http://hdl.handle.net/10366/68520 Fri, 24 Apr 2026 02:12:34 GMT 2026-04-24T02:12:34Z http://hdl.handle.net/10366/170975 [ES] Esta tesis doctoral propone una arquitectura de computación al borde bioinspirada, potenciada con modelos de lenguaje ligeros, como solución innovadora para optimizar la productividad agrícola en territorios con baja o nula conectividad. En un contexto global marcado por el cambio climático, en el que se identifican dificultades como la degradación del suelo y la inseguridad alimentaria, se plantea un enfoque tecnológico sostenible y de bajo costo, diseñado específicamente para entornos rurales y comunidades en condición de vulnerabilidad. La arquitectura desarrollada integra internet de las cosas, algoritmos bioinspirados (como colonias de hormigas, algoritmos genéticos, optimización por enjambre de abejas y temple simulado), redes neuronales de memoria a largo y corto plazo, procesos gaussianos, y una capa de interacción con el usuario final basada en inteligencia artificial generativa. Esta combinación permite una toma de decisiones autónoma y contextualizada directamente en el borde, sin necesidad de conectividad permanente, generando recomendaciones precisas para optimizar variables agroclimáticas como temperatura, humedad, pH, iluminación y peso. El diseño metodológico de esta investigación se fundamenta en enfoques de diseño centrado en el usuario, Design Thinking y co-creación, aplicados con rigurosidad científica en escenarios reales. La validación de las arquitecturas propuestas se realizó a través de cuatro experimentaciones en campo con agricultores, apicultores y productores de compost en zonas rurales y periurbanas del suroccidente colombiano. Esta fase experimental no solo permitió evaluar la robustez técnica del sistema, sino también su relevancia social, facilidad de adopción y sostenibilidad operativa en contextos con baja alfabetización digital y conectividad intermitente. Los resultados obtenidos demuestran un impacto tangible y replicable: incrementos de productividad del 45% en cultivos urbanos de lechuga, una reducción del 29% en el ciclo de cosecha del cilantro en ambientes controlados, una mejora del 87.88% en la producción de humus en procesos de vermicompostaje, y un aumento del 41.2% en la productividad apícola, acompañado de una reducción del 80% en el tiempo de inspección manual. Estos resultados reflejan el potencial transformador de la integración entre Inteligencia Artificial, Diseño Social y Tecnologías de Borde, consolidando un nuevo paradigma de agricultura digital resiliente, inclusiva y alineada con los Objetivos de Desarrollo Sostenible.; [EN] This doctoral dissertation proposes a bio-inspired edge computing architecture, enhanced with lightweight language models, as an innovative solution to optimize agricultural productivity in territories with limited or no connectivity. In a global context marked by climate change, where challenges such as soil degradation and food insecurity are increasingly evident, the study presents a sustainable, low-cost technological approach specifically designed for rural environments and communities in vulnerable conditions. The developed architecture integrates the Internet of Things, bio-inspired algorithms (such as ant colony optimization, genetic algorithms, artificial bee colony optimization, and simulated annealing), long and short-term memory neural networks, Gaussian processes, and a user interaction layer based on generative artificial intelligence. This combination enables autonomous, context-aware decision-making directly at the edge, without the need for permanent connectivity, generating precise recommendations to optimize agro-climatic variables such as temperature, humidity, pH, illumination, and weight. The methodological design of this research is grounded in user-centered design approaches, Design Thinking, and co-creation, applied with scientific rigor in real-world scenarios. Validation of the proposed architectures was carried out through four field experiments involving farmers, beekeepers, and compost producers in rural and peri-urban areas of southwestern Colombia. This experimental phase made it possible to assess not only the system’s technical robustness but also its social relevance, ease of adoption, and operational sustainability in contexts with low digital literacy and intermittent connectivity. The results demonstrate a tangible and replicable impact: a 45% increase in productivity for urban lettuce crops, a 29% reduction in the cilantro harvest cycle in controlled environments, an 87.88% improvement in humus production in vermicomposting processes, and a 41.2% increase in beekeeping productivity, accompanied by an 80% reduction in manual inspection time. These outcomes highlight the transformative potential of integrating Artificial Intelligence, Social Design, and Edge Technologies, consolidating a new paradigm of resilient and inclusive digital agriculture aligned with the Sustainable Development Goals. Thu, 01 Jan 2026 00:00:00 GMT http://hdl.handle.net/10366/170975 2026-01-01T00:00:00Z http://hdl.handle.net/10366/170437 [ES] La conciencia medioambiental de la sociedad española se ha incrementado de una manera muy importante en las dos últimas décadas, pese a