Resumen
Los sistemas automáticos de clasificación de señales requieren de una base de entrenamiento suficientemente amplia para alcanzar
prestaciones adecuadas. En numerosas aplicaciones no es posible disponer de un número suficiente de señales etiquetadas debido a
diferentes motivos: escasez de señales reales en una o más de las clases, complejidad, lentitud y coste de realización de las mediciones,
complejidad de etiquetación manual,Este proyecto aborda la síntesis de señales que permitan incrementar la base de entrenamiento
mediante métodos avanzados que posibiliten incorporar información del dominio de aplicación sea a través de un experto, sea a través
de información colateral. De esta forma, las señales sintéticas podrán reproducir adecuadamente las características y propiedades de las
señales reales que son esenciales en el entrenamiento y validación de los clasificadores automáticos. La metodología propuesta se basa
en tres conceptos avanzados. El primer concepto es una estructura tipo Redes Adversarias Generativas, en la que dos bloques compiten
entre sí. El primer bloque que, de forma novedosa, basaremos en el concepto de Campo Aleatorio Condicionado, es discriminativo y debe
decidir si la señal a su entrada es válida o no. El segundo bloque que, también de forma novedosa, lo basaremos en el concepto de
Señal Subrogada, es generativo y suministra señales sintéticas al primero para su validación. Tanto en el primer bloque como en el segundo es posible definir (informar) por parte de un experto o de información colateral acerca de propiedades
relevantes de las señales involucradas. Así, en el bloque discriminativo, pueden definirse segmentos de señal e interdependencias entre
ellos. Estas últimas deben trasladarse en el bloque generativo a interdependencias entre muestras. En el proyecto se consideran dos
aplicaciones, una de carácter industrial y otra del ámbito médico, para la experimentación con la nueva metodología y su comparación
con otros métodos de referencia para la síntesis de señales. La aplicación industrial es relativa al diseño de Sistemas Avanzados de
Asistencia a la Conducción que progresivamente se van incorporando en la industria automovilística. La aplicación médica es relativa al
apoyo al diagnóstico mediante resonancia magnética funcional sincronizada con electroencefalografía. El proyecto contempla también un
estudio de carácter más teórico, sobre la influencia del tamaño de la base de entrenamiento en la calidad del diseño del clasificador.