuestro navegador

Identifíquense al ingresar con su nombre y apellido real (no con un alias)

Mantengan su micrófono silenciado y su video apagado

Al finalizar las preguntas del tribunal podrán permanecer en la reunión para aguardar el fallo del tribunal (el tribunal deliberará en otra sala virtual).

https://us02web.zoom.us/j/83812937928?pwd=S1JpZUIrOU1zcDMxWkYvOExScFZNUT09.

Identificador (ID): 838 1293 7928
Contraseña: 895409

Saludos,

Pablo Belzarena

Resumen :

El tema de esta Tesis es el diseño de sistemas de decisión recurrentes en el tiempo y basados en medidas. El objetivo del tomador de decisiones es optimizar alguna función de desempeño, minimizando el costo de las mediciones y de la incertidumbre asociada al sistema. En particular, se trabaja sobre una aplicación al ruteo en redes sobrepuestas con calidad de servicio. Las redes sobrepuestas son redes virtuales compuestas por nodos pertenecientes a diferentes redes (subyacentes), conectados entre sí por enlaces virtuales. En general, la política de ruteo entre las redes subyacentes suele no ser óptima, por lo que puede convenir establecer políticas propias. En esta aplicación se busca elegir la mejor ruta en cuanto a algún parámetro de calidad de servicio. Para decidir cuál es la mejor de las rutas posibles, es necesario medir el parámetro de calidad en cuestión. Estas mediciones habitualmente tienen costos asociados, por ejemplo, la interferencia que se genera para realizar la medida en cada ruta, que impacta en el tráfico de los usuarios. Lo ideal sería no tener que medir en todos los tiempos de decisión y poder predecir cuál es la calidad de servicio en función de las medidas anteriores. Sin embargo, el “no medir” genera una incertidumbre en la calidad de servicio y es posible que se elija una ruta que diferente de la óptima en el momento de decisión, por lo que también la decisión de “no medir” tiene un costo asociado: el de la calidad perdida por no escoger la ruta óptima. El objetivo es decidir en cada tiempo de decisión cuáles rutas medir y qué camino elegir, minimizando el costo total acumulado en el tiempo. En un primer abordaje se modela el problema como un Proceso de Decisión Markoviano, se prueban algoritmos de programación dinámica y se propone una solución innovadora : la aproximación por horizonte errante. Luego se liberan las asunciones sobre modelos y se propone una formulación para la utilización de técnicas de aprendizaje supervisado, para lo que se emplean clasificadores bien conocidos como son los árboles de decisión. El método de horizonte errante alcanza resultados casi-óptimos, que permiten reducir el costo de medida manteniendo el menor tiempo de ida y vuelta posible. El algoritmo de aprendizaje supervisado logra un rendimiento comparable, con otras propiedades como robustez frente a escenarios no-markovianos y un menor tiempo de procesamiento.

Defensa Virtual Tesis Maestría en Ingeniería Matemática : “Construcción y aplicación de herramientas matemáticas para la detección de anomalías en el funcionamiento de aerogeneradores”

Jueves 25 de junio 14:00hs

Tenemos el agrado de invitarlos a la defensa virtual de la tesis de maestría en Ingeniería Matemática de Agustín López de Lacalle : “Construcción y aplicación de herramientas matemáticas para la detección de anomalías en el funcionamiento de aerogeneradores”

Tutor : Mag Ing Prof Alvaro Díaz

Tribunal : Dr José León (IMERL), Dr Mathias Bourel (IMERL) y Dr Martín Draper (IMFIA)

Podrán asistir como público a la defensa, a través del mismo canal que usará el tesista y el tribunal, a través de Zoom

Link para unirse a la reunión Zoom de la defensa :

https://salavirtual-udelar.zoom.us/j/92770935843?pwd=WXlydCtmZ0pjSVRWTWRUaS9KMHhldz09

ID de reunión: 927 7093 5843

Contraseña: 5U+8kWjN^G

Saludos,

Marcelo Fiori

Resumen :

