Indurain Ibero, Alfonso
Loading...
Email Address
person.page.identifierURI
Birth Date
Job Title
Last Name
Indurain Ibero
First Name
Alfonso
person.page.departamento
Estadística, Informática y Matemáticas
person.page.instituteName
ORCID
person.page.observainves
person.page.upna
Name
- Publications
- item.page.relationships.isAdvisorOfPublication
- item.page.relationships.isAdvisorTFEOfPublication
- item.page.relationships.isAuthorMDOfPublication
2 results
Search Results
Now showing 1 - 2 of 2
Publication Open Access LSTM Residual Aumentada: una nueva arquitectura de redes neuronales recurrentes aplicada a la traducción de texto(2023) Indurain Ibero, Alfonso; Ferrero Jaurrieta, Mikel; Bustince Sola, Humberto; Escuela Técnica Superior de Ingeniería Industrial, Informática y de Telecomunicación; Industria, Informatika eta Telekomunikazio Ingeniaritzako Goi Mailako Eskola TeknikoaActualmente, con el desarrollo de las tecnologías, la cantidad de datos digitales esta creciendo de manera exponencial. Ya en 2007, el 94 % de los datos mundiales, eran digitales y esta cifra no hace más que crecer. Para poder dar uso a toda esta información, es necesario disponer de sistemas capaces de traducirla a cualquier idioma deseado, por este motivo, entre otros, el procesamiento del lenguaje natural (NLP) es uno de los focos principales de investigación hoy en día. Dentro de este gran grupo de problemas, se encuentra la traducción de texto. Cualquier texto puede interpretarse como una serie de datos secuenciales, donde el significado de cada palabra depende, en gran medida, de las palabras que la rodean. Por este motivo, es de interés emplear mecanismos que tengan la capacidad de tratar información secuencial. Las Redes Neuronales Recurrentes (RNN) son uno de los sistemas mayormente empleados para tratar información secuencial debido a su capacidad para controlar diferentes flujos de información. Existen diferentes tipos de RNN, destacando principalmente las Long Short-Term Memory Unit (LSTM) o modificaciones de estas como las Residual LSTM (res-LSTM). En este trabajo, primero proponemos una modificación sobre las res-LSTM que permite agregar información del contexto de los datos mediante funciones de agregación, introduciendo las Augmented res-LSTM(ARLSTM). Finalmente, comprobamos el rendimiento de nuestra propuesta frente a un problema de traducción de texto.Publication Open Access Nueva versión del algoritmo de clúster gravitacional para la detección de datos atípicos(2021) Indurain Ibero, Alfonso; Fernández Fernández, Francisco Javier; Escuela Técnica Superior de Ingeniería Industrial, Informática y de Telecomunicación; Industria, Informatika eta Telekomunikazio Ingeniaritzako Goi Mailako Eskola TeknikoaEn este trabajo de fin de grado proponemos una modificación del algoritmo de clústering gravitacional para su utilización como detector de instancias atípicas. Comenzamos modificando la fórmula de la ley de gravitación universal. En lugar de utilizar la multiplicación para calcular la interacción entre las masas de las partículas, proponemos emplear una función más general para su cálculo. Del mismo modo, hemos estudiado la sustitución del sumatorio presente en esta misma fórmula utilizando en su lugar diferentes funciones de agregación. Finalmente, hemos incluido el algoritmo mencionado dentro de un sistema de toma de decisión, de modo que cada rama del sistema utilice conjuntos de datos diferentes. Con estas modificaciones estudiaremos su efectividad para la detección de instancias atípicas y compararemos los resultados de nuestra propuesta con aquellos obtenidos utilizando otros métodos clásicos de detección de anomalías, tanto supervisados como no supervisados.