En un mundo en el que cada vez tienen lugar más relaciones y transacciones a través de
aplicaciones informáticas (compras, comunicaciones y relaciones personales), muchas
decisiones se toman en función del valor estético, el atractivo o el impacto de imágenes
digitales. Sin embargo, existen todavía pocos resultados sobre modelización estética; es
decir, sobre la capacidad de realizar valoraciones y juicios estéticos.
Diferentes grupos de investigadores han intentado crear sistemas informáticos capaces de
aprender la percepción estética de un grupo de seres humanos como parte de un sistema
generativo, con la intención de ser utilizados en la selección u ordenación automática de
imágenes. Dada la naturaleza subjetiva del problema estético, la selección del conjunto de
datos con el que se entrena el sistema es especialmente relevante.
Tras haber analizado el grado de generalización de algunos conjuntos muestrales utilizados
para la clasificación automática de imágenes, se ha concluido que no es suficiente para
tomarlos como referencia en el entrenamiento de sistemas de predicción y clasificación
automática de imágenes. Además, se han detectado también otras limitaciones funcionales
en dichos datasets.
Con la intención de ofrecer una solución a los problemas detectados, se presenta la
creación de un nuevo conjunto de imágenes procedentes del portal web DPChallenge.com,
con mayor coherencia estadística. Este nuevo dataset ha sido evaluado según criterios de
estética y de calidad por un grupo de individuos españoles en condiciones experimentales
controladas y por otro grupo de estadounidenses a través de encuestas online. Así, este
dataset se convierte en el primer conjunto de imágenes evaluado por tres poblaciones
diferentes (el que evalúa en el portal web DPChallenge.com, el español y el
estadounidense).
Se presenta entonces la cuestión sobre el método a utilizar para la realización de las
evaluaciones. Por una parte, un experimento presencial proporciona un control mucho
mayor sobre las condiciones de la evaluación, pero supone un gran gasto y complica la
tarea de recopilar evaluadores de un target específico. Por otra parte, un experimento vía
online facilita la evaluación por parte de un gran número de personas, pero elimina el control
sobre la evaluación.
Ante esta situación, es necesario elegir el método que mejor se adapte a cada ocasión.
Una herramienta muy útil para la realización de experimentos con encuestas online, es
Amazon Mechanical Turk. Se trata de una plataforma crowdsourcing que requiere
inteligencia humana. En dicha plataforma existen dos perfiles: los solicitantes y los
trabajadores. Los solicitantes publican las encuestas con la información que desean testear
y adjudican un precio de recompensa a cada tarea de la encuesta; los trabajadores realizan
las tareas publicadas contestando las preguntas de las encuestas y reciben la recompensa
correspondiente.

En esta presentación se muestra el procedimiento a seguir a la hora de realizar un
estudio de la influencia de un “tratamiento” en un grupo de personas o población.
Se explica la utilización de análisis no paramétricos cuando la distribución de la
población no puede ser definida a priori, y se muestran los dos tipos de análisis más
comunes: el estudio antes/después y el tratamiento/control.
Se expone un ejemplo realizado en colaboración con el KMi de la Open University
(Milton Keynes, Reino Unido), centrado en los efectos de una interfaz de hipervídeo que
pretende dar mayor sentido a los debates políticos y promover cambios actitudinales
que permitan desafiar las ideas preconcebidas de cada persona.
En este estudio participaron 113 personas y se midieron 9 variables, y permite llegar a
la conclusión de que el hipervídeo ayuda a aumentar el interés de las personas por un
nuevo tipo de compromiso con los debates electorales televisados.
El estudio también muestra que las analíticas visuales y la navegación por hipervídeo
mejoran el compromiso personal, ya que provocan el cuestionamiento de los supuestos
personales que las personas sostienen antes de ver los debates.

El mundo del análisis de series temporales ha tenido una gran repercusión debido a su utilidad en múltiples entornos que se han podido beneficiar de la aplicación de técnicas de Machine Learning (ML). Sin embargo, una aplicación tradicional implica una costosa y pesada tarea de análisis que se realiza de forma manual por parte del experto humano. En este trabajo se propone, bajo una nueva óptica, el uso de técnicas de ML y Computación Evolutiva (CE) para la extracción automática de características con el objetivo de mejorar la clasificación de señales. Finalmente, este trabajo se completa con la aplicación de técnicas de Deep Learning (DL).

La Figura Compleja de Rey (FCR) se ha convertido actualmente en una herramienta ampliamente utilizada en neuropsicología para, entre otras, determinar el deterioro cognitivo en pacientes con enfermedades tales como Deterioro Cognitivo Leve, Alzheimer, Demencia o Esclerosis Múltiple. Más concretamente, esta prueba consiste en que el paciente dibuje una determinada figura, conocida como FCR, para valorar 2 aspectos diferentes: la riqueza de la copia, es decir, cómo de fiel es la copia respecto a la original; y la planificación, es decir, cómo se enfrente el paciente al problema.

