Las funciones de agregación son operadores clave en la teoría de conjuntos borrosos. En este campo los avances desde el punto de vista teórico como aplicado han sido una constante en los últimos tiempos. Las funciones de agregación tradicionales como la media ponderada son conocidas ahora como casos particulares de familias más generales como las integrales de Choquet. Otras familias importantes son las t-normas, t-conormas, uninormas, OWAs, etc. Estos operadores han resultado útiles para responder a una necesidad creciente de manejar grandes cantidades de datos e incertidumbre y los retos asociados que se derivan.

Los conectivos lógicos, en especial las implicaciones borrosas, juegan un papel importante en la teoría de conjuntos borrosos. Además de su importancia teórica, en los últimos años ha habido un interés creciente en las aplicaciones de estos operadores en campos tan diversos como el procesamiento de imágenes, la minería de datos, la teoría de control, el razonamiento aproximado, etc.

Las implicaciones borrosas y las funciones de agregación se encuentran íntimamente relacionadas ya que varias familias de funciones de agregación han sido utilizadas con éxito en la generación de nuevas clases de implicaciones borrosas y son comunes las ecuaciones funcionales donde ambos operadores intervienen.

Esta sesión especial está dedicada a los aspectos teóricos y aplicados de las funciones de agregación y de los conectivos lógicos, especialmente de las implicaciones borrosas. Los temas generales incluyen, aunque no están limitados:

• Funciones de agregación: teoría y aplicaciones.
• Funciones de implicación: teoría y aplicaciones.
• Relación entre funciones de agregación y de implicación borrosas.

La toma de decisiones es una actividad habitual en diversos campos de aplicación y áreas de investigación (ingeniería, ciencias sociales, ciencias de la salud, tecnologías de la información, etc.).

Este carácter transversal ha originado un extenso desarrollo de enfoques desde distintas aproximaciones y perspectivas. Esta sesión se centra en ambientes donde los objetivos, restricciones o posibles alternativas asociadas a los procesos de toma de decisión no son conocidos con precisión, es decir, procesos de toma de decisiones en ambientes de incertidumbre. El objetivo de esta sesión especial es brindar la oportunidad de debatir y difundir los avances teóricos y empíricos más recientes en este campo que permitan mostrar la versatilidad y aplicabilidad de estas técnicas.

La resolución de problemas de clasificación y de regresión son dos campos de investigación muy activos debido a la enorme cantidad de aplicaciones del mundo real que tienen que lidiar con este tipo de problemas. Además, actualmente existen numerosos tópicos calientes dentro de estas temáticas como los problemas de clasificación no balanceados, el aprendizaje utilizando datos de baja calidad, problemas multi-label y multi-instancia y el aprendizaje de modelos con ejemplos pertenecientes a una única clase (one-class), entre otros.

Los métodos de aprendizaje basados en técnicas de Soft Computing son ampliamente utilizados para abordar los problemas mencionados anteriormente. Los sistemas difusos han demostrado la capacidad de proporcionar un modelo comprensible por los seres humanos así como resultados precisos. La computación evolutiva es una técnica robusta para afrontar tareas de optimización y aprendizaje entre otras. Su uso permite adaptar los parámetros del modelo para cada problema de forma que se obtenga un sistema muy preciso. La sinergia de estas dos técnicas suele implicar una mejora de la capacidad de diseño y optimización de sistemas difusos o de otros paradigmas como redes neuronales.

Objetivos y tópicos

El objetivo de la sesión es proporcionar un foro para difundir y discutir nuevas propuestas de técnicas de Soft Computing para resolver problemas de clasificación y de regresión. Las contribuciones enmarcadas en esta sesión especial deberán ser trabajos de investigación originales y resultados innovadores, incluyendo (aunque no exclusivamente) los siguientes tópicos:

• Sistemas Basados en Reglas Difusas
• Sistemas Difusos Evolutivos
• Redes Neuronales
• Clustering
• Aprendizaje semi-supervisado
• Aprendizaje no supervisado
• Aplicaciones de Soft Computing en Aprendizaje
• Clasificación multi-etiqueta y multi-instancia
• Problemas de cuantificación
• Aprendizaje basado en ensembles
• Clasificación con datos de baja calidad y ruido
• Clasificación con datos no balanceados
• Modelos interpretables
• Clasificación sensible al coste
• Paradigma de clasificación one-class

Biografía breve de los organizadores

Mikel Galar es Ingeniero Informática (2009) y Doctor (2012) por la Universidad Pública de Navarra, Pamplona, España. Actualmente es profesor Ayudante Doctor en el Departamento de Automática y computación de la Universidad Pública de Navarra. Ha publicado 32 artículos en revistas internacionales indexadas en JCR y más de 45 contribuciones a congresos. Recibió el premio al mejor artículo de la revista IEEE Transactions on Fuzzy Systems del año 2013, otorgado en 2016. Sus líneas de investigación incluyen la minería de datos, clasificación, problemas big data, aprendizaje de ensembles, algoritmos evolutivos, sistemas difusos y problemas de reconocimiento de huellas dactilares. Es miembro de la Asociación Europea de Lógica Difusa y Tecnología (EUSFLAT) y de la Asociación Española de Inteligencia Artificial (AEPIA). Su actividad investigadora puede consultarse en Googlescholar Citations.

