En el ámbito de la investigación, el aprendizaje de taxonomías comportamentales a partir de sensores llevados por animales representa un desafío significativo. La escasez de etiquetas, el desequilibrio en las clases y la posible ausencia de comportamientos en el conjunto anotado complican esta tarea. En este contexto, destaca un estudio sobre el descubrimiento generalizado de comportamientos en fragmentos cortos de movimiento multivariado de gaviotas, donde cada muestra representa una secuencia con aceleración IMU de 3 ejes (20 Hz) y velocidad GPS, abarcando nueve categorías de comportamiento anotadas por expertos.
Para abordar esta problemática, se propone un pipeline de descubrimiento semi-supervisado que consiste en aprender una función de incrustación a partir del subconjunto etiquetado, realizar un agrupamiento guiado por etiquetas sobre las incrustaciones de muestras etiquetadas y no etiquetadas para formar grupos de comportamientos candidatos, y decidir si un grupo descubierto es verdaderamente novedoso mediante un puntaje de contención.
Un aporte fundamental de este estudio es un puntaje de contención KDE + HDR (región de mayor densidad) que mide cuánto se contiene o contiene una distribución de clúster descubierta dentro de cada distribución de clase conocida; el puntaje de contención de mejor coincidencia sirve como estadística de novedad interpretable.
En experimentos donde se oculta por completo un comportamiento de la supervisión y solo aparece en el conjunto no etiquetado, el método recupera un clúster distinto y el puntaje de contención señala la novedad mediante una superposición baja, mientras que un escenario de control negativo sin comportamiento novedoso produce superposiciones consistentemente más altas. Estos resultados sugieren que la contención basada en HDR proporciona una prueba práctica y cuantitativa para el descubrimiento generalizado de clases en series temporales de movimiento ecológico bajo anotación limitada y desequilibrio severo de clases.
En este contexto, empresas como Q2BSTUDIO, especializadas en el desarrollo de aplicaciones a medida y software personalizado, pueden aprovechar estos avances en inteligencia artificial para ofrecer soluciones innovadoras a sus clientes. Además, servicios como los de ciberseguridad, inteligencia de negocio o la implementación de IA para empresas cobran especial relevancia en un entorno empresarial cada vez más digitalizado.
Si estás interesado en conocer más sobre cómo Q2BSTUDIO puede ayudar a tu empresa a aprovechar al máximo la tecnología, no dudes en visitar su sitio web sobre desarrollo de aplicaciones de software a medida o explorar sus servicios en la nube de AWS y Azure.
