Descripción
El Grupo de Inteligencia Computacional Aplicada (GICAP), dirigido desde la Universidad de Burgos, agrupa a un amplio número de investigadores interesados principalmente en el desarrollo de herramientas basadas en la Inteligencia artificial.
El grupo GICAP se caracteriza por ser internacional, interuniversitario y multidisciplinar. Internacional e interunivesitario por incluir a investigadores de varios países, universidades y centros de investigación y multidisciplinar por el variado perfil de sus miembros: informáticos, físicos, matemáticos, ingenieros, psicólogos y economistas.
El trabajo realizado por este grupo tiene un componente eminentemente práctico, aunque por ello no se olvida de los aspectos teóricos, necesarios en toda investigación.
Este grupo se centra en:
- Desarrollar investigación básica.
- Desarrollar investigación aplicada.
- Iniciar canales de comunicación/cooperación con el mundo empresarial y emprender proyectos con empresas de carácter local y nacional.
- Colaborar en proyectos de investigación con distintas entidades públicas.
- Presentar sus trabajos en conferencias nacionales e internacionales, así como en revistas científicas.
- Formar investigadores.
- Participar y organizar redes temáticas nacionales y europeas.
- Organizar eventos científicos y técnicos: workshops, sesiones especiales, cursos, simposios y conferencias.
- Dirección y organización de cursos de verano, títulos propios y Masteres.
Las líneas de investigación en la que trabaja el grupo se resumen a continuación:
- Ciencia de datos
- Modelos conexionistas/Redes Neuronales Artificiales
- Gestión del conocimiento
- Sistemas expertos, modelos de razonamiento, sistemas híbridos neuro-simbólicos de IA e ingeniería del conocimiento
- Modelado de sistemas industriales
- Detección de anomalías y Mantenimiento Preventivo/Predictivo
- Ciberseguridad
- Sistemas Ciberfísicos
- Internet de las Cosas (IoT)
- Salud Digital (eHealth)
- Desarrollo de sistemas inteligentes para modelos aplicados al medioambiente, gestión del conocimiento, sector alimenticio, seguridad en redes de ordenadores, interpretación de "Rutherford backscattering spectra", análisis de clientes para la concesión de créditos, clasificación de vidrios en función de su composición química, desarrollo de Herramientas TIC, gestión de conocimiento, modelos de gestión integral de la empresa, etc.
Proyectos asociados a :
Análisis y procesado de datos (Información) mediante el uso de Redes Neuronlaes Artificiales, obtenidos a través de una sensórica inteligente, entrevistas, encuentas, bases de datos, etc.
Las redes neuronales artificiales (RNA) son sistemas bio-inspirados dentro del campo de la Inteligencia Artificial, las cuales, dependiendo del tipo de arquitectura neuronal, pueden tener diferentes aplicaciones. Pueden utilizarse para el reconocimiento de patrones, la compresión de Información y la reducción de la dimensionalidad, el agrupamiento, la clasificación, la visualización, etc. Ya que muchas de estas tareas lo son también de la minería de datos, las RNA se pueden utilizar, por tanto, como una herramienta para llevar a cabo minería de datos.
Aplicación de distintos modelos neuronales artificiales para analizar e identificar la estructura interna del conjunto de datos obtenidos a través de los sensores o distintos medios incluidos en la definición de un proceso o modelo y así poder analizar la bondad de la toma de datos o Información. Esto permite conocer si los datos iniciales son suficientemente informativos permitiendo despues, por ejemplo aplicar un procesod para el modelado del problema a tratar.
Tareas de selección de características o variables que sirvan para definir de la forma más adecuada un caso de estudio determinado.
Modelado de procesos y sistemas industriales y empresariales:
El modelado de sistemas debe de entenderse, no sólo en el contexto industrial, sino que se extiende también por el resto de sectores y campos de conocimiento, como: organización, bioingeniería, economía, termodinámica, construcción, etc, y su uso va desde el control y la supervisión hasta la optimización y la predicción, pasando por el diagnóstico y la innovación en sistemas. La mejora continua, y las innovaciones en procesos, hace necesario el desarrollo de herramientas que ayuden al operador humano en las tareas de supervisión, tareas destinadas a la detección, predicción y diagnosis de fallos, comparando el proceso con un modelo de simulación, estos son los métodos llamados de diagnóstico.
Todos estos modelos han sido aplicados a campos como:
- Gestión del conocimiento para el estudio y análisis de la situación de conocimiento y transferencia del conocimiento en los distintos departamentos o secciones de empresas, asociaciones, instituciones, etc.
- Análisis del riesgo de la empresas en relación a la localizacion geográfica y políticas de sus filiales.
- Desarrollo de Sistemas de Detección de Intrusos
- Análisis de calidad de productos, food industry
- Modelado de cualquier tipo de procesos industriales, de organización, empresariales, etc.