A diferencia de la riqueza de la copia, actualmente existen pocos estudios que tienen en cuenta la planificación, y los existentes, o son excesivamente intrusivos (es decir, influyen en la planificación del paciente) o son demasiados complejos para su uso clínico. El objetivo de la investigación que aquí se plantea es desarrollar un procedimiento que permita valorar la planificación de forma objetiva pero suficientemente ágil como para poder ser empleado en la clínica ordinaria. Una vez alcanzado este primer paso se pretenden determinar, mediante técnicas de machine learning, diferentes patrones de planificación que permitan discernir entre diferentes tipologías de alteraciones neuropsicológicas.

Los sistemas operativos presentan actualmente técnicas de protección de memoria que dificultan la explotación de las vulnerabilidades existentes. Una de estas técnicas es ASLR (Address Space Layout Randomization), cuya función es introducir aleatoriedad en el espacio de direcciones virtuales de un proceso.

El objetivo de este proyecto es medir, analizar y comparar el comportamiento de ASLR en dos sistemas operativos actuales, Windows 10 y Ubuntu 18.04 LTS, en las versiones de 64 bits. Para ello, utilizando la metodología Kanban, se ha realizado una revisión de los artículos científicos publicados hasta la fecha sobre esta temática, y se ha desarrollado una herramienta con la que obtener las direcciones de memoria para las áreas principales de un proceso durante un número suficientemente elevado y representativo de iteraciones.

Una vez concluidas las ejecuciones, se ha realizado un análisis, apoyado en datos, gráficas y tablas, que ha conducido esencialmente al siguiente resultado: la implementación de ASLR ha mejorado notablemente en estos dos sistemas operativos respecto a versiones anteriores, ya que las direcciones cuentan con más bits de entropía y casi todas las áreas de memoria se aleatorizan. Sin embargo, existen aspectos, como las correlaciones parciales o una distribución de frecuencias no siempre uniforme, que todavía son susceptibles de mejora. En Windows el mayor problema reside en el tamaño de su espacio de direcciones, que conlleva que se produzcan correlaciones totales o parciales entre las principales áreas de memoria. En Linux, que presenta un tamaño de direccionamiento mayor, teóricamente sí podría mejorarse la implementación de ASLR evitando por completo las correlaciones, pues existe espacio de direccionamiento suficiente para ello.

Por tanto, se demuestra que ASLR en la actualidad se comporta de manera mucho más eficiente que en sistemas operativos anteriores, pero sigue sin ser, de todas formas, óptimo. Este estudio podría extenderse tanto desde una perspectiva sincrónica, añadiendo nuevos sistemas operativos al análisis y comparación, como diacrónica, analizando y comparando los sistemas estudiados con otras versiones de Windows y Ubuntu anteriores. Asimismo, también se podría profundizar en las causas concretas que limitan la eficiencia de estas implementaciones de ASLR.

Synthetic Aperture Radar (SAR) remote sensing plays an important role in research areas such as resource management, forest conservation, crop monitoring, land hazards monitoring, elevation product generation, and military applications. SAR has active imaging capability with an ability to discriminate terrain features, along with recognition of selected natural as well as man-made targets. However, special abilities of SAR become ineffective in specific cases due to interference of SAR frequency bands with the same magnitude range of radio frequencies originating from other types of electronic equipment. This equipment may include air-traffic surveillance radars, meteorological radars, communication systems, Radio Local Area Network (RLAN), and other electromagnetic (EM) radiation sources. This process of SAR frequency band contamination is called Radio Frequency Interference (RFI). Due to the increasing communication applications based on EM radiation, a wide range of EM spectrum is being used for this purpose. SAR frequency bands are very closely packed and even overlapping with other operating frequency bands allotted for other applications. Due to gaps in the unified international planning for EM spectrum band allocation for different applications, the problem of RFI in every communication application is rising rapidly. The satellites of the Sentinel-1 constellation use a radar, which operates in the IEEE (Institute of Electrical and Electronics Engineers) standard defined C band (central frequency 5.405 GHz) which covers most civilian and defense use frequencies. The RFIs discussed in the study manifest themselves on Sentinel-1 data in the form of lines having bright signatures, which are always perpendicular to the satellite orbit trajectory. These patterns may be hundreds of kilometers long and signify that a powerful radio source close to 5.405 GHz (such as some radars) is active and emitting somewhere along those lines. These interference patterns rigorously reduce the SAR image quality, which results in reducing the usefulness of SAR images, especially for high-resolution data-based applications. Therefore, an effective RFI pattern detection method is necessary for prior identification of RFI contaminated SAR images. In this study, openly accessible Sentinel-1 dual polarimetric (GRD) SAR images taken over different busy maritime shipping ports having international trade such as in Dubai and Germany have been used for the semantic segmentation of RFI patterns. The RGB composite images of different experimental sites were used to test and train the U-Net architecture of Convolutional Neural Network (CNN) for RFI pattern recognition.

