Dissertation/ Thesis
Machine learning techniques for optimal worm-like motion
| Τίτλος: | Machine learning techniques for optimal worm-like motion |
|---|---|
| Συγγραφείς: | Jiménez Blanco, Albert |
| Συνεισφορές: | Muñoz Romero, José, Universitat Politècnica de Catalunya. Departament de Matemàtiques |
| Πηγή: | UPCommons. Portal del coneixement obert de la UPC Universitat Politècnica de Catalunya (UPC) |
| Στοιχεία εκδότη: | Universitat Politècnica de Catalunya, 2023. |
| Έτος έκδοσης: | 2023 |
| Θεματικοί όροι: | Artificial intelligence, Àrees temàtiques de la UPC::Matemàtiques i estadística, C.Elegans, Neural Networks, Intel·ligència artificial, Motion Dynamics, Classificació AMS::74 Mechanics of deformable solids::74P Optimization, Neural networks (Computer science), Machine Learning, Classificació AMS::68 Computer science::68T Artificial intelligence, Artificial Intelligence, Machine learning, Aprenentatge automàtic, Xarxes neuronals (Informàtica), Mechanincs |
| Περιγραφή: | En un context de popularització de les tècniques d’Intel·ligència Artificial, aquest treball es proposa aplicar la versió més coneguda d’aquestes, les xarxes neuronals, per tractar comprendre la dinàmica del tipus de cuc C.elegans. Xarxes denses, convolucionals i recurrents van ser provades per tractar de predir moments de flexió a través de posicions i validar l’actual teoria sobre el moviment d’aquests cucs. La capacitat de les Xarxes Neuronals de predir moments a través de posicions sintètiques i experimentals demostrarà ser molt bona, tot i que caldria més investigació per aconseguir una resposta definitiva. En un contexto de popularización de las técnicas de Inteligencia Artificial, este trabajo se propone aplicar la versión más conocida de estas, las redes neuronales, para tratar de comprender la dinámica del tipo de gusano C.elegans. Redes densas, convolucionales y recurrentes serán probadas para tratar de predecir momentos de flexión a través de posiciones y validar la actual teoría sobre el movimiento de estos gusanos. La capacidad de las Redes Neuronales de predecir momentos a través de posiciones sintéticas demostrará ser muy buena, aunque haría falta más investigación para llegar a una respuesta definitiva. In a context of popularization of Artificial Intelligence techniques, this project apllies its most known implementation, neural networks, to try to understand the dynamics underlying the motion of the nematode C.elegans. Dense, convolutional and recurrent networks will be tried to predict moments in base of positions and validate the current theory of these worm’s motion. The capacity of Neural Networks to predict muscle activity, i.e. bending moments, from both synthetic and experimental positions will prove to be very good. However, more investigation would be needed in order to reach a definitive answer. |
| Τύπος εγγράφου: | Bachelor thesis |
| Περιγραφή αρχείου: | application/pdf |
| Γλώσσα: | English |
| Σύνδεσμος πρόσβασης: | https://hdl.handle.net/2117/387776 |
| Rights: | CC BY NC SA |
| Αριθμός Καταχώρησης: | edsair.dedup.wf.002..d73ca1efaaa4aa35f51e4e31e0d8fa35 |
| Βάση Δεδομένων: | OpenAIRE |
| Η περιγραφή δεν είναι διαθέσιμη |