1finalidad

   El programa de Doctorado en Ciencias de la Computación e Inteligencia 
Artificial del Departamento de Inteligencia Artificial de la Facultad de 
Informática en la Universidad Politécnica de Madrid tiene como finalidad la 
especialización del estudiante y su formación en las técnicas de 
investigación dentro del área de Ciencias de la Computación e Inteligencia 
Artificial. Más en particular, se pretende:
* establecer un marco adecuado para la concepción de los avances 
científicos;
* formar a los nuevos investigadores para que puedan afrontar con éxito el 
reto que suponen las nuevas disciplinas, técnicas y metodologías;
* impulsar la formación del nuevo profesorado con la vista puesta en el 
futuro de los estudiantes universitarios y de la Universidad misma;
* perfeccionar el desarrollo profesional, científico y técnico de los 
titulados superiores con un énfasis especial en la promoción de las 
actividades de Investigación y Desarrollo relativas al campo de la 
Inteligencia Artificial y sus aplicaciones.
2
términos generales la realización de los estudios completos de doctorado se 
organiza en cuatro fases cronológicas:
1. Admisión al programa.
2. Realización de cursos de doctorado.

Una vez cursados los créditos (20 mínimo necesario) con asignaturas 
regulares y Temas Avanzados, el alumno obtendrá un certificado acreditativo 
(UPM).
3. Periodo de investigación para la obtención de un mínimo de 12 creditos 
con trabajos de investigación tutorados
Realización de la Tesis Doctoral y obtención del título de doctor

3modelado del sistema
El modelado de sistemas es en la actualidad uno de los problemas de mayor 
interés en numerosas ramas de la ciencia. En diversas áreas de aplicación, 
surge el problema de establecer una relación funcional entre las diferentes 
variables que intervienen en el fenómeno que se está estudiando. Presentamos 
un modelo de red neuronal basado en unidades producto que realiza un 
procedimiento de regresión partiendo de una determinada tipología de 
funciones. Tanto el aprendizaje de la red como su topología son guiados por 
un algoritmo evolutivo. Se evoluciona un tipo de redes neuronales conocidas 
como redes de unidades producto para llegar a encontrar una función de la 
familia que sea capaz de explicar el sistema. Los algoritmos evolutivos son 
un tipo de algoritmos de búsqueda estocástica que permiten encontrar la 
solución en espacios complejos. Dichos algoritmos se han utilizado con éxito 
en el campo de las redes neuronales para encontrar la estructura adecuada de 
la red. También se han utilizado, para calcular el valor de los pesos de las 
conexiones evitando quedar atrapado en mínimos locales.


4 presentacion
   En esta presentación revisaremos los diferentes modelos y métodos 
desarrollados por la comunidad científica para obtener una imagen o 
secuencia de imágenes de alta resolución a partir de un conjunto de 
observaciones (imágenes) de baja resolución. Para realizar dicha revisión 
utilizaremos el modelo Bayesiano para problemas de inferencia. La 
presentación se organizará de la forma siguiente: primero introduciremos 
brevemente el paradigma bayesiano para la resolución de problemas de 
estimación de imágenes y sus ingredientes fundamentales: los modelos de 
observación y los modelos a priori. A continuación estudiaremos el proceso 
de obtención de las imágenes de baja resolución a partir de la imagen de 
alta resolución que queremos estimar, (el llamado modelo de observación en 
la terminología bayesiana). Posteriormente describiremos los diferentes 
modelos de regularización utilizados en problemas de super resolución, (los 
llamados modelos a priori del modelo bayesiano), analizando también los 
métodos propuestos en la literatura para obtener la imagen de alta 
resolución y estimar sus parámetros asociados. Finalmente, discutiremos 
aproximaciones muy recientes a la super resolución y analizaremos áreas de 
investigación cuyo desarrollo, desde nuestro punto de vista, beneficiará 
sustancialmente el campo de la super resolución