La predicción de fallas en aerogeneradores es un tema en pleno auge a nivel mundial, para el que diversos autores han propuesto técnicas para reducir los costos de Operación y Mantenimiento asociados. En esta tesis se presentan cuatro herramientas de detección de anomalías en la operación de aerogeneradores, basadas en datos provenientes de sistemas SCADA.
Los métodos presentados buscan responder a distintas naturalezas y enfoques dentro del universo de herramientas existentes para este fin; (1) la construcción de un modelo probabilístico basado en un Proceso Gaussiano, (2) la generación de un modelo no lineal que minimiza el error entre las observaciones y lo modelado, (3) el estudio de la evolución de la curva de potencia a partir de Cópulas y, (4) una técnica de aprendizaje automático basada en Support Vector Machine, incorporando el método de Componentes Principales.
Cada uno de estos métodos son puestos a evaluación en hasta cuatro casos de estudio reales, ya sea con el fin de predecir fallas asociadas al funcionamiento de los aerogeneradores o, identificar cambios en el funcionamiento mediante un monitoreo por condición. Finalmente, los resultados abordados son cuantificados con el fin de comparar el desempeño de estos algoritmos.

Defensa Virtual Tesis Maestría : “Simulación y control del sistema de saneamiento”

Viernes 3 de abril 17:00hs

Tenemos el agrado de invitarlos a la defensa virtual de la tesis de maestría de Agustín Rodríguez Esteva : “Simulación y control del sistema de saneamiento”

Tutor : Pablo Monzón y Javier Román

Tribunal : Rafael Canetti (IIE), Nicolás Pérez (IIE), Francisco Pedocchi (IMFIA) y Pablo Senatore (PENSUR)

Podrán asistir como público a la defensa, a través del mismo canal que usará el tesista y el tribunal, a través de Zoom

En esta plataforma no es necesario que se registren, si puede que les pidan para ejecutar algo a partir de vuestro navegador

Link para unirse a la reunión Zoom de la defensa :

https://zoom.us/j/3751369604 <https://zoom.us/j/5218331413>

ID de reunión: 375 136 9604

Les pedimos algunas consideraciones sencillas : Identifíquense al ingresar con vuestro nombre y apellido real (no con un alias), mantengan vuestro micrófono silenciado (excepto si quieren hacer una pregunta cuando se de esta posibilidad al público o para vitorear al candidato en los momentos en que el público habitualmente lo hace), y mantengan vuestro video apagado

Al finalizar las preguntas del tribunal, cuando el público se retira de la sala en una defensa presencial, deberán desconectarse de la reunión

Tanto el candidato como el público para “retornar” a escuchar el fallo del tribunal deberán acceder a la reunión : “Resultados Tesis Agustín” :

https://zoom.us/j/382462979 <https://zoom.us/j/145086002>

ID de reunión: 382 462 979

Esta segunda reunión cuenta con una “sala de espera”, es decir que cuando pidan para entrar, quedarán en espera hasta que los admitamos

Los esperamos¡!

Saludos,

Pablo Monzón

Resumen :

Este trabajo describe el estado del arte de las tecnologías disponibles para el desarrollo de automatismos en sistemas de control industrial. Además, se estudian los métodos de regulación de procesos de mayor aplicación en la industria. Se realizó la implementación de un proyecto de gran porte para el saneamiento público de la zona oeste de la ciudad Montevideo, Uruguay. Se diseñaron y programaron los automatismos que gobiernan parte de este sistema sobre la plataforma de control distribuido 800xA de ABB. Como parte de este trabajo se modeló el sistema hidráulico en Simulink y se documentó la integración en tiempo real de esta simulación al software de automatización. Se evaluó la respuesta del controlador industrial en comparación con los datos obtenidos del mismo algoritmo implementado en una herramienta de cálculo matemático. Esta aplicación práctica responde a una necesidad manifiesta de la industria de métodos de simulación de procesos como tarea previa a las pruebas de campo que se realizan en la puesta en marcha de los sistemas de automatización. El desarrollo de este tipo de herramientas resultan de gran utilidad luego en la capacitación de los futuros operadores de la planta industrial, as como también se transforman en un instrumento para la innovación y mejora del proceso. Se introduce finalmente como trabajo futuro la continuación de este tipo de proyectos como línea de investigación académica basada en la simulación de procesos y su posterior conexión a automatismos de control industrial. Esto permite el análisis de implementaciones de algoritmos de control avanzado sin la necesidad de alterar el funcionamiento de una planta. En sistemas como el estudiado en este trabajo, esto resulta de especial valor dado que no es admisible pausar su operativa para la realización de pruebas por ser un servicio esencial para la población de la ciudad.