José Antonio Sanz es Ingeniero Informática (2008) y Doctor (2011) por la Universidad Pública de Navarra, Pamplona, España. Actualmente es profesor Ayudante Doctor en el Departamento de Automática y computación de la Universidad Pública de Navarra. Ha publicado 27 artículos en revistas internacionales indexadas en JCR y más de 45 contribuciones a congresos. Recibió el premio a la mejor contribución del congreso FLINS 2012 y el premio Pepe Millá en 2014. Sus líneas de investigación incluyen la minería de datos, sistemas difusos para resolver problemas de clasificación, conjuntos difusos intervalo-valorados, problemas big data, algoritmos evolutivos y aplicación de técnicas de Soft Computing para resolver problemas médicos. Es miembro de la Asociación Europea de Lógica Difusa y Tecnología (EUSFLAT) y de la Asociación Española de Inteligencia Artificial (AEPIA). Su actividad investigadora puede consultarse en Googlescholar Citations.

Información de contacto:

Nombre: Mikel Galar
Email: mikel.galar@unavarra.es
Afiliación: Universidad Pública de Navarra
Dirección postal: Departamento de Automática y Computación, Universidad Pública de Navarra, 30006 Pamplona, España
Teléfono: +34-948-166048

Nombre: José Antonio Sanz
Email: joseantonio.sanz@unavarra.es
Afiliación: Universidad Pública de Navarra
Dirección postal: Departamento de Automática y Computación, Universidad Pública de Navarra, 30006 Pamplona, España
Teléfono: +34-948-169265

El objetivo principal de la sesión es reunir a grupos de investigación españoles de los ámbitos Soft Computing y Generación de Lenguaje Natural (NLG) para discutir acerca de los posibles puntos de convergencia de los dos ámbitos, en un sentido amplio.

Por un lado, desde el Soft Computing, las principales aproximaciones al ámbito de la NLG se concretan en las Descripciones Lingüísticas de Datos (LDD), en las que se aplican métodos y técnicas de la computación con palabras para generar representaciones lingüísticas que contienen la información más relevante de un conjunto de datos y en las que se incluyen términos imprecisos. Las LDD suelen basarse en protoformas y, en general, no han atendido a todas las etapas que habitualmente se consideran generalmente en los sistemas NLG.

Por su parte, desde la NLG, los sistemas que producen descripciones o narrativas a partir de datos (sistemas Data-To-Text (D2T)) cuentan con una metodología de desarrollo ampliamente aceptada, que se ha venido aplicando por mucho tiempo en ámbitos diversos. Las narrativas generadas incluyen con frecuencia términos y expresiones de naturaleza vaga, pero no suelen utilizar aproximaciones basadas en Soft Computing para su modelado.

Hasta hace poco, las LDD y la NLG/D2T habían avanzado en sus propuestas, metodologías y desarrollos de forma paralela, a pesar de que el objetivo final de los dos ámbitos es producir narrativas expresadas en lenguaje natural dirigidas a usuarios finales que las van a consumir. Sin embargo, en los últimos años se ha creado un entorno de colaboración entre ambos campos, tanto a nivel nacional como internacional. Prueba de ello es la reciente concesión de la Red Nacional de Excelencia En Tratamiento Inteligente De Datos y Generación De Lenguaje Natural, que aúna a los principales grupos españoles de ambas disciplinas.

En este contexto, la sesión propuesta se erige como la primera de las actividades principales de interés para los grupos que conforman la mencionada Red. Al mismo tiempo, expande el alcance de la sesión homónima acontecida en el ESTYLF 2016, germen a su vez de la actual Red de Excelencia. Así pues, esta sesión se dirige hacia grupos de investigación de los dos ámbitos, con el objeto de presentar las diferentes aproximaciones y visiones complementarias procedentes de ambos paradigmas, para tratar de continuar definiendo posibles sinergias o puntos de encuentro de interés común.

La sesión pretende suscitar debate y discusión acerca de, entre otros, los siguientes puntos:

• Las necesidades e interés que desde la NLG (y, en particular, los sistemas D2T) se tiene en cuanto al modelado de términos y expresiones con incertidumbre.
• En qué medida el Soft Computing y las LDD pueden atender dichas necesidades y su rol en el proceso NLG.
• El papel de otras técnicas de IA en general (no específicamente las basadas en Soft Computing) en las fases de dicho proceso NLG.
• Aplicaciones reales de LDD y NLG.
• Además de cualquier otro tema o punto de encuentro que pudiera ser de interés común a ambas aproximaciones.

