Cardiff University

El equipo de desorción térmica se utiliza en una variedad de áreas, como el monitoreo ambiental y la seguridad, donde la alta disponibilidad es esencial o altamente deseable, requiriendo un tiempo de espera relativamente corto para consumibles, piezas de desgaste y repuestos. El crecimiento de las tecnologías de la industria 4,0 (incluidos los sistemas ciberfísicos, el Internet de las cosas, la computación en la nube y la computación cognitiva) permite la posibilidad de sistemas de monitorización en tiempo real que permiten que la instrumentación sea más inteligente – sabiendo exactamente lo que está sucediendo en el equipo, interactuando con el entorno incluyendo otros dispositivos y humanos si es necesario, y finalmente integrado dentro de una amplia “cadena de valor digital”. Estas capacidades inteligentes incorporadas harán que los productos de próxima generación no solo respondan a las necesidades de los clientes, permaneciendo un paso por delante para informar el desarrollo de nuevos productos, sino también resilientes para afrontar la incertidumbre impuesta por las diferentes aplicaciones.

En este estudio de doctorado propuesto, los objetivos de investigación se centran principalmente en tres aspectos. En primer lugar, requiere un enfoque orientado a los servicios para comprender el entorno digital de los futuros equipos de desorción térmica para que se puedan llevar a cabo modelos de datos/información para productos inteligentes. En segundo lugar, es necesario investigar los análisis de datos avanzados relativos a la identificación de componentes clave del producto y la modelización de sus mecanismos de fallas para que se puedan desarrollar los algoritmos correspondientes basados en el aprendizaje automático. Por último, se realizará la investigación y el diseño de una plataforma IoT adecuada para que los algoritmos inteligentes desarrollados puedan integrarse y optimizarse aún más en IoT para la eficiencia operativa y el rendimiento sostenible.

Fecha cierre convocatoria beca 30 septiembre 2019
Mayores informes beca

Los recuerdos se reproducen espontáneamente en el sueño, y esta repetición es crítica para su consolidación (fortalecimiento e integración con conocimiento pre-existente). Hasta hace poco, ha sido imposible detectar estas repeticiones en humanos, pero el trabajo de nuestro laboratorio ha ideado un método para lograrlo utilizando el aprendizaje de la máquina para analizar los datos de EEG. En este doctorado, trataremos de ampliar este trabajo mejorando el método de detección y usándolo para examinar muchos aspectos adicionales de la repetición de la memoria, como el tiempo que dura, las fases del sueño en que se produce, y Cómo impacta en la neuroplasticidad.

Primero utilizaremos algoritmos comunes del aprendizaje de la máquina tales como SVM, regresión logística, KNN con énfasis en la extracción y la selección de la característica. Como se trata de un problema desafiante, pretendemos explorar y combinar técnicas de áreas como el análisis de series temporales (dinámica de tiempo Warping), la neuroimagen (análisis de similitud de representación) y el aprendizaje profundo (LSTM, circunvolución NN). Buscamos un estudiante de informática o ingeniería con una buena experiencia en el aprendizaje de máquinas y el procesamiento de señales para llevar adelante este trabajo.

Fecha cierre convocatoria beca 18 noviembre 2018
Mayores informes beca