En la literatura se ha demostrado la factibilidad de realizar distintas tareas del procesamiento de imágenes mediante el uso de algoritmos metaheurísticos (AM), como el umbralado de imágenes (UI). En general, los enfoques de UI realizan la separación de los píxeles de una imagen de acuerdo con los valores de umbral que particionan el histograma de la imagen en un número finito de clases. Así, el problema se reduce a encontrar los mejores umbrales para una imagen en función del histograma. La calidad de los umbrales se determina mediante el uso criterios no paramétricos, donde un AM explora el espacio de soluciones hasta encontrar umbrales óptimos. Tras el correspondiente análisis de diversos métodos existentes en la bibliografía se han encontrado deficiencias, habiéndose propuesto los métodos que se indican a continuación para su resolución, que a su vez constituyen la base de la investigación desarrollada en la tesis: La mejora de la calidad en la segmentación usando la divergencia como criterio a optimizar, incorporación de información contextual al umbralado, estudio del desempeño de los AMs en aplicaciones, tales como resonancias magnéticas e imágenes térmicas y proponer un enfoque multi-objetivo que determinar el número de umbrales automáticamente.

El estrechamiento es una técnica de resolución de problemas que dada la especificación de un sistema, las reglas que rigen su evolución y un problema de alcanzabilidad simbólico, intenta hacer evolucionar el estado inicial del problema aplicando las reglas mediante unificación de la cabeza de las reglas con los subtérminos del estado en curso, hasta llegar a una instancia del estado final indicado en el problema.

El espacio de búsqueda tiene un problema de explosión combinatoria derivado de los distintos órdenes posibles de ejecución de reglas concurrentes, que se ve acrecentado en el caso de reglas condicionales y condiciones aritméticas.

En esta exposición se presentarán las ventajas que pueden aportar el uso de lenguajes de estrategias y resolutores SMT a la resolución de problemas de alcanzabilidad mediante estrechamiento.

Imitating video game players is considered one of the most stimulating challenges for the Game AI research community. The goal for a virtual player is not just to beat the game but to show some human-like playing style. In this work we describe a Case-Based Reasoning approach that learns to play the popular Ms. Pac-Man video game from the traces of a human player. We evaluate the performance of our bot using both low level standard measures such as accuracy and recall, and high level measures such as recklessness (distance to the closest ghost, as it is mapped in our Ms. Pac-Man domain model), restlessness (changes of direction), aggressiveness (ghosts eaten), clumsiness (game steps the player is stuck) and survival (lives left). Results suggest that, although there is still a lot of room for improvement, some aspects of the human playing style are indeed captured in the cases and used by our bot.

El análisis de redes sociales es un tema candente, tanto por reputación de personalidades o entidades como por opiniones de los propios usuarios de estas redes.

• Días antes de un evento competitivo, los usuarios de la red social envían mensajes que reflejan sus opiniones sobre los diferentes contrincantes.
• En este trabajo presentamos un método para clasificar los usuarios como partidarios o detractores de cada aspirante, en función de las polaridades asociadas a los mensajes individuales. Estas polaridades se obtendrán utilizando clasificadores semiautomáticos de análisis de sentimiento.
• Sobre dichas opiniones definiremos un conjunto de índices y diagramas que nos representen relaciones de soporte/rechazo sobre uno o varios contrincantes. En particular estamos interesados en definer indicadores que nos permitan conocer la opinion que tienen los usuarios que apoyan cada candidato acerca del resto de los contrincantes, contestando a preguntas como ¿El rechazo al contrincante es proporcional al apoyo que se a al propio candidato? ¿Los usuarios que más participan muestran mayores índices de rechazo al contrario?
• Este análisis lo realizaremos sobre un evento concreto: las elecciones presidenciales de EEUU de noviembre del 2016, siendo los dos contrincantes @realdonaldtrump y @hillaryclinton

Augmented Reality (AR) is an important technology that provides significant tools to improve the experience of interacting with reality. Existing literature reflects the multiple benefits of the integration of AR technologies in educational settings. This technology helps enrich education by transforming passive learning materials into interactive multimedia learning materials. However, there are still some problems that need to be addressed in order to obtain the best of this technology and ensure the most appropriate integration of AR into education. There are still unexplored fields of application and unexplored target groups in which AR systems can help improve learning processes. Moreover, most AR applications do not consider accessibility features, which represents a setback in terms of social inclusion. This work proposes to encourage learning processes that consider the variability of students in the education system through inclusive learning experiences based on AR. At first, we performed a systematic review to identify the status and trends in the usage of AR in education. Consequently, we designed and developed an inclusive educational resource to promote agritourism named ARtour. Finally, we propose to design and implement a case study to validate the effectiveness of the resource. We posit that AR technology is achieving maturity and has effectively taken root in educational settings.