Defensa Tesis Maestría : “Control automático de generación – Caso Uruguay”

Martes 10 de diciembre 17:00hs, Salón Beige (piso 7, salón 725) – Facultad de Ingeniería, J. Herrera y Reissig 565

Tenemos el agrado de invitarlos a la defensa de tesis de maestría de Gabriel Di Lavello  :  “Control automático de generación – Caso Uruguay”

Tutor : Pablo Monzón

Tribunal : Rafael Canettí, Ruben Chaer y Claudio Risso

Saludos,

Pablo Monzón

Resumen :

Todas las empresas encargadas del manejo de la energía y la red eléctrica tienen en común dos retos importantes. Controlar la frecuencia en torno un valor consigna deseado y controlar el intercambio con otras áreas de control según lo programado. El Control Automático de Generación permite que estos retos sean cumplidos de manera más eficiente.

El objetivo de esta tesis es presentar los distintos conceptos asociados al Control Automático de Generación y su funcionamiento, de manera plasmar el conocimiento para su posible uso académico, realizando adicionalmente un breve repaso sobre la historia y el estado del arte del Control Automático de Generación. El autor de esta tesis es quién se encargó de la implementación del Control Automático de Generación en Uruguay. Debido a la alta incorporación de generación renovable no convencional, con su variabilidad asociada, en Uruguay fue necesario incorporar un Control Automático de Generación para controlar los intercambios. En esta tesis se muestran resultados de simulaciones realizadas con dos tipos de despachos energéticos, uno con alta variabilidad en la generación renovable no convencional y el otro con alta generación renovable no convencional. También se presenta la implementación del Control Automático de Generación en Uruguay, manejando las centrales hidroeléctricas de Salto Grande, Rincón del Bonete y Palmar.

Las simulaciones realizadas permiten identificar la necesidad de realizar cambios en la forma de controlar a las centrales, ya que sin tener en cuenta el controlador de reparto interno de cada central, el resultado es por demás satisfactorio en lo que respecta al control del Error de Control de Área. Se presentan lineas de acción y oportunidades a futuro utilizando el Control Automático de Generación: entre otras cosas la posibilidad de incorporar la generación eólica y fotovoltaica para que pueda ser controlada mediante el Control Automático de Generación, o la incorporación de la interconexión con Brasil a través de las conversoras de frecuencia de Rivera y Melo.

 

Defensa Tesis Maestría en Ingeniería Matemática : “Reconocimiento de patrones rítmicos en señales de audio”

Viernes 25 de octubre 14:00hs, Salón Gris (piso 7, salón 727) – Facultad de Ingeniería, J. Herrera y Reissig 565

Tenemos el agrado de invitarlos a la defensa de tesis de maestría en Ingeniería Matemática de Bernardo Marenco :  “Reconocimiento de patrones rítmicos en señales de audio”

Directores de tesis : Dra Paola Bermolen, Dr Martín Rocamora

Tribunal :  Dr Luiz W.P. Biscainho (UFRJ), Dr Matías Carrasco (FIng-UdelaR), Marcelo Fiori (FIng-UdelaR)

Saludos,

Martín Rocamora

Resumen :

En este trabajo se presenta una metodología para el reconocimiento automático de patrones rítmicos en señales de audio, usando cadenas ocultas de Markov como herramienta de clasificación. Los experimentos reportados se concentran en el ritmo del candombe, en particular en los patrones rítmicos de los tambores repique y piano. En el caso del repique, se busca identificar en el audio algunos patrones rítmicos, propuestos por Luis Jure en su trabajo “Principios generativos del toque de repique del candombe”. La implementación de la metodología utiliza audio sintético para el entrenamiento de las cadenas ocultas, y los resultados obtenidos en el reconocimiento son muy buenos si el audio que se quiere clasificar es también sintético, obteniendo más del 90 % de acierto en la clasificación. Si se usa audio sintético para entrenar y grabaciones reales para clasificar, el desempeño cae drásticamente, siendo menor a 10 % en las pruebas realizadas. Se discuten algunas alternativas para mejorar la clasificación en ese caso, una de las cuales es implementada. Aún así, la clasificación de audios reales no mejora demasiado, resultando apenas superior al 10 %. Para el tambor piano, el problema es identificar en el audio qué compases se corresponden con su patrón más típico (referido usualmente como base de piano) y cuáles no (lo que se conoce como piano repicado). Tanto el entrenamiento como la evaluación de desempeño se realizan con grabaciones reales, y en ese caso se logra un buen porcentaje en la clasificación (superior al 80 % en todas las pruebas realizadas).

