DSpace Repository :: Browsing by Author "Sesma Sara, Mikel"

Browsing by Author "Sesma Sara, Mikel"

Now showing 1 - 20 of 40

Open Access
An algorithm for group decision making using n -dimensional fuzzy sets, admissible orders and OWA operators
(Elsevier, 2017) Miguel Turullols, Laura de; Sesma Sara, Mikel; Elkano Ilintxeta, Mikel; Asiain Ollo, María José; Bustince Sola, Humberto; Automatika eta Konputazioa; Matematika; Institute of Smart Cities - ISC; Automática y Computación; Matemáticas; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
In this paper we propose an algorithm to solve group decision making problems using n-dimensional fuzzy sets, namely, sets in which the membership degree of each element to the set is given by an in- creasing tuple of n elements. The use of these sets has naturally led us to define admissible orders for n-dimensional fuzzy sets, to present a construction method for those orders and to study OWA operators for aggregating the tuples used to represent the membership degrees of the elements. In these condi- tions, we present an algorithm and apply it to a case study, in which we show that the exploitation phase which appears in many decision making methods can be omitted by just considering linear orders between tuples.
Open Access
Análisis de la integración de k-NN en redes neuronales para clasificación de datos tabulares y visuales
(2024) Marín Jiménez, Olga Nínive; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
Este trabajo se centra en un estudio sobre cómo la integración de k-NN (k vecinos más cercanos) en redes neuronales, utilizando conjuntos de datos tabulares e imágenes, puede influir en los resultados de clasificación binaria y multiclase. Se lleva a cabo una comparación detallada entre cinco modelos distintos: un clasificador lineal como base, k-NN sin ajustes adicionales, un clasificador lineal que utiliza las probabilidades proporcionadas por k-NN para distinguir entre ejemplos simples y complejos durante el proceso de entrenamiento, un clasificador lineal que aplica k-NN exclusivamente en la fase de inferencia interpolando la distribución estimada por k-NN con la del clasificador y un clasificador lineal que realiza estas tareas tanto en el entrenamiento como en la fase de inferencia. Este enfoque tiene como objetivo principal resaltar la amplia aplicabilidad y versatilidad de esta técnica en la mejora de la precisión y adaptabilidad de los modelos de clasificación. Los resultados obtenidos de esta investigación proporcionarán una comprensión más profunda sobre cómo la fusión de k-NN y redes neuronales puede potenciar las capacidades de clasificación en una variedad de escenarios, desde datos tabulares hasta imágenes.
Open Access
Aprendizaje multi-instancia aplicado al análisis de sentimientos
(2022) Recke Campos, Ian; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Industrial, Informática y de Telecomunicación; Industria, Informatika eta Telekomunikazio Ingeniaritzako Goi Mailako Eskola Teknikoa
En este trabajo fin de grado nos proponemos abordar un problema de clasificación multiinstancia de textos. En concreto, partiendo de un conjunto de reseñas etiquetadas como positivas o negativas, el objetivo de este trabajo es separar la clasificación grupal de una reseña a una clasificación de cada una de las frases de la reseña. Conociendo qué partes de la reseña son positivos o negativos se puede realizar un análisis más detallado de la predicción de sentimientos en documentos, evitando clasificar toda una reseña con una etiqueta. Al no disponer de una etiqueta para cada frase, el problema no se puede resolver con algoritmos de aprendizaje supervisado usuales. Por lo tanto, para llevar a cabo este objetivo, se utilizarán técnicas de aprendizaje multi-instancia junto con técnicas de procesamiento de lenguaje natural y minería de texto.
Open Access
Clasificación multi-etiqueta de géneros cinematográficos
(2022) Zalba Huarte, Oier; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Industrial, Informática y de Telecomunicación; Industria, Informatika eta Telekomunikazio Ingeniaritzako Goi Mailako Eskola Teknikoa
Este trabajo trata de clasificación multi-etiqueta con machine learning. En particular, a partir de un dataset con títulos y sinopsis de películas en inglés, se tratará de predecir a qué género o géneros pertenece. Para ello nos valdremos de diferentes técnicas de preprocesamiento de datos, minería de texto y aprendizaje automático. A diferencia de los algoritmos de clasificación habituales que están orientados a dos o más clases excluyentes entre sí, en el caso de la multi-etiqueta, cada instancia puede estar clasificada en varias clases a la vez. Por lo tanto, valoraremos qué modificaciones, estrategias y técnicas seguir para abordar el problema.