ello, aún estamos muy lejos de muchos países europeos en lo que respecta al reciclaje y la reutilización, muy especialmente en lo que se refiere a los residuos provenientes de la construcción y la demolición (RCDs). En Europa estos residuos de construcción y demolición (RCDs) constituyen el mayor material de desecho, tanto en peso como en volumen. Los materiales que podemos encontrar en estos residuos de construcción y demolición (RCDs) son: productos cerámicos (ladrillos, tejas, etc.), residuos de hormigón, materiales asfálticos (generalmente mezclas bituminosas) y, en menor medida, componentes como madera, vidrio, plásticos y algunos otros. Cada vez es más prioritario realizar una correcta gestión de los residuos, si tenemos en cuenta que la primera gran premisa es la reducción, en el caso de los RCDs, si se aumenta el reciclaje y la reutilización, se disminuirán las necesidades de materiales por parte del sector de la obra civil y la edificación. En la actualidad todos somos conscientes que los recursos naturales se agotarán con el tiempo. Por ello, es muy importante buscar nuevos productos a partir de estos residuos, que nos permitan dar nuevos usos a todos estos materiales, y evitar así que terminen su vida útil en un vertedero. En base a lo dicho anteriormente, el presente trabajo propone una vía de solución, al investigar el posible reciclado de varios tipos de residuos procedentes del sector de la construcción y de la industria. El presente trabajo incide en aspectos relacionados con estos nuevos materiales, como la optimización de la molienda, la mejora de las técnicas de conformado, la caracterización de propiedades mecánicas y acústicas, estudio de posibles aplicaciones futuras [EN] Environmental awareness in Spanish society has increased significantly over the last two decades; despite this, we are still far behind many European countries in terms of recycling and reuse, especially regarding waste from construction and demolition (CDW). In Europe, this construction and demolition waste (CDW) constitutes the largest waste material, both in weight and volume. The materials that can be found in this construction and demolition waste (CDW) are: ceramic products (bricks, tiles, etc.), concrete waste, asphalt materials (generally bituminous mixtures) and, to a lesser extent, components such as wood, glass, plastics and some others. Proper waste management is becoming increasingly of a priority; if we consider that the first major premise is reduction, in the case of CDW, if recycling and reuse are increased, the need for materials by the civil construction and building sector will be reduced. Currently, we are all aware that natural resources will eventually be depleted. Therefore, it is very important to seek new products from this waste, which allow us to give new uses to all these materials, and thus prevent them from ending their useful life in a landfill. Based on the above, this work proposes a solution pathway by investigating the possible recycling of various types of waste from the construction sector and industry. This work focuses on aspects related to these new materials, such as the optimization of grinding, the improvement of forming techniques, the characterization of mechanical and acoustic properties, and the study of possible future applications Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/170437 2025-01-01T00:00:00Z http://hdl.handle.net/10366/170360 [ES] La desnutrición sigue siendo un desafío crítico de salud pública global, derivado de una compleja interacción entre ingesta insuficiente de nutrientes, dietas desequilibradas y acceso limitado a alimentos de calidad. Entre las carencias de micronutrientes, la anemia por deficiencia de hierro persiste como causa principal de morbilidad, afectando especialmente a niños, mujeres en edad reproductiva y personas mayores. Dado que una nutrición adecuada es esencial para la salud, el desarrollo cognitivo y el bienestar, abordar la desnutrición resulta prioritario para mejorar los resultados sanitarios globales. En este contexto, las legumbres destacan por su excelente equilibrio de proteínas, fibra y micronutrientes. Las lentejas (Lens culinaris Medik.) son una de las más cultivadas y consumidas, debido a su alto valor nutricional, que incluye proteínas de calidad, carbohidratos complejos, fibra y minerales como hierro, magnesio y zinc, además de fitoquímicos con propiedades bioactivas. Estas características, junto con la preferencia por fuentes vegetales sostenibles, consolidan a la lenteja como un recurso estratégico para la nutrición y la sostenibilidad alimentaria. Sin embargo, su aprovechamiento nutricional se ve limitado por factores antinutricionales que reducen la biodisponibilidad de minerales y la digestibilidad proteica. Para superarlo, se han estudiado técnicas como remojo, cocción, germinación y fermentación, que mejoran la bioaccesibilidad, calidad sensorial y funcionalidad de las harinas. Aprovechando este conocimiento, esta tesis doctoral examina la influencia de factores genéticos, ambientales y de procesamiento sobre la calidad y funcionalidad de las lentejas, explorando sistemáticamente cómo la selección de cultivares, las condiciones edafoclimáticas, las prácticas agrícolas, los pretratamientos