VOLVER

Share

La ley de la gravedad de Newton inspira nuevos algoritmos

Fuente: Universidad de Córdoba


31 de mayo de 2016
Óscar Reyes (i) y Sebastián Ventura junto a una caricatura de Isaac Newton expuesta en el Departamento de Ciencia de la Computación e Inteligencia Artificial de la UCO

Óscar Reyes (i) y Sebastián Ventura junto a una caricatura de Isaac Newton expuesta en el Departamento de Ciencia de la Computación e Inteligencia Artificial de la UCO

Lo que puede valer para todo el universo, bien puede servir también para el mundo virtual. Así lo considera un equipo de informáticos de la Universidad de Córdoba (UCO), que ha desarrollado algoritmos basados en la ley de la gravedad. Los algoritmos generados son más eficaces que los convencionales y permiten clasificar datos que pueden servir para el diagnóstico de enfermedades, discriminar el correo válido del spam o categorizar fotografías.

Enunciada por Isaac Newton en 1687, la ley de la gravitación universal habla de la fuerza de atracción para toda la materia existente. Todos los objetos están sujetos a ella. Esa fuerza es la que lleva a la manzana a caer al suelo, pero también la que establece las relaciones entre estrellas y planetas. Newton estableció la fórmula matemática de esta interacción en Philosophiae Naturalis Principia Mathematica: “Directamente proporcional al producto de las masas de los objetos e inversamente proporcional al cuadrado de la distancia que las separa”. Su descubrimiento fue un punto de inflexión en la historia de la ciencia.

El equipo del Departamento de Ciencia de la Computación e Inteligencia Artificial que dirige Sebastián Ventura dispone de una línea de investigación en torno a los algoritmos de aprendizaje perezoso. Un algoritmo computacional es una serie de operaciones para resolver problemas informáticos, por ejemplo, si una fotografía se parece a otra y así clasificarlas juntas. Generalmente se construye un modelo para dar respuesta a estas cuestiones. Los algoritmos perezosos, sin embargo, ganan su fama de vagos porque no parten de ningún modelo, sino que aprovechan las características de los datos para determinar a posteriori la clase a la que pertenecen los objetos. Entre los algoritmos perezosos hay unos que clasifican datos por cercanía a otros datos. Son los algoritmos del vecino más cercano.

Perezosos y vecinos

“Los algoritmos perezosos son útiles, pero a veces hay límites entre los vecinos que no son muy claros”, estima Ventura. Puede que algunos datos de una familia se salgan por mucho de la media, establezcan un límite muy difuso y distorsionen, con ello, la ubicación de los nuevos datos que llegan. Con el fin de mejorar la eficiencia de este enfoque, los informáticos de la UCO no se fijaron en la distancia al vecino más próximo, sino en la capacidad de atracción que podían tener. Pensaron que cada dato podía ejercer una fuerza gravitatoria, como si fuera un planeta. Además, consideraron que la fuerza de las partículas de una misma clase se podía sumar, de manera que la clase a la que pertenece un nuevo objeto está determinada por la clase que ejerce una fuerza máxima sobre él.

Con este planteamiento, el equipo de la UCO, en colaboración con las universidades Central de Las Villas y de Holguín (Cuba), ha creado algoritmos más eficientes. “Mejoran la obtención de clasificaciones”, resume el catedrático. El trabajo ha sido publicado recientemente en la revista científica Information Sciences. En este trabajo se intentan clasificar datos que pueden presentar más de una etiqueta. Por ejemplo, cuando reconocemos personas en una fotografía, una foto puede contener a varias personas y, por tanto, no se puede usar el nombre de una única persona para etiquetarla. “En el trabajo se resuelve el problema de la clasificación multietiqueta incorporando tanto el concepto de vecindad o distancia, típicos de los algoritmos perezosos, como el concepto de pureza, que se refiere a la cantidad de vecinos similares entre sí”, resuelve Reyes, estudiante cubano de doctorado en Ingeniería Informática en la UCO participante en el estudio.

Óscar Reyes, Carlos Morell, Sebastián Ventura. Effective lazy learning algorithm based on a data gravitation model for multi-label learning’. Information Sciences. Volumes 340–341, 1 May 2016, Pages 159–174


Share

Últimas publicaciones

Un estudio ayudará a desarrollar terapias para frenar la progresión de una enfermedad neuromuscular rara
Sevilla | 02 de abril de 2025

Llevado a cabo por un equipo de investigación del Centro Andaluz de Biología del Desarrollo, el estudio abre nuevas posibilidades para comprender mejor la miopatía nemalínica y desarrollar terapias que contrarresten los efectos del exceso de hierro y el estrés oxidativo.

Sigue leyendo
Validan un nuevo modelo para predecir el crecimiento de la listeria en quesos frescos artesanales
Córdoba | 01 de abril de 2025

Un estudio de la Universidad de Córdoba ha desarrollado una herramienta para predecir, bajo diferentes condiciones de temperatura, el desarrollo de una de las principales bacterias de transmisión alimentaria, lo que permite estimar con mayor precisión la vida útil de estos alimentos.

Sigue leyendo
Diseñan un sistema que elimina microplásticos de las aguas residuales de lavanderías y permite su reutilización
Sevilla | 29 de marzo de 2025

Un equipo de investigación de la Universidad de Sevilla ha desarrollado una tecnología que higieniza el agua filtrando restos contaminantes y descomponiéndolos mediante el uso de energía solar. Tras ensayos en el laboratorio y en una lavandería de hospital, este estudio evalúa la rentabilidad y sostenibilidad de esta técnica para la gestión de residuos, al regenerar un bien finito como el agua empleando un recurso natural, en este caso la luz del Sol.

Sigue leyendo

#CienciaDirecta

Tu fuente de noticias sobre ciencia andaluza

Más información Suscríbete

404 Not Found

404 Not Found


nginx/1.18.0
Ir al contenido