LogoLidi Logo30años
LogoUNLP

11-F011-Procesamiento paralelo y distribuido. Fundamentos y aplicaciones en Sistemas Inteligentes y Tratamiento de imágenes y video.

Director
Dr. R. Marcelo Naiouf
Co-director
Lic.Laura Lanzarini

Objetivos:

Estudiar y aplicar los fundamentos del procesamiento paralelo y distribuido, evaluando la performance de la paralelización de aplicaciones sobre grandes volúmenes de datos y cómputo intensivo. Esto incluye temas tales como modelos, paradigmas, métricas, escalabilidad, balance de carga, predicción y evaluación de performance sobre distintas arquitecturas (multicores, clusters, multiclusters, grid).

Estudiar y desarrollar Sistemas Inteligentes basados en mecanismos de adaptación poniendo especial atención en la modelización de la información disponible. Esto incluye, entre otros temas, Redes neuronales competitivas dinámicas, Arboles de decisión dinámicos y difusos, Metaheruísticas poblacionales (PSO, ACO, AG) sin dejar de lado las diferentes técnicas de representación de la información y el impacto que presentan sobre dichos mecanismos.

Realizar investigación y desarrollo en temas relacionados con software para tratamiento de imágenes y video, reconstrucción 3D de objetos, segmentación, reconocimiento de patrones, especialmente en problemas de tiempo real.

Cabe hacer notar que el proyecto planteado actúa de manera coordinada con otros dos proyectos presentados a esta convocatoria por el III-LIDI, en temas de Arquitecturas Multiprocesador Distribuidas y Sistemas de Software Distribuido.


SubProyecto PDP1- Procesamiento paralelo y distribuido. Fundamentos y aplicaciones.

Director
Dr. R. Marcelo Naiouf
Objetivo

Investigar en temas de Procesamiento concurrente, paralelo y distribuido, tanto en lo referente a los fundamentos como en las aplicaciones. Esto incluye los problemas de software asociados con el uso de arquitecturas multiprocesador.

Interesa la construcción, evaluación y optimización de algoritmos concurrentes, paralelos y distribuidos sobre diferentes arquitecturas multiprocesador (multicore, clusters, multiclusters y grid) y plataformas de software, la optimización de soluciones en función de modelos de arquitectura multiprocesador, los modelos de representación de aplicaciones paralelas, los algoritmos de mapeo de procesos a procesadores, el balance de la carga de procesamiento, la escalabilidad, y las métricas de complejidad y eficiencia
Se propone aplicar los conceptos en problemas numéricos y no numéricos de cómputo intensivo y/o sobre grandes volúmenes de datos.

Líneas de Estudio/Investigación y Desarrollo:

  • Especificación de procesos concurrentes y paralelos.
  • Sistemas paralelos como combinación de software y arquitectura.
  • Paralelización de algoritmos secuenciales. Diseño y optimización de algoritmos.
  • Estudio de la complejidad de algoritmos paralelos, en particular considerando múltiples núcleos y heterogeneidad.
  • Lenguajes y bibliotecas para procesamiento paralelo y distribuido. Comparación de performance
  • Arquitecturas multicore. Multithreading en multicore.
  • Arquitecturas multiprocesador distribuidas.
  • Modelos y paradigmas de computación paralela. Predicción de performance en algoritmos paralelos.
  • Combinación de pasaje de mensajes y memoria compartida en cluster de multicore (programación sobre un modelo híbrido)
  • Análisis de los problemas de migración y asignación óptima de procesos y datos a procesadores. Migración dinámica.
  • Modelos de representación y predicción de performance de algoritmos paralelos.
  • Mapping y scheduling de aplicaciones paralelas sobre diferentes arquitecturas multiprocesador.
  • Métricas del paralelismo. Speedup, eficiencia, rendimiento, isoeficiencia, granularidad, superlinealidad.
  • Patrones de diseño de algoritmos paralelos.
  • Escalabilidad de algoritmos paralelos en arquitecturas multiprocesador distribuidas.
  • Balance de carga estático y dinámico. Técnicas de balanceo de carga.
  • Laboratorios remotos para el acceso transparente a recursos de cómputo paralelo
  • Implementación de soluciones sobre diferentes modelos de arquitectura homogéneas y heterogéneas (multicores, clusters, multiclusters y grid). Ajuste del modelo de software al modelo de hardware a fin de optimizar el sistema paralelo. Evaluación de performance.

