Santa Fe, domingo 21 de abril de 2019
Servicios
AGENDA UNL | FICH

Si desea suscribirse a nuestro boletín de noticias, por favor, ingrese los siguientes datos

Ingrese su nombre:

Ingrese su apellido:

Ingrese su e-mail:

Lista de distribución:

Proyectos de Investigación: Algoritmos avanzados para procesamiento y clasificación de señales (CAI+D)

Proyecto Algoritmos avanzados para procesamiento y clasificación de señales
Convocatoria 2009
Director RUFINER, Hugo Leonardo
Programa al que pertenece Red de Investigación en Tecnologías de la Información y las Comunicaciones (Red con sede compartida entre el INTEC y la FICH).
Director del programa: HENNING, Gabriela
Resumen La demanda de algoritmos avanzados de análisis, tratamiento y reconocimiento de patrones en señales generadas por sistemas de diferente índole está en plena expansión. Tal es el caso de las señales de tráfico de Internet, sísmicas, económicas, las percibidas por humanos y máquinas, y una gran diversidad de secuencias biológicas y otras series temporales. Desde el punto de vista del análisis de señales, se observa frecuentemente que este tipo de señales poseen en común ciertas dificultades severas. Estas dificultades pueden deberse a diferentes aspectos presentes en la señal: no estacionariedades, comportamientos espectrales de tipo 1/f, comportamientos no lineales o caóticos e interferencias, entre otras. Desde la perspectiva del reconocimiento de patrones, estas características resultan en patrones con importantes dinámicas temporales, complejas fronteras de decisión, alta dimensionalidad, redundancia de información y distribuciones no gaussianas en los datos y en sus clases. Además, en algunos casos --como en el de ciertas patologías o el de la adaptación de los sistemas de reconocimiento del habla a nuevas condiciones de ruido-- la evaluación de nuevas técnicas resulta dificultosa debido a las limitaciones para disponer de muestras poblacionales suficientemente grandes y representativas, adecuadamente segmentadas y etiquetadas. Todos estos factores ponen en evidencia la necesidad de desarrollar nuevas técnicas tendientes a superar las limitaciones de las existentes. Para ello, proponemos trabajar desde un enfoque que integre, entre otras, técnicas de: análisis tiempo-frecuencia/escala, medidas de complejidad y de información, análisis y modelado estadístico e inteligencia computacional.