Open Access
Comparación de métodos de clasificación de texto en euskera
(2024) Agesta Pérez-Ilzarbe, Ibai; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
En el marco del procesamiento del lenguaje natural, se realizan diferentes técnicas de preprocesado de texto y se utilizan modelos clásicos de Aprendizaje Automático y modelos de Aprendizaje Profundo para comparar sus rendimientos en un conjunto de datos que trata de clasificar textos en euskera en diferentes categorías. Después, se trata de analizar y comparar los diferentes métodos de preprocesado y de clasificación, así como sus respectivos parámetros para estudiar cómo se comportan estos algoritmos en un idioma distinto al que se usó en la creación de los modelos.
Open Access
Comparativa de técnicas de extracción de características de texto para la detección de Fake News
(2022) Amatriain García, Alejandro; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
En la actualidad, la divulgación de noticias falsas es una estrategia de manipulación a la sociedad, que repercute en la visión y opinión que esta se forja respecto a diversos temas. En el ámbito del procesamiento del lenguaje natural el proceso de distinción entre una noticia real y una falsa comenzaría por definir una estructura de cómo se caracteriza el contenido de un texto, para después, conforme a esa estructura, encontrar los patrones y/o tendencias que se dan en un tipo de noticia falsa y una real (tendencias que serán detectadas a partir de aplicar dicha estructura a un conjunto de fake news y a otro conjunto de noticias verdaderas que disponemos, conjuntos que llamaremos de entrenamiento o train). A estas estructuras se les llama Técnicas de extracción de características. Forman parte del proceso de aprendizaje automático. El trabajo consistirá en aplicar y comprobar la eficiencia de varias de ellas. En el presente trabajo abordaremos cuatro técnicas: Bag of Words TF-IDF, GloVe, Word2vec y FastText. La primera (TF-IDF) se trata de una técnica supervisada ya que se comienza por definir un vocabulario. Su forma de caracterizar un texto es dar pesos a los términos presentes en el texto que forman parte del vocabulario. Las otras tres pertenecen a la familia de Representación vectorial de palabras. Grosso modo, consisten en aprender un vector numérico para cada término del vocabulario para después agregar todos los vectores de los términos presentes. Dichos métodos aprenden por sí mismos el vector de características de cada palabra basándose en la idea de que los vectores de características de dos términos que aparecen juntos con mucha frecuencia, deben ser parecidos. Con estos métodos, el programador debe especificar únicamente el número de componentes del vector de características. Tras el proceso de entrenamiento, desconoceremos qué representa cada componente del vector, al contrario que con Bag of Words.
Open Access
Curve-based monotonicity: a generalization of directional monotonicity
(Taylor & Francis, 2019) Roldán López de Hierro, Antonio Francisco; Sesma Sara, Mikel; Špirková, Jana; Lafuente López, Julio; Pradera, Ana; Mesiar, Radko; Bustince Sola, Humberto; Estatistika, Informatika eta Matematika; Institute of Smart Cities - ISC; Estadística, Informática y Matemáticas
In this work we propose a generalization of the notion of directional monotonicity. Instead of considering increasingness or decreasingness along rays, we allow more general paths defined by curves in the n-dimensional space. These considerations lead us to the notion of α-monotonicity, where α is the corresponding curve. We study several theoretical properties of α-monotonicity and relate it to other notions of monotonicity, such as weak monotonicity and directional monotonicity.
Open Access
Description and properties of curve-based monotone functions
(Springer, 2019) Sesma Sara, Mikel; Miguel Turullols, Laura de; Roldán López de Hierro, Antonio Francisco; Špirková, Jana; Mesiar, Radko; Bustince Sola, Humberto; Institute of Smart Cities - ISC
Curve-based monotonicity is one of the lately introduced relaxations of monotonicity. As directional monotonicity regards monotonicity along fixed rays, which are given by real vectors, curve-based monotonicity studies the increase of functions with respect to a general curve. In this work we study some theoretical properties of this type of monotonicity and we relate this concept with previous relaxations of monotonicity.
Open Access
Detección de objetos en carretera: comparativa entre técnicas de Machine Learning y Deep Learning
(2022) Martínez Fernández, Erick; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Industrial, Informática y de Telecomunicación; Industria, Informatika eta Telekomunikazio Ingeniaritzako Goi Mailako Eskola Teknikoa
En este trabajo se va a abordar el problema de detección de objetos en carretera utilizando dos tipos de técnicas. Por un lado, utilizaremos técnicas de procesamiento de imagen para la extracción de características junto con distintos modelos de Machine Learning (redes neuronales, Random Forest, etc). Por otro, estudiaremos técnicas propias de Deep Learning basadas en redes neuronales convolucionales de distintos tipos (como YOLO, You Only Look Once, o SSD, Single Shot Detector ). Compararemos los resultados obtenidos en ambas metodologías utilizando un dataset con 100.000 imágenes.
