Autor:
Cotos, José Manuel

Foto de perfil

E-mails conocidos

manel.cotos@usc.es

Fecha de nacimiento

ORCID

0000-0002-9030-4221

Proyectos de investigación

Unidades organizativas

Puesto de trabajo

Apellidos

Cotos

Nombre de pila

José Manuel

Nombre

Nombres alternativos

Cotos, Jose
Cotos Yañez, Jose Manuel
Cotos, José M.
Cotos Yáñez, José Manuel

Afiliaciones conocidas

University of Santiago de Compostela, Spain
Universidad de Santiago de Compostela, Spain
CiTIUS, Universidade de Santiago de Compostela, Spain
Centro Singular de Investigación en Tecnoloxías da Información (CiTIUS), Universidade de Santiago de Compostela (USC)., Spain
Computer Graphics and Data Engineering Group (COGRADE) Centro de Investigaci ́n en Tecnolox ́ da Informaci ́n (CiTIUS) o ıas o Universidade de Santiago de Compostela (USC) Santiago de Compostela, Spain
Centro Singular de Investigación en Tecnologías Inteligentes, Universidade de Santiago de Compostela, Spain
Department of Electrónica e Computación, Universidade de Santiago de Compostela, Santiago de Compostela, Spain, Spain

Páginas web conocidas

Página completa del ítem
Notificar un error en este autor

Filtros

2015 - 201932020 - 20243
Restablecer filtros

Ajustes

Resultados de la búsqueda

Mostrando 1 - 6 de 6
  • Miniatura
    Artículo
    Integración semántica de datos de observación mediante servicios SOS
    Regueiro, Manuel A.; Viqueira, José R.R.; Stasch, Christoph; Cotos, José Manuel. Actas de las XX Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2015), 2015-09-15.
    En este documento se describe el trabajo en marcha de diseño e implementación de un servicio de acceso a datos de observación medioambiental SOS (Sensor Observation Service) que permite la integración semántica de fuentes de datos accesible a través de este estándar.
  • Miniatura
    Artículo
    System for EIT reconstruction based on Machine Learning techniques
    Aller Domínguez, Martín; Mera, David; Cotos, José Manuel; Díaz Lago, Ledicia. Actas de las XXV Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2021), 2021-09-22.
    Electrical Impedance Tomography (EIT) is a non-invasive technique that can be used to obtain information from inside bodies. To reconstruct internal body images using EIT, it is necessary to solve a mathematical ill-posed problem called inverse problem. We have developed a software called SageTomo that is able to reconstruct EIT images using Machine Learning techniques to solve the inverse problem. Furthermore, SageTomo allows users both to train and store Machine Learning models for EIT reconstruction, as well as to generate and store datasets for training these models.
  • Miniatura
    Artículo
    Causalidad temporal y selección de características: Situación actual y retos futuros
    Díaz Lago, Ledicia; Mera, David; Cotos, José Manuel. Actas de las XXVI Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2022), 2022-09-05.
    En los últimos años, la demanda de algoritmos de inteligencia artificial capaces de modelar líneas de producción est+AOE aumentando en el sector industrial. Debido al elevado número de variables existentes en los procesos productivos, el primer paso para conseguir un buen modelo es la selección de un conjunto de variables representativo del proceso. Esto resulta ser especialmente difícil cuando se trata de líneas de ensamblaje, ya que, debido a su naturaleza continua y secuencial, son necesarios algoritmos capaces de lidiar con datos que presentan desfases temporales, redundancias y ruido en las medidas. En la actualidad existen algunos algoritmos diseñados explícitamente para determinar desfases temporales pero, sin embargo, estos no se muestran eficaces para conjuntos de datos industriales. En este trabajo analizamos 3 aproximaciones capaces de lidiar con conjuntos de datos con fuertes dependencias temporales, señalando sus puntos fuertes y débiles. Además, se esboza una posible línea de trabajo futuro capaz de tratar con este tipo de datos y dependencias.
  • Miniatura
    Artículo
    GeoNews: Generación automática de contextos geográficos para programas de noticias a través de HbbTV
    Vilar, Moisés; Villarroya, Sebastián; Viqueira, José R.R.; Cotos, José Manuel. Actas de las XX Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2015), 2015-09-15.
    Varios estudios recientes han detectado nuevos hábitos en la audiencia de televisión relacionados con el acceso a través de otros dispositivos a información que complemente los contenidos de televisión. En este documento se describe una solución preliminar para la generación de contextos geográficos para programas de noticias en lengua castellana y para su visualización sincronizada en un televisor a través de tecnología HbbTV. En este documento se describe una solución preliminar para la generación de contextos geográficos para programas de noticias en lengua castellana y para su visualización sincronizada en un televisor a través de tecnología HbbTV.
  • Miniatura
    Artículo
    Proyecto TRAFAIR: Generación y publicación de datos de calidad del aire en las ciudades de Zaragoza y Santiago de Compostela
    Viqueira, José R.R.; Trillo-Lado, Raquel; Villarroya, Sebastián; Marrodán, Lorena; Cotos, José Manuel; Ilarri, Sergio; Taboada, José Ángel; Torres-Moreno, Enrique. Actas de las XXIV Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2019), 2019-09-02.
    En este artículo se describen brevemente los trabajos en marcha relacionados con la generación y publicación de datos acerca de la calidad del aire en el ámbito del proyecto Europeo TRAFAIR. En concreto, se describe la solución adoptada para la adquisición de datos de sensores, los estándares utilizados para la publicación de datos en abierto y las aplicaciones de usuario final que serán desarrolladas, concluyendo el artículo con la identificación de retos técnicos relacionados con la heterogeneidad de los datos y con la generalización de soluciones basada en la asunción de modelos de datos estandarizados.
  • Miniatura
    Artículo
    Predicción de Tráfico con Redes Neuronales Artificiales
    Al-Rahamneh, Anas; Budiño, Alejandro; Villarroya, Sebastián; Cotos, José Manuel. Actas de las XXVIII Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2024), 2024-06-17.
    Las ciudades están creciendo constantemente en número de vehículos. Esto deriva en una demanda creciente de herramientas eficientes para gestionar el tráfico. Los modelos de predicción de tráfico son elementos esenciales para dichas herramientas. En este trabajo pretendemos estudiar el rendimiento de diferentes arquitecturas \textit{deep learning} al abordar el problema de la predicción del tráfico en una ubicación específica en la ciudad de Santiago de Compostela. De momento, se han probado modelos de tipo Perceptrón, Recurrente y Convolucional. La comparación de estas arquitecturas se ha llevado a cabo a través del diseño y ejecución de diferentes experimentos utilizando datos de sensores de tráfico. También se introduce una nueva métrica para la evaluación del rendimiento de los modelos.