Usuario:Idiaz
m |
m (→Visualización de Procesos Complejos) |
||
| Línea 38: | Línea 38: | ||
* Conocer esa estructura | * Conocer esa estructura | ||
* Aplicar el conocimiento de esa estructura para | * Aplicar el conocimiento de esa estructura para | ||
| − | * determinar el estado (monitorización) | + | ** determinar el estado (monitorización) |
| − | * para llevarlo a donde queremos (control) | + | ** para llevarlo a donde queremos (control) |
| − | * o simplemente para conocerlo mejor (modelado, exploración, process data mining) | + | ** o simplemente para conocerlo mejor (modelado, exploración, process data mining) |
En procesos complejos, en los que se desconoce -o se conoce superficialmente- un modelo de esa estructura, son necesarios métodos que permitan arrojar luz sobre el proceso a partir de la información presente en los datos, permitiendo además utilizar conocimiento disponible en otras formas tales como reglas empíricas, modelos parciales del proceso, etc. | En procesos complejos, en los que se desconoce -o se conoce superficialmente- un modelo de esa estructura, son necesarios métodos que permitan arrojar luz sobre el proceso a partir de la información presente en los datos, permitiendo además utilizar conocimiento disponible en otras formas tales como reglas empíricas, modelos parciales del proceso, etc. | ||
Uno de los enfoques para afrontar este problema son las técnicas de visualización de datos. Aproximadamente un 40% de la actividad cerebral está relacionada con la visión y una visualización de datos adecuada puede explotar las capacidades de que dispone el cerebro (capacidades preatentivas) para encontrar de forma automática patrones complejos en imágenes visuales. | Uno de los enfoques para afrontar este problema son las técnicas de visualización de datos. Aproximadamente un 40% de la actividad cerebral está relacionada con la visión y una visualización de datos adecuada puede explotar las capacidades de que dispone el cerebro (capacidades preatentivas) para encontrar de forma automática patrones complejos en imágenes visuales. | ||
Revisión de 20:51 22 oct 2007
Tabla de contenidos |
Datos de contacto
- Teléfono: 985182663
- Tutorías: Lu,Ma,Mi, de 16:00 a 18:00
- Despacho: 2.2.09
- Correo electrónico:
Docencia
- Sistemas Automáticos
- Análisis Dinámico de Sistemas (Teleco)
- Curso de Doctorado: Tratamiento Digital de Señal. Técnicas de Data Mining en la Supervisión de Procesos Industriales
Investigación
- Palabras clave (en inglés);
- Process Supervision
- Process Data Mining, Visual Data Mining
- Dimensionality Reduction
- Fault Detection and Identification
- Neural Networks
- Self Organizing Maps (SOM)
- Radial Basis Functions (RBF)
- Kernel Regression
- Digital Signal Processing (DSP)
Resumen
Mi principal interés reside en la supervisión, monitorización y análisis exploratorio de procesos complejos, utilizando técnicas de visualización basadas en reducción de la dimensionalidad. La idea de este enfoque es que las características más importantes de un proceso pueden ser representadas en un plano o "mapa del proceso", que representa todos los estados posibles de dicho proceso.
Dicho mapa (mudo, en principio) puede "cartografiarse", definiendo regiones y etiquetándolas a partir de conocimiento previo disponible en distintas formas (modelos, sistemas de inferencia borrosa, correlaciones conocidas entre variables, etc.). Una vez "cartografiado", el mapa constituye una representación muy compacta y visual, que nos facilita tanto el entendimiento del proceso como la monitorización de su estado.
Visualización de Procesos Complejos
Un proceso industrial, económico, biomédico..., es algo con estructura, no totalmente aleatorio, que genera datos que contienen información acerca de esa estructura. Dos objetivos comunes son:
- Conocer esa estructura
- Aplicar el conocimiento de esa estructura para
- determinar el estado (monitorización)
- para llevarlo a donde queremos (control)
- o simplemente para conocerlo mejor (modelado, exploración, process data mining)
En procesos complejos, en los que se desconoce -o se conoce superficialmente- un modelo de esa estructura, son necesarios métodos que permitan arrojar luz sobre el proceso a partir de la información presente en los datos, permitiendo además utilizar conocimiento disponible en otras formas tales como reglas empíricas, modelos parciales del proceso, etc.
Uno de los enfoques para afrontar este problema son las técnicas de visualización de datos. Aproximadamente un 40% de la actividad cerebral está relacionada con la visión y una visualización de datos adecuada puede explotar las capacidades de que dispone el cerebro (capacidades preatentivas) para encontrar de forma automática patrones complejos en imágenes visuales.