Open Access
Directional monotonicity of multidimensional fusion functions with respect to admissible orders
(Elsevier, 2023-03-09) Sesma Sara, Mikel; Bustince Sola, Humberto; Mesiar, Radko; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Institute of Smart Cities - ISC; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa, PJUPNA25-2022
The notion of directional monotonicity emerged as a relaxation of the monotonicity condition of aggregation functions. As the extension of aggregation functions to fuse more complex information than numeric data, directional monotonicity was extended to the framework of multidimensional data, with respect to the product order, which is a partial order. In this work, we present the notion of admissible order for multidimensional data and we define the concept of directional monotonicity for multidimensional fusion functions with respect to an admissible order. Moreover, we study the main properties of directionally monotone functions in this new context. We conclude that, while some of the properties are still valid (e.g. the set of directions of increasingness is still closed under convex combinations), some of the main ones no longer hold (e.g. there does not exist a finite set of directions that characterize standard monotonicity in terms of directional monotonicity).
Open Access
Directions of directional, ordered directional and strengthened ordered directional increasingness of linear and ordered linear fusion operators
(IEEE, 2019) Sesma Sara, Mikel; Marco Detchart, Cedric; Lafuente López, Julio; Roldán López de Hierro, Antonio Francisco; Mesiar, Radko; Bustince Sola, Humberto; Estatistika, Informatika eta Matematika; Institute of Smart Cities - ISC; Estadística, Informática y Matemáticas; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
In this work we discuss the forms of monotonicity that have been recently introduced to relax the monotonicity condition in the definition of aggregation functions. We focus on directional, ordered directional and strengthened ordered directional monotonicity, study their main properties and provide some results about their links and relations among them. We also present two families of functions, the so-called linear fusion functions and ordered linear fusion functions and we study the set of directions for which these types of functions are directionally, ordered directionally and strengthened ordered directionally increasing. In particular, OWA operators are an example of ordered linear fusion functions.
Open Access
Enhancing DreamBooth with LoRA for generating unlimited characters with stable diffusion
(IEEE, 2024-09-09) Pascual Casas, Rubén; Maiza Coupin, Adrián Mikel; Sesma Sara, Mikel; Paternain Dallo, Daniel; Galar Idoate, Mikel; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Institute of Smart Cities - ISC; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa, PJUPNA2023-11377
This paper addresses the challenge of generating unlimited new and distinct characters that encompass the style and shared visual characteristics of a limited set of human designed characters. This is a relevant problem in the audiovisual industry, as the ability to rapidly produce original characters that adhere to specific characteristics greatly increases the possibilities in the production of movies, series, or video games. Our solution is built upon DreamBooth, a widely extended fine-tuning method for text-to-image models. We propose an adaptation focusing on two main challenges: the impracticality of relying on detailed image prompts for character description and the few-shot learning scenario with a limited set of characters available for training. To solve these issues, we introduce additional character-specific tokens to DreamBooth training and remove its class-specific regularization dataset. For an unlimited generation of characters, we propose the usage of random tokens and random embeddings. This proposal is tested on two specialized datasets and the results shows our method¿s capability to produce diverse characters that adhere to a style and visual characteristics. An ablation study to analyze the contributions of the proposed modifications is also developed.
Open Access
Estimación de la densidad del tráfico mediante técnicas de Deep Learning
(2020) Lafuente Cacho, Alejandro; Galar Idoate, Mikel; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Industrial, Informática y de Telecomunicación; Industria, Informatika eta Telekomunikazio Ingeniaritzako Goi Mailako Eskola Teknikoa
En el presente documento se va a detallar todo el proceso de realización del Trabajo de Fin de Grado (TFG), el cual se ha realizado con el fin de buscar una manera efectiva y autónoma para realizar el conteo de vehículos por medio de sistemas dotados con Inteligencia Artificial. Partimos del problema de realizar conteos de vehículos en un determinado lugar, como podría ser en la entrada de un parking o en un punto kilométrico de una autovía, con el fin de estimar un flujo medio de circulación por la misma. De este tipo de situaciones, nace la necesidad de desarrollar un sistema que nos permita realizar esta tarea de forma autónoma, de manera que se realice de forma más rápida y eficaz. El desarrollo del sistema se ha realizado usando un modelo de detección de objetos basado en técnicas de Deep Learning junto con un algoritmo de tracking, lo que nos ha permitido obtener un sistema capaz de realizar un conteo de vehículos para un tiempo y un lugar determinado.