y la fermentación microbiana pueden optimizar sinérgicamente los atributos nutricionales, químicos y tecnofuncionales de las harinas de lenteja. Un aspecto clave de este trabajo es el desarrollo de harinas funcionales de lenteja con mayor biodisponibilidad de hierro y mejor digestibilidad proteica, destinadas a emplearse como extensores vegetales en productos alimentarios. Estos ingredientes pueden sustituir parcialmente la carne, ofreciendo opciones saludables, sostenibles y funcionales. El primer artículo revisa estrategias de fortificación y biofortificación para combatir la anemia ferropénica, incluyendo mejoras genéticas y de procesamiento que incrementan el contenido y la absorción de hierro, sentando las bases para alimentos funcionales a base de lenteja. El segundo artículo analiza características fitoquímicas y antioxidantes de cultivares Pardina de distintas regiones españolas, evidenciando variaciones varietales y ambientales que condicionan la calidad nutricional y bioactiva. El tercero examina la composición nutricional y antioxidante de la lenteja Armuña, destacando la influencia de las condiciones edafoclimáticas en su perfil. El cuarto compara variedades cultivadas bajo agricultura orgánica y convencional, mostrando que el tipo de producción tuvo poca influencia en los perfiles analizados, mientras que la variedad fue el factor más determinante en la composición y el potencial antioxidante. El quinto artículo evalúa el impacto de remojo, cocción, germinación y tostado sobre las propiedades fisicoquímicas y los antinutrientes, demostrando que estos procesos mejoran el valor nutricional y funcional de las harinas. El sexto explora la combinación de germinación y fermentación con bacterias ácido-lácticas y una levadura probiótica, reduciendo ácido fítico, taninos e inhibidores de tripsina, y aumentando el contenido proteico y mineral. Las harinas resultantes presentaran cualidades tecnofuncionales adecuadas para diversas aplicaciones alimentarias como extensores de carne. El séptimo articulo aborda los extensores cárnicos vegetales, resaltando el papel de las legumbres en su formulación debido a su valor nutricional y sus características funcionales. En conjunto, estos artículos conforman un compendio integral sobre la explotación de la lenteja, demostrando que la optimización del procesamiento y el uso de avances biotecnológicos pueden mejorar la calidad nutricional, la biodisponibilidad de micronutrientes y las propiedades funcionales. Así, los estudios ofrecen una base científica para desarrollar ingredientes derivados de lentejas que fortalezcan la seguridad nutricional y los sistemas sostenibles, posicionando a la lenteja como un componente clave en la transición hacia dietas más saludables.; [EN] Malnutrition remains a critical global public health challenge, arising from a complex interplay between insufficient nutrient intake, unbalanced diets, and limited access to quality foods. Among micronutrient deficiencies, iron deficiency anemia persists as a major cause of morbidity, particularly affecting children, women of reproductive age, and the elderly. Since adequate nutrition is essential for health, cognitive development, and general well-being, addressing malnutrition is a top priority to improve global health outcomes. In this context, pulses stand out for their excellent balance of proteins, fiber, and micronutrients. Lentils (Lens culinaris Medik.) are among the most widely cultivated and consumed pulses due to their high nutritional value, which includes quality proteins, complex carbohydrates, dietary fiber, and key minerals such as iron, magnesium, and zinc, as well as phytochemicals with bioactive properties. These characteristics, together with the growing preference for sustainable plant-based sources, position lentils as a strategic resource for nutrition and food sustainability. However, their full nutritional potential is often limited by the presence of antinutritional factors that reduce mineral bioavailability and protein digestibility. To overcome these limitations, various processing techniques, such as soaking, cooking, germination, and fermentation, have been studied for their ability to enhance nutrient availability, sensory quality, and functional properties of lentil flours. Building on this knowledge, this doctoral thesis comprehensively examines the influence of genetic, environmental, and processing factors on lentil quality and functionality, systematically exploring how the selection of cultivars, edaphoclimatic conditions, agricultural practices, pretreatments, and microbial fermentation can synergistically optimize the nutritional, chemical, and technofunctional properties of lentil flours. A key aspect of this work is the development of biodynamic lentil flours with improved iron bioavailability and protein digestibility, intended for use as plant-based meat extenders in food formulations. These ingredients can partially replace meat, offering healthy, sustainable, and functional alternatives. The first article reviews food fortification and biofortification strategies to combat iron deficiency anemia, including genetic enhancement and processing interventions that increase iron content and absorption, establishing the basis for functional