Esta sesión continua la edición homónima organizada en el ESTYLF 2016, así como la serie de sesiones especiales en la temática Descripciones lingüísticas de datos, organizadas por algunos de los organizadores, en eventos internacionales como WCCI 2018, FUZZ IEEE 2017, IPMU 2016, WCCI 2016, o IFSA-EUSFLAT 2015, entre otros.

La sesión está dirigida a todas aquellas aportaciones que relacionen técnicas o aspectos de la lógica fuzzy con cuestiones del ámbito de la educación. Entre otros, se señalan posibles temas para las contribuciones en la citada sesión.

• Análisis de conceptos fuzzy en aras de una mejor comprensión de los mismos.
• Estrategias para la introducción y el empleo de conceptos fuzzy en distintas disciplinas.
• Lecciones 'tipo' para introducir la lógica fuzzy en las enseñanzas técnicas.
• Herramientas informáticas basadas en lógica fuzzy para mejorar el proceso de enseñanza/aprendizaje.
• Herramientas informáticas para la enseñanza de conceptos o estrategias propias de la lógica fuzzy.
• Nuevas técnicas de evaluación a partir de datos o información fuzzy.

Esta sesión especial se centra en aplicaciones las agregaciones y pre-agregaciones juegan un papel crucial. Estas aplicaciones pueden ser, entre otras, en problemas de:

• procesamiento de imagen,
• minería de datos,
• big data
• clasificación,
• toma de decisión,
• deep learning.

Las aplicaciones consideradas pueden hacer uso tanto de funciones de agregación reales como de funciones de agregación más generales, definidas sobre sobre retúculos o extensiones de los conjuntos difusos o de formas generalizadas de agregación como las pre-agregaciones. Esperamos que esta sesión especial sea un foro para discutir aplicaciones recientes en las que la utilidad de los últimos desarrollos en agregaciones y pre-agregaciones quede de manifiesto.

La teoría de funciones de agregación es un campo de investigación en rápido. Aparte de su interés obvio desde un punto de vista teórico, las funciones de agregación constituyen una herramienta esencial en múltiples aplicaciones, como procesamiento de imagen, clasificación, machine learning o toma de decisión, entre otras. Por este motivo, en los últimos años existe un creciente interés en el tema, lo que está dando lugar a la introducción de nuevos conceptos e ideas. Entre ellas, es destacable la noción de función de pre-agregación, que generaliza la idea clásica de función de agregación relajando las condiciones de monotonía.
En esta sesión especial, nos centraremos en los recientes desarrollos teóricos en torno a las funciones de agregación y pre-agregación, así como las últimas tendencias en este campo. Los temas de interés incluyen:

• t-normas and t-conormas,
• funciones de overlap y grouping,
• medias,
• uninormas,
• todo tipo de función de agregación tanto en el marco real como en retículos,
• funciones de pre-agregación,
• extensions de la noción de función de agregación,
• Integrales de Choquet y Sugeno y sus generalizaciones.

Muchas estrategias de la inteligencia computacional, como sistemas expertos, lógica difusa, redes neuronales, algoritmos genéticos, redes inmunes artificiales, enjambres de partículas, ACO, aprendizaje por refuerzo, etc., se han aplicado con éxito en diversos campos de la automática. El control inteligente, que se distingue del enfoque convencional ya que se basa en metodologías de la Inteligencia Artificial, -principalmente técnicas del Soft Computing-, ha demostrado ser capaz de hacer frente a problemas complejos, especialmente en ámbitos industriales y en aplicaciones de la ingeniería, donde los métodos clásicos eran menos eficientes.
Las aplicaciones del control inteligente pueden incluir todo tipo de vehículos y medios de transporte, sistemas médicos, biomédicos y biológicos, aeroespacial, la automatización, biotecnología, mecatrónica, fabricación, control de procesos, sistemas de energía, redes inteligentes, agricultura, sistemas ambientales, robótica y sistemas autónomos, economía y sistemas de negocios, etc. En los últimos años se ha demostrado que en el mundo industrial y en otros campos relacionados con aplicaciones reales de la ingeniería, estas técnicas inteligentes, principalmente la lógica fuzzy y los sistemas neuro-difusos, juegan un papel importante.
Esta sesión especial tiene como objetivo difundir resultados de investigación de alta calidad sobre la integración de la inteligencia computacional en el ámbito del control y de la automática en general, haciendo hincapié en aplicaciones reales de sistemas complejos.
Los temas incluyen, pero no están limitados, a los siguientes:

• Control inteligente: control borroso, neuro-control, neuro-fuzzy, técnicas híbridas.
• Optimización mediante técnicas heurísticas en ingeniería y control de sistemas.
• Modelado e identificación mediante técnicas inteligentes.
• Aplicaciones en la ingeniería de la computación inteligente.
• Aplicaciones en industria, transportes, energía, sistemas aeroespaciles, marinos, aéreos, etc.
• Otros temas relacionados.