Open Access
Estudio sobre un sistema de recomendación avanzado: aprendizaje colaborativo de métricas.
(2023) Canta Belategui, María; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
Un Sistema de Recomendación es una herramienta tecnológica que permite a los usuarios seleccionar los elementos más adecuados entre una amplia variedad de opciones. A través del análisis de patrones y comportamientos, estos sistemas son capaces de detectar las necesidades y preferencias de cada cliente de forma individualizada y ofrecer recomendaciones que se ajusten a sus gustos y preferencias. Inicialmente, los Sistemas de Recomendación clásicos fundamentaban sus bases en preferencias anteriores del usuario o en gustos de usuarios similares. A medida que la incipiente sobrecarga de información ha ido creciendo, se han adoptado numerosos enfoques para solucionar los problemas asociados a estas técnicas y se han desarrollado una amplia variedad de algoritmos para mejorar la precisión y diversidad de las recomendaciones. En este escrito, se realiza una revisión exhaustiva de la literatura existente, con el fin de identificar los conceptos y las ideas clave. Asumiendo las limitaciones de los diseños clásicos, se propone una métrica de recomendación avanzada, Aprendizaje Métrico Colaborativo, que considere no solo la precisión, sino también la diversidad y novedad de las recomendaciones. Este algoritmo de recomendación mejorado es implementado y evaluado en el conjunto de datos MovieLens, demostrando su eficacia en la personalización de las recomendaciones y la mejora de la satisfacción del usuario.
Open Access
Evaluación de procesos de reconocimiento óptico de caracteres y detección de tablas para la clasificación automática de documentos y su integración en un gestor documental
(2020) Ayllón Lafuente, Leyre; Galar Idoate, Mikel; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Industrial, Informática y de Telecomunicación; Industria, Informatika eta Telekomunikazio Ingeniaritzako Goi Mailako Eskola Teknikoa
En este trabajo de fin de grado pretendemos desarrollar un algoritmo de detección de tablas en imágenes de documentos, complementando las funcionalidades de una librería de código abierto de reconocimiento de texto en imágenes, con el fin de realizar una clasificación automática de los documentos. Para facilitar las tareas de detección de tablas y reconocimiento de texto aplicaremos una fase previa de preprocesamiento de imágenes. El algoritmo desarrollado será aplicado a documentos escaneados para obtener características (palabras, número de páginas, número de tablas y estructura de las mismas…) que permitan crear un modelo de clasificación de documentos no estructurados mediante redes neuronales. La red neuronal se entrenará con documentos previamente etiquetados y permitirá la predicción de nuevos documentos en el momento de la digitalización de estos. El algoritmo desarrollado completo de preprocesamiento, detección de tablas y de texto y clasificación de imágenes escaneadas se integrará en una plataforma de gestión documental.
Open Access
F-homogeneous functions and a generalization of directional monotonicity
(Wiley, 2022) Santiago, Regivan; Sesma Sara, Mikel; Fernández Fernández, Francisco Javier; Takáč, Zdenko; Mesiar, Radko; Bustince Sola, Humberto; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika
A function that takes (Formula presented.) numbers as input and outputs one number is said to be homogeneous whenever the result of multiplying each input by a certain factor (Formula presented.) yields the original output multiplied by that same factor. This concept has been extended by the notion of abstract homogeneity, which generalizes the product in the expression of homogeneity by a general function (Formula presented.) and the effect of the factor (Formula presented.) by an automorphism. However, the effect of parameter (Formula presented.) remains unchanged for all the input values. In this study, we generalize further the condition of abstract homogeneity by introducing (Formula presented.) -homogeneity, which is defined with respect to a family of functions, enabling a different behavior for each of the inputs. Next, we study the properties that are satisfied by this family of functions and, moreover, we link this concept with the condition of directional monotonicity, which is a trendy property in the framework of aggregation functions. To achieve that, we generalize directional monotonicity by (Formula presented.) directional monotonicity, which is defined with respect to a family of functions (Formula presented.) and a family of vectors (Formula presented.). Finally, we show how the introduced concepts could be applied in two different problems of computer vision: a snow detection problem and image thresholding improvement. © 2022 The Authors. International Journal of Intelligent Systems published by Wiley Periodicals LLC.
