Con el Proyecto lo que se quiere conseguir es el diseño y desarrollo de un asistente conversacional con inteligencia artificial capaz de interpretar los resultados de los experimentos generados en el dispositivo de confinamiento magnético TJ-II, operado por el CIEMAT. Durante estos experimentos se genera una cantidad enorme de datos, que tienen que ser interpretados para analizar si han ocurrido eventos relevantes, como puede ser las inestabilidades MHD
El proyecto empezará con la obtención y clasificación de espectrogramas previamente generados y procesados. En estos espectrogramas se obtendrán y se verán con claridad espectrogramas que contienen o no inestabilidades MHD, y serán posteriormente clasificadas como Y(si) o N(no). Esto hará que a la hora del entrenamiento del modelo será capaz de aprender de manera mucho más clara a interpretar los datos.
Tras esto se procederá como comentado anteriormente al entrenamiento del modelo, de tipo SVM, con todos los datos y espectrogramas que tenemos disponibles. Con esto se incorporarán un par de funciones más para crear un asistente más completo.
Todos lo resultados serán utilizados para mejorar considerablemente la rapidez, automatización y fiabilidad de los experimentos.
Con el Proyecto lo que se quiere conseguir es el diseño y desarrollo de un asistente conversacional con inteligencia artificial capaz de interpretar los resultados de los experimentos generados en el dispositivo de confinamiento magnético TJ-II, operado por el CIEMAT. Durante estos experimentos se genera una cantidad enorme de datos, que tienen que ser interpretados para analizar si han ocurrido eventos relevantes, como puede ser las inestabilidades MHD
El proyecto empezará con la obtención y clasificación de espectrogramas previamente generados y procesados. En estos espectrogramas se obtendrán y se verán con claridad espectrogramas que contienen o no inestabilidades MHD, y serán posteriormente clasificadas como Y(si) o N(no). Esto hará que a la hora del entrenamiento del modelo será capaz de aprender de manera mucho más clara a interpretar los datos.
Tras esto se procederá como comentado anteriormente al entrenamiento del modelo, de tipo SVM, con todos los datos y espectrogramas que tenemos disponibles. Con esto se incorporarán un par de funciones más para crear un asistente más completo.
Todos lo resultados serán utilizados para mejorar considerablemente la rapidez, automatización y fiabilidad de los experimentos. Read More
Related posts:
Sistema para el estudio del funcionamiento de los sensores de baja presión
La influencia del deporte en adolescentes con un trastorno del espectro autista (TEA)
Diseño e implementación de un sistema de monitoreo y visualización de producción y consumo de energía dirigido a usuarios de Comunidades Energéticas descentralizadas
QueryOrchestrator
Proyecto de producción en extensivo de terneros pasteros en una finca de 47 ha en el término municipal de Valderrueda, León
Mejora de flujos de trabajo en producción musical con inteligencia artificial