| 26-05-2025 |
Physics Informed Neural Networks (PINNs) para Regulación de Glucosa
Las redes neuronales tradicionales han demostrado ser herramientas poderosas para modelar sistemas complejos y no lineales, especialmente cuando se dispone de grandes volúmenes de datos y se tiene un conocimiento limitado del sistema subyacente. No obstante, en contextos donde se cuenta con un conocimiento previo del comportamiento del sistema y con ecuaciones que describen adecuadamente su dinámica, las Physics-Informed Neural Networks (PINNs) ofrecen una alternativa más eficiente y precisa. En esta IPRE, los estudiantes diseñarán e implementarán PINNs para modelar el sistema glucorregulatorio en personas con diabetes tipo 1. Estos modelos permitirán capturar con mayor fidelidad la dinámica de la glucosa en el cuerpo, integrando tanto datos clínicos como conocimiento fisiológico a través de ecuaciones diferenciales. Los modelos desarrollados tendrán como objetivo final su uso en aplicaciones de control, particularmente en el diseño de algoritmos para páncreas artificiales.
Keywords:
control automático
deep learning
Redes neuronales
diabetes
control inteligente
physics informed NN
Prerequisitos:
IEE2613
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 2/2 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 26-05-2025 |
Desarrollo e implementación de Filtro de Kalman Neuronal
Los filtros de Kalman son herramientas fundamentales en sistemas de control, ya que permiten estimar los estados internos de un sistema dinámico a partir de mediciones ruidosas y parciales. Sin embargo, su desempeño depende en gran medida de un conocimiento preciso del modelo del sistema y de sus parámetros, lo cual puede ser difícil o incluso imposible de obtener en aplicaciones del mundo real. En este contexto, las redes neuronales ofrecen una alternativa prometedora para extender las capacidades del filtro de Kalman clásico. Al integrar técnicas de aprendizaje automático, es posible diseñar filtros de Kalman neuronales que se adapten automáticamente a la dinámica del sistema, incluso en entornos altamente no lineales o inciertos. En esta IPRE, los estudiantes desarrollarán e implementarán un filtro de Kalman neuronal enfocado en la estimación de estados y parámetros en un sistema de regulación de glucosa. Este desarrollo tiene aplicaciones directas en tecnologías médicas como el p
Keywords:
control automático
deep learning
Redes neuronales
glucosa
diabetes
filtro de Kalman
estimación
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 1/1 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 26-05-2025 |
Keywords:
control automático
deep learning
Redes neuronales
diabetes
control inteligente
physics informed NN
Prerequisites:
IEE2613
Evaluation method: Nota 1-7, with 2/2 available vacants |
Mentor(s): Open in the plataform |
| 26-05-2025 |
Keywords:
control automático
deep learning
Redes neuronales
glucosa
diabetes
filtro de Kalman
estimación
Evaluation method: Nota 1-7, with 1/1 available vacants |
Mentor(s): Open in the plataform |