The growth of the foliar area is mainly for the plant development, particularly in Musaceae, which get sizes relatively bigger as compared to the other vegetable species. An estimate of the final behavior of the foliar area is made for a banana species, from experimental measurements carried out from the beginning of the plant development up to four months, considered in fifteen -day stages, using a model that describes the trend of final foliar growth which the plant can reach in the stage after the last experimental measurement. The first measurement is considered to run the model with each of the subsequent measurements. The model is selected in the class of functions of the type second order rational fractions, from which those that have a non-sigmoid geometric behavior are discarded, imposing conditions on the coefficients, among which are subsequently selected from the experimental data, those that they accurately represent the process.

Background: An ethnobotanical survey has been carried out in Moroccan Rif (northern Morocco). The aim of this study was to assess the potential of the with regard to medicinal and aromatic plants used in the treatment of osteoarticular diseases. Materials and Methods: The ethnobotanical survey was conducted in Moroccan Rif region for two periods from 2016 to 2018. I n total, 520 local traditional herbalists and users of these plants were interviewed. Information was collected using semi-structured interviews and group discussion, analyzed and compared by quantitative ethno-botanical indices such as family importance value (FIV), relative frequency of citation (RFC), plant part value (PPV), fidelity level (FL) and informant consensus factor (ICF) were used to analyze the obtained data. Results: The analysis of results identified 17 plants species distributed in 10 families with a dominance of the Poaceae (6 species). Concerning the diseases treated, rheumatism diseases have the highest ICF (0.98). The survey revealed that leaves were the most used part of the plants (PPV=0.37) and the majority preparation used was a decoction (40.9%). Conclusion: The results of the present study showed the existence of indigenous ethnomedicinal knowledge of medicinal and aromatic plants in the Moroccan Rif to treat osteoarticular diseases. Further research on phytochemical, pharmacological and other biological activities should be considered to discover new drugs from these documented plants.

The aim of this study was to assess the potential of the Moroccan Rif (northern Morocco) with regard to medicinal and aromatic plants used in the treatment of genito-urinary diseases. The ethnobotanical survey was conducted in Moroccan Rif region for two campaigns from 2016 to 2018. I n total, 548 local traditional healers were interviewed. Information was collected using open-ended and semi-structured interviews, analyzed and compared by quantitative ethnobotanical indices such as family importance value (FIV), relative frequency of citation (RFC), plant part value (PPV), fidelity level (FL) and informant consensus factor (ICF) were used to analyze the obtained data. The study identified a total of 27 medicinal and aromatic plant species belonging to 18 botanical families. The most important family is that of the Rutaceae represented by 04 species. Concerning the diseases treated, kidney stones diseases have the highest ICF (0.97), the leaf was considered the most used part of the plant (PPV=0.443) and the majority of the remedies were prepared in the form of decoction. The results of the present study showed the existence of indigenous ethnomedicinal knowledge of medicinal and aromatic plants in the Moroccan Rif to treat genito-urinary diseases. Further research on phytochemical, pharmacological and other biological activities should be considered to discover new drugs from these documented plants.

Given the current gaps of scientific knowledge and the need of efficient application of food law, this paper makes an analysis of principles of European food law for the appropriateness of applying biological activity Machine Learning prediction models to guarantee public safety. Cheminformatic methods are able to design and create predictive models with high rate of accuracy saving time, costs and animal sacrifice. It has been applied on different disciplines including nanotechnology. Given the current gaps of scientific knowledge and the need of efficient application of food law, this paper makes an analysis of principles of European food law for the appropriateness of applying biological activity Machine Learning prediction models to guarantee public safety. A systematic study of the regulation and the incorporation of predictive models of biological activity of nanomaterials was carried out through the analysis of the express nanotechnology regulation on foods, applicable in European Union. It is concluded Machine Learning could improve the application of nanotechnology food regulation, especially methods such as Perturbation Theory Machine Learning (PTML), given that it is aligned with principles promoted by the standards of Organization for Economic Co-operation and Development, European Union regulations and European Food Safety Authority. To our best knowledge this is the first study focused on nanotechnology food regulation and it can help to support technical European Food Safety Authority Opinions for complementary information.

Reference: Machine Learning as a Proposal for a Better Application of Food Nanotechnology Regulation in the European Union. Santana R, Onieva E, Zuluaga R, Duardo-Sánchez A, Gañán P. Curr Top Med Chem. 2020;20(4):324-332.