Browsing by Author "Salas Guillén, Diego Andrés"

Now showing 1 - 2 of 2

Diseño de una arquitectura de aprendizaje automático que brinde soporte para la detección de mentiras mediante el análisis de video
(Pontificia Universidad Católica del Perú, 2019-07-30) Salas Guillén, Diego Andrés; Sipiran Mendoza, Iván Anselmo
La justicia y la búsqueda de la verdad en la investigación criminal requiere del uso de una herramienta fundamental para su éxito, el interrogatorio. En un interrogatorio, un experto hace uso de su experiencia y su juicio para, mediante el cuestionamiento del acusado, obtener una verdad explícita o implícita de parte de este sobre el hecho a investigar. El presente proyecto de investigación apunta a diseñar un modelo de aprendizaje automático que brinde soporte para la detección de mentiras en interrogatorios mediante el análisis de video. Es una contribución a los trabajos de investigación realizados por el grupo IA-PUCP (Grupo de Investigación en Inteligencia Artificial) de la Pontificia Universidad Católica del Perú. Se utilizó un conjunto de datos puesto a disponibilidad por Rada Mihalcea del grupo “Language and Information Technologies” de la Universidad de Michigan. La propuesta de arquitectura para el modelo consiste en una capa de preprocesamiento de datos que utiliza un algoritmo de reconocimiento facial para extraer los rostros del video, limitando el espacio de características. Luego, se utiliza una red convolucional preentrenada para realizar la extracción de características. Finalmente, se utiliza una red recurrente LSTM para procesar las características y luego una red neuronal para clasificar los videos. Se experimentó con cinco redes convolucionales (Resnet, InceptionV3, Xception, VGG16 y VGG19), el mejor fue InceptionV3. Este obtuvo una exactitud de 78.6 %, valor que supera varios de los resultados obtenidos por los modelos, presentados en la publicación “A Multi-View Learning Approach to Deception Detection” de N. Carissimi, que no aplicaron entrenamiento en la extracción convolucional. Esto, utilizando menos información y automatizando la extracción de la misma.
Uso de inferencia basada en ontologías para dar soporte al diagnóstico veterinario
(Pontificia Universidad Católica del Perú, 2015-05-27) Salas Guillén, Diego Andrés; Gonzáles Maceda, Jacklin del Rocio; Melgar Sasieta, Héctor Andrés
La salud a nivel mental y psicológico que nos brindan los animales domésticos es una necesidad poco valorada. La medicina veterinaria aplica conocimientos científicos al mejoramiento de la salud animal y al control enfermedades transmisibles al hombre. Las clínicas veterinarias, en el contexto peruano, no cuentan con suficiente soporte tecnológico para el proceso de diagnóstico. De la revisión del estado del arte se sabe que son escasos los proyectos de investigación realizados en este dominio específico. Existen herramientas de diagnóstico en el dominio de la medicina humana, varios ejemplos hacen uso de la representación del conocimiento por medio de ontologías y de sistemas de inferencia que trabajan con esta representación. En vista de los problemas presentados se plantea la interrogante. ¿Cómo dar soporte al diagnóstico de enfermedades en el dominio de la veterinaria en el contexto peruano, específicamente en Lima metropolitana?. Este es un proyecto de investigación aplicada en el área de la inteligencia artificial motivado por un interés personal en la representación de conocimiento, la simulación de procesos mentales racionales y la medicina veterinaria. Se plantea aplicar conceptos de ingeniería del conocimiento para contribuir a alcanzar el estado ideal, trata del uso de inferencia basada en ontologías para el disgnóstico en enfermedades de animales. Una ontología encapsula y uniformiza el conocimiento de un dominio de interés y se puede utilizar para resolver problemas en este dominio. Las ontologías permiten un alto grado de expresividad, estas permiten representar conocimiento complejo. El conocimiento, experiencia y criterio de un veterinario son habilidades complejas de replicar, por lo que no es posible hacerlo con exactitud. Una ventaja de las ontologías es que permiten representar supuestos, metas, hipótesis y predicciones sobre un dominio específico. El principal objetivo de la investigación es aplicar inferencia basada en ontologías para dar soporte al proceso de diagnóstico encapsulando el conocimiento del especialista en una base de información que de diagnóstico consultable. Mediante herramientas de inferencia el experto podrá extraer información filtrada en base a los síntomas observados. De esta manera obtendrá un abanico de posibilidades que reducirán significativamente el esfuerzo del veterinario al momento de dar un diagnóstico. Se trata de abstraer el conocimiento del veterinario, organizarlo y acceder a este por medio de herramientas que simulen el razonamiento. Esto reducir ´a el tiempo invertido por el veterinario en revisión de bibliografía, remembranza y análisis de posibilidades. Es como ofrecer, para un determinado problema, una limitada posibilidad de opciones de solución entre las cuales se encuentra respuesta acertada con una probabilidad bastante alta. Se perfila mucho más sencilla y rápida la labor de diagnóstico frente a esta alternativa. Finalmente, cabe resaltar que el proyecto contribuir ´a a potenciar, con el aporte de investigación en el tema de ontologías e inferencias, los trabajos de investigación realizados por el grupo GRPIAA-PUCP (Grupo de Reconocimiento de Patrones e Inteligencia Artificial Aplicada de la Pontificia Universidad Católica del Perú).