Productos y/o Resultados finales esperados:

  • Desarrollo y optimización de algoritmos paralelos/distribuidos sobre diferentes modelos de arquitectura multiprocesador. En particular, en aplicaciones numéricas y no numéricas de cómputo intensivo y tratamiento de grandes volúmenes de datos.
  • Estudio y desarrollo de modelos de representación de aplicaciones paralelas y distribuidas y los algoritmos de mapeo (estático y dinámico) de procesos en procesadores asociados
  • Estudio de los modelos de predicción y evaluación de performance con diferentes paradigmas de interacción entre procesos, en esquemas multicore, cluster, multicluster y grid. Proponer las adecuaciones necesarias.
  • Migración de aplicaciones paralelas conocidas a esquemas multicore y cluster de multicore (en principio de 64, 128 y 256 núcleos), utilizando modelos de programación híbridos.
  • Evaluación de la performance (eficiencia, rendimiento, speedup, escalabilidad) de las soluciones propuestas.
  • Mejora y adecuación de las técnicas disponibles para el balance de carga (estático y dinámico) entre procesos a las arquitecturas consideradas.
  • Generalización de los laboratorios remotos ya desarrollados para el acceso transparente a recursos de cómputo paralelo
  • Formación de recursos humanos en los temas del Subproyecto, incluyendo tesinas de grado y tesis de postgrado.

SubProyecto PDP2- Sistemas Inteligentes

Director
Lic. Laura Cristina Lanzarini

Objetivo

Investigar los problemas de adaptación de sistemas inteligentes poniendo especial interés en la calidad del conocimiento adquirido. Las áreas de aplicación son las siguientes:

  • Minería de Datos: Los temas centrales se encuentran relacionados con la investigación de nuevas estrategias que generen modelos a partir de grandes volúmenes de datos. Los resultados de esta investigación podrían aplicarse en áreas tales como Diagnóstico Médico y Visualización de la información.
  • Reconocimiento de Patrones: el énfasis está puesto en la combinación de las técnicas habitualmente utilizadas con estrategias adaptativas inteligentes que permitan desarrollar aplicaciones con capacidades para reconocer e identificar objetos o personas en tiempo real siendo transferible directamente a aplicaciones de telefonía celular, edición de video, diagnóstico por imégenes.
  • Redes Peer-to-Peer (P2P): La aplicación de distintas metaheurísticas tiene por objetivo central mejorar la capacidad de adecuación del sistema a los cambios rápidos del entorno de información.

Líneas de Estudio/Investigación y Desarrollo:

  • Estudio y análisis de diferentes estructuras de modelización dinámicas. Interesa especialmente la obtención de árboles de decisión incluyendo los árboles difusos e incrementales.
  • Desarrollo y aplicación de diferentes de métricas que permitan analizar el conjunto de reglas a utilizar para representar el modelo. Esto incluye considerar distintas estrategias de poda que permitan maximizar la representación obtenida.
  • Desarrollo e implementación, a partir de los métodos existentes, de estrategias adaptativas capaces de construir y mantener modelos adecuados en entornos de información dinámicos.
  • Análisis de los distintos mecanismos de representación aplicables a señales de voz e imagen y su procesamiento mediante Redes Neuronales competitivas dinámicas.
  • Estudio de distintas metaheurísticas de optimización basadas en trayectoria y en población aplicables a problemas multi-objetivo en general y a la búsqueda de recursos en redes P2P.
  • Análisis de la importancia de los parámetros de las distintas metaheurísticas en el funcionamiento y eficiencia de la estrategia seleccionada. Análisis de la función de aptitud a utilizar en el caso de redes P2P.
  • Análisis de metaheurísticas simples y multiobjetivos basadas en población para la selección apropiada de vecinos en redes P2P
  • Estudio y aplicación de distintos modelos de Computación Natural
  • Estudio y aplicación de técnicas de Minería de Datos en Educación. Se buscará obtener un diagnóstico adaptativo del estudiante con el fin de clasificar adecuadamente el logro académico de cada alumno.
  • Estudio e investigación de Sistemas Hipermedia Adaptativos basados en WEB con el objetivo de medir la calidad del material utilizado en el curso.
  • Estudios de perfomance de los algoritmos desarrollados.
  • Análisis de eficiencia en la resolución de problemas concretos.

Productos y/o Resultados finales esperados:

  • Desarrollo e implementación de estrategias para la obtención de modelos a partir de la información disponible en grandes bases de datos distribuidas.
  • Implementación de métodos para resolver problemas multi-objetivo utilizando metaheurísticas poblacionales analizando especialmente la preservación de la diversidad.
  • Desarrollo de una aplicación para obtener un diagnóstico adaptativo del estudiante, basado en Lógica difusa el cual estará inmerso en el Modelo del Estudiante de un Ambiente Inteligente de Aprendizaje.
  • Desarrollo e implementación de estrategias para la selección de vecinos y búsqueda eficiente de recursos en redes P2P utilizando redes neuronales artificiales.
  • Evaluar la eficiencia obtenida con las soluciones propuestas, analizando su posible migración a arquitecturas multiprocesador y la transformación de los algoritmos en soluciones paralelas.
  • Formar recursos humanos en los temas del Subproyecto, incluyendo tesinas de grado y tesis de postgrado.