Open Access
A framework for generalized monotonicity of fusion functions
(Elsevier, 2023) Sesma Sara, Mikel; Šeliga, Adam; Boczek, Michał; Jin, LeSheng; Kaluszka, Marek; Kalina, Martin; Bustince Sola, Humberto; Mesiar, Radko; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Institute of Smart Cities - ISC; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
The relaxation of the property of monotonicity is a trend in the theory of aggregation and fusion functions and several generalized forms of monotonicity have been introduced, most of which are based on the notion of directional monotonicity. In this paper, we propose a general framework for generalized monotonicity that encompasses the different forms of monotonicity that we can find in the literature. Additionally, we introduce various new forms of monotonicity that are not based on directional monotonicity. Specifically, we introduce dilative monotonicity, which requires that the function increases when the inputs have increased by a common factor, and a general form of monotonicity that is dependent on a function T and a subset of the domain Z. This two new generalized monotonicities are the basis to propose a set of different forms of monotonicity. We study the particularities of each of the new proposals and their links to the previous relaxed forms of monotonicity. We conclude that the introduction of dilative monotonicity complements the conditions of weak monotonicity for fusion functions and that (T,Z)-monotonicity yields a condition that is slightly stronger than weak monotonicity. Finally, we present an application of the introduced notions of monotonicity in sentiment analysis.
Open Access
A fuzzy association rule-based classifier for imbalanced classification problems
(Elsevier, 2021) Sanz Delgado, José Antonio; Sesma Sara, Mikel; Bustince Sola, Humberto; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
Imbalanced classification problems are attracting the attention of the research community because they are prevalent in real-world problems and they impose extra difficulties for learning methods. Fuzzy rule-based classification systems have been applied to cope with these problems, mostly together with sampling techniques. In this paper, we define a new fuzzy association rule-based classifier, named FARCI, to tackle directly imbalanced classification problems. Our new proposal belongs to the algorithm modification category, since it is constructed on the basis of the state-of-the-art fuzzy classifier FARC–HD. Specifically, we modify its three learning stages, aiming at boosting the number of fuzzy rules of the minority class as well as simplifying them and, for the sake of handling unequal fuzzy rule lengths, we also change the matching degree computation, which is a key step of the inference process and it is also involved in the learning process. In the experimental study, we analyze the effectiveness of each one of the new components in terms of performance, F-score, and rule base size. Moreover, we also show the superiority of the new method when compared versus FARC–HD alongside sampling techniques, another algorithm modification approach, two cost-sensitive methods and an ensemble.
Open Access
Generación ilimitada de personajes mediante Stable Diffusion con DreamBooth y LoRA
(CAEPIA, 2024) Pascual Casas, Rubén; Maiza Coupin, Adrián Mikel; Sesma Sara, Mikel; Paternain Dallo, Daniel; Galar Idoate, Mikel; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Institute of Smart Cities - ISC; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa, PJUPNA2023-11377; Gobierno de Navarra / Nafarroako Gobernua
Este artículo aborda el reto de generar un número ilimitado de personajes nuevos, y distintos, que engloben el estilo y las características visuales compartidas de un conjunto limitado de personajes diseñados por un humano. Este es un problema de gran relevancia en la industria audiovisual, ya que la capacidad de producir rápidamente personajes originales que se adhieran a unas características específicas aumenta enormemente las posibilidades en la producción de películas, series o videojuegos. Nuestra solución se basa en DreamBooth, un método de ajuste de modelos generativos de texto a imagen ampliamente extendido. Proponemos una adaptación centrada en dos retos principales: lo poco práctico que resulta utilizar prompts detallados de las imágenes para describir los personajes y la complejidad del ajuste de modelos a partir de un conjunto limitado de personajes. Para resolver estos problemas, introducimos en el entrenamiento de DreamBooth tokens adicionales específicos para cada personaje y eliminamos el conjunto de datos de regularización. Para generar personajes de manera ilimitada, proponemos el uso de tokens y embeddings aleatorios. Comprobamos la utilidad de la propuesta utilizando dos conjuntos de datos diferentes. Los resultados obtenidos muestran la capacidad de nuestro método para producir personajes diversos que se adhieren a un estilo y a unas características visuales concretas. Finalmente, desarrollamos un estudio de ablación.
Open Access
A generalization of the gravitational search algorithm
(Springer, 2017-05-19) Bustince Sola, Humberto; Minárová, María; Fernández Fernández, Francisco Javier; Sesma Sara, Mikel; Marco Detchart, Cedric; Ruiz-Aranguren, Javier; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Institute of Smart Cities - ISC
In this work we propose a generalization of the gravitational search algorithm where the product in the expression of the gravitational attraction force is replaced by more general functions. We study some conditions which ensure convergence of our proposal and we show that we recover a wide class of aggregation functions to replace the product.