Defensa Tesis Maestría : “Implementación en FPGA de un algoritmo de compresión de señales EEG multicanal”

Miércoles 4 de setiembre 09:00hs, Salón Beige (piso 7, salón 725) – Facultad de Ingeniería, J. Herrera y Reissig 565

Tenemos el agrado de invitarlos a la defensa de tesis de maestría de Federico Favaro  :  “Implementación en FPGA de un algoritmo de compresión de señales EEG multicanal”

Tutor : Juan Pablo Oliver

Tribunal : Alvaro Martín (InCo), Julio Pérez Acle (IIE) y Sebastián Fernández (IIE)

Saludos,
Juan Pablo Oliver

Resumen :

En esta tesis se propone estudiar el problema de utilizar FPGAs en aplicaciones de bajo consumo, pero que a la vez tienen fuertes requerimientos de cómputo y manejan grandes tasas de datos, lo que dificultaría su solución mediante plataformas basadas en microcontroladores.

Se aborda el problema desde el desarrollo de un electroencefalógrafo inalámbrico portátil alimentado a batería, aplicación que posee las mencionadas características. En particular, el trabajo se centra en la implementación en hardware de un algoritmo de compresión de señales neurales multicanal, como primer paso en el desarrollo de un sistema inalámbrico de adquisición y transmisión en tiempo real de señales de EEG.

Los sistemas de EEG inalámbricos requieren la adquisición, almacenamiento y transmisión de señales biomédicas provenientes de múltiples canales. Esto puede generar grandes volúmenes de datos, especialmente cuando se procesan decenas de canales y las frecuencias de muestreo rondan los kilo-hertz. En esta clase de aplicaciones la compresión de datos juega un rol fundamental, ya que permite disminuir los requerimientos de almacenamiento y transmisión, que a su vez redunda en un hardware más simple y menor consumo energético.

Para obtener un punto de comparación, en una primera etapa se implementa el algoritmo en una plataforma basada en el microcontrolador de bajo consumo MSP432. Luego se implementa el algoritmo en hardware y se evalúa su performance en tres FPGAs diferentes: Cyclone V 5CEBA4, iCE40HX y MachXO2. El diseño fue caracterizado para 21, 31 y 59 canales y distintas frecuencias de operación, utilizando muestras reales de EEG provenientes de bases de datos públicas. La verificación se llevó a cabo mediante simulaciones y pruebas reales en las FPGAs. En todos los casos las FPGAs logran importantes mejoras en la velocidad de compresión. La MachXO2 es entre 11x y 12x veces más rápida que la implementación en microcontrolador, alcanzando frecuencias de muestreo en el entorno de 13 kSps para 59 canales. La iCE40HX permite utilizar frecuencias de muestreo alrededor de 7 kSps, y logra incrementos respecto al MSP432 de aproximadamente 6x. La Cyclone V 5CEBA4 es aún más rápida que las otras dos, pero debido al alto consumo de potencia no resulta adecuada para la aplicación.

En todos los casos se midió el consumo del Core de las FPGAs durante la compresión. En la iCE40HX se relevó un consumo entre 3 mW y 5 mW, valores similares a los obtenidos en el microcontrolador. En base a los resultados de performance y consumo obtenidos para esta plataforma, se puede concluir que es adecuada para su utilización en sistemas de bajo consumo que manejen altas tasas de datos, como es el caso de un EEG inalámbrico. Los resultados de potencia en la MachXO2 oscilan entre 21 mW y 38 mW, números relativamente altos considerando la aplicación. Sin embargo, esta FPGA posee un modo de stand-by que le permite operar en ciclos de trabajo y lograr reducciones en consumo que la acercan a los niveles del microcontrolador.