SubProyecto P3- Tratamiento de imágenes digitales y video. Visión 3D.

Director
Mg. Claudia Cecilia Russo

Objetivo

Realizar investigación en el planteo de soluciones a problemas de reconstrucción de modelos tridimensionales utilizando técnicas de estereovisión y luz estructurada.

Realizar experimentación en un ambiente controlado que aporte un balance positivo en la relación costo/beneficio, para utilizar un par de imágenes estéreo como entrada permitiendo trabajar con objetos de diversos tamaños.
Realizar investigación y desarrollo en temas relacionados con software para tratamiento de imágenes y video, especialmente en problemas de tiempo real.

Realizar investigación para el desarrollo de nuevos algoritmos de segmentación con modelos de contornos activos o deformables para imágenes estáticas y además, diseñar y paralelizar algoritmos.

Definir una metodología de análisis, aplicada a sectores urbanos reducidos, que permita visualizar y realizar estimaciones orientadas a la sustitución de fuentes de energía tradicionales por renovables y a la implementación de estrategias de uso eficiente de la energía.

Desarrollar un prototipo que mediante resonancia magnética nuclear (fMRI), que permiten determinar la actividad del cerebro humano ante estímulos predefinidos en el paradigma del correspondiente estudio médico.

Los temas de base abarcan aspectos clásicos referidos al procesamiento de imágenes tales como el estudio y optimización de técnicas disponibles de detección de bordes, de segmentación de Imágenes, reconocimiento de patrones, de estimación de movimientos y flujo óptico, cálculos de trayectoria, velocidad y aceleración de objetos, visión estereoscópica, modelado de mallas y reconstrucción 3D.

Líneas de Estudio/Investigación y Desarrollo:

  • Desarrollo y optimización de software en distintos lenguajes de programación,
  • Captura y procesamiento de imágenes de video y sonido,
  • Técnicas de mejora de la calidad de imágenes,
  • Técnicas de detección de borde,
  • Técnicas de segmentación y rotulación de objetos,
  • Reconocimiento de patrones estadísticos,
  • Formatos de imágenes médicas,
  • Optimización de técnicas disponibles (de detección de bordes, de segmentación de imágenes, de estimación de movimientos y flujo óptico, cálculos de trayectoria, velocidad y aceleración de objetos,
  • Visión estereoscópica,
  • Reconstrucción de mallas,
  • Análisis del ambiente de desarrollo adecuado,
  • Adquisición y procesamiento de datos,
  • Diseño de bases de datos específicas,
  • Modelación por computadora de fenómenos físicos.
  • Análisis de la migración de algoritmos a arquitecturas multiprocesador y la transformación de los algoritmos en soluciones paralelas.

Productos y/o Resultados finales esperados:

  • Desarrollar soluciones a problemas específicos de procesamiento de imágenes y video, en particular en tiempo real.
  • Reconstrucción 3D a partir de fotogramas. Implementar el proceso de reconstrucción 3D a partir de una secuencia de imágenes extraídas de un video filmado con una cámara digital.
  • Generación de un prototipo simple, económico y de fácil uso que permita la captura y reconstrucción de modelos 3D. Se minimizará el costo del prototipo de captura prescindiendo del proyector de luz estructurada o láser, usando técnicas de estimación de desplazamiento para calcular las correspondencias entre los puntos obtenidos con el sistema de cámaras estéreo.
  • Elaborar una metodología de análisis, aplicada a sectores urbanos reducidos, para visualizar y realizar estimaciones orientadas a la sustitución de fuentes de energía tradicionales por renovables y a la implementación de estrategias de uso eficiente de la energía.
  • Desarrollar soluciones a problemas específicos de clasificación y reconocimiento de patrones y reconstrucción 3D.
  • Elaborar un prototipo que permita determinar la actividad del cerebro humano ante estímulos predefinidos en el paradigma del correspondiente estudio médico
  • Analizar la migración de algoritmos a arquitecturas multiprocesador y la transformación de los algoritmos en soluciones paralelas. Hacer un análisis de los algoritmos desde el punto de vista de la eficiencia.
  • Formar RRHH en los temas del Subproyecto, incluyendo tesinas de grado y tesis de postgrado.