Defensa Tesis Maestría : “Reconocimiento automático de configuraciones manuales propias de las lenguas de señas”

Viernes 17 de mayo 14:00hs, Salón Marrón (piso 7, salón 705) – Facultad de Ingeniería, J. Herrera y Reissig 565

Tenemos el agrado de invitarlos a la defensa de tesis de maestría de Ariel Stassi  :  “Reconocimiento automático de configuraciones manuales propias de las lenguas de señas”

Tutores : Mauricio Delbracio y Gregory Randall

Tribunal : Pablo Cancela, Marcelo Fiori, José Lezama y Pablo Musé

Saludos,
Mauricio Delbracio

Resumen :

La lengua de señas constituye el medio de comunicación natural de los sordos e hipoacúsicos severos de todo el mundo. La correcta comunicación mediante esta lengua implica: el conocimiento por parte de los interlocutores, la participación de un intérprete intermediario, o bien el apoyo sobre tecnologías de la información para el reconocimiento automático y la traducción de una lengua a otra. En relación a esta última, el Reconocimiento Automático de una Lengua de Señas (RALS) puede definirse como la “identificación automática del contenido lingüístico presente en un dato o una secuencia de datos de entrada”, el cual es frecuentemente abordado mediante una cadena de procesamiento compuesta por las siguientes etapas: sensado, preprocesamiento, extracción de características y clasificación.

En esta tesis de maestría se estudiaron las principales características de las lenguas de señas y distintas variantes de cada una de las etapas mencionadas para el RALS. Luego, se describió una selección de bases de datos para el RALS a distintos niveles de complejidad del problema. Finalmente, se llevó a cabo la implementación y evaluación de un sistema de RALS basado en técnicas de aprendizaje profundo para la clasificación de 60 configuraciones manuales propias de distintas lenguas de señas. En vista del carácter regional de una lengua de señas, durante esta tesis se conformó una base de datos para el reconocimiento de configuraciones manuales propias de la Lengua de Señas Uruguaya. Asimismo, se sentaron las bases para la adquisición de un conjunto de entrenamiento para el RALS uruguayo a nivel de seña aislada.

Defensa Tesis Maestría : “Herramientas computacionales para el análisis del entorno sonoro urbano”

Lunes 6 de mayo 09:30hs, Salón Marrón (piso 7, salón 705) – Facultad de Ingeniería, J. Herrera y Reissig 565

Tenemos el agrado de invitarlos a la defensa de tesis de maestría de Pablo Zinemanas :  “Herramientas computacionales para el análisis del entorno sonoro urbano”

Tutores : Elizabeth González y Pablo Cancela

Tribunal : Mauricio Delbracio (IIE-FIng-UdelaR), Justin Salamon (Audio Research Group, Adobe Research, San Francisco) y Leonardo Nunes (Microsoft’s Advanced Technology Labs, Rio de Janeiro).

Saludos,
Pablo Cancela

Resumen :

Muchos centros urbanos presentan niveles de ruido que pueden ser molestos para sus habitantes, o incluso nocivos para la salud. Por esta razón el entorno sonoro constituye frecuentemente una problemática en las ciudades presente en los reclamos de las comunidades y grupos ambientalistas, en la planificación gubernamental y en los estudios académicos. En esta tesis se estudian herramientas computacionales para la caracterización de entornos sonoros urbanos. El foco del trabajo es la detección de eventos sonoros, lo que implica la clasificación de las fuentes presentes en el registro sonoro, incluyendo su tiempo de inicio y duración. Se relevan las bases de datos disponibles y se concluye que es necesario crear datos propios de la ciudad de Montevideo. Esto conduce a la creación de la base de datos SonidosMVD, y a la definición de una taxonomía para la misma. Se presentan experimentos de detección de eventos sonoros con distintos algoritmos de clasificación profunda y poco profunda sobre distintos conjuntos de datos. Se diseña un modelo “end-to-end”, cuya entrada es la forma de onda de la señal y la salida es el vector de clasificación, y se muestra su utilidad para este problema. Esto se realiza concatenando dos redes : una para la extracción de características y otra para la clasificación. Se muestra que se pueden diseñar dichos modelos utilizando conocimiento sobre el problema para inicializar el entrenamiento en un punto inicial que ha demostrado brindar buenos resultados. Con este sistema se obtienen resultados de clasificación similares a los del estado el arte mientras que se disminuye el numero de parámetros involucrados.