foods made from lentils. The second article analyzes the phytochemical and antioxidant characteristics of Pardina lentil cultivars from different Spanish regions, revealing varietal and environmental differences that shape nutritional and bioactive quality. The third article examines the nutritional and antioxidant composition of Armuña lentils, highlighting the significant influence of edaphoclimatic conditions on their profiles. The fourth compares varieties grown under organic and conventional farming systems, showing that farming type had little influence on the analyzed profiles, while variety proved to be the most decisive factor in nutrient composition and antioxidant potential. The fifth article evaluates the impact of physical pretreatments (soaking, cooking, germination, and microwave roasting) on the physicochemical properties and antinutritional factors of lentil flours, demonstrating that these processes enhance nutritional value and functionality. The sixth explores the combined use of germination and fermentation with lactic acid bacteria and a probiotic yeast, which markedly reduces phytic acid, tannins, and trypsin inhibitors while increasing protein and mineral contents. The resulting flours exhibit suitable technofunctional properties for various food applications, such as meat extenders. The seventh article addresses plant-based meat extenders, highlighting the role of legumes in their formulation due to their nutritional value and functional properties. Taken together, these articles form a comprehensive compendium on lentil utilization, demonstrating that optimizing processing and applying biotechnological advances can enhance nutritional quality, micronutrient bioavailability, and functional properties. Thus, the studies provide a scientific basis for developing lentil-derived ingredients that strengthen nutritional security and sustainable food systems, positioning lentils as a key component in the transition toward healthier diets. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/170360 2025-01-01T00:00:00Z http://hdl.handle.net/10366/170185 [ES] El cultivo de Pistacia vera L. experimenta una expansión sostenida en España, estrechamente condicionada por la gestión hídrica y la fertilización. De forma complementaria a su interés agronómico y nutricional, diversas investigaciones recientes han puesto de manifiesto la presencia de compuestos fenólicos con actividad alelopática en distintas fracciones del pistachero. Esta funcionalidad bioactiva se perfila como una herramienta susceptible de incorporarse en esquemas de manejo sostenible de la flora espontánea. En este contexto, la presente investigación doctoral se plantea desde una doble perspectiva: por un lado, explorar el potencial alelopático del árbol pistachero como estrategia agroecológica en el manejo de malas hierbas, y por otro, la evaluación comparativa del impacto de diferentes modalidades de fertilización orgánica frente a la fertilización mineral convencional sobre sobre variables agronómicas y sobre la calidad composicional del fruto. En la primera línea de trabajo de esta tesis doctoral se evaluó el efecto alelopático del pistachero mediante ensayos de campo y laboratorio. En condiciones reales de cultivo, se observó una reducción progresiva en biomasa y diversidad de especies arvenses bajo la copa del pistachero, correlacionada con la edad del árbol. En laboratorio, los extractos acuosos de matrices vegetales, raíces, hojas, pieles de fruto, y compuestos fenólicos aislados mostraron efectos inhibitorios selectivos sobre malas hierbas, especialmente frente a especies de hoja ancha. El ácido protocatequico destacó como el compuesto más eficaz en la inhibición del crecimiento arvense. Estos ensayos no interfirieron en la germinación de cultivos de interés agronómico. En ensayos en maceta, la aplicación de extractos acuosos foliares y de pericarpios, así como del polvo de éstos últimos, evidenció actividad alelopática significativa, especialmente frente a arvenses de hoja ancha, con mayor eficacia en sustratos inertes respecto a los orgánicos. No se observaron efectos biofungicidas relevantes de los extractos y polvo de pieles de pistacho frente a patógenos en condiciones in vitro. El análisis fitoquímico de las hojas mostró altos niveles de ácido gálico, catequina, miricetina y rutina. En las pieles del fruto se identificaron 18 compuestos fenólicos, destacando los ácidos gálico y protocatequico como mayoritarios. La segunda línea de trabajo abordó la influencia de la fertilización orgánica —compost y té de compost— frente a la fertilización mineral convencional evaluando los efectos sobre el rendimiento del pistachero joven y la composición del fruto durante dos ciclos de producción. Se establecieron cuatro tratamientos durante las dos campañas productivas: fertilización mineral (control), compost (T1), compost + té de compost (T2), y té de compost + fertilización mineral (T3). Como resultados, aunque el rendimiento no se incrementó significativamente con los tratamientos orgánicos, se observó una mayor viabilidad de yemas florales y una mejora cualitativa del fruto. Desde el punto de vista nutricional, no se observaron variaciones significativas en la composición proximal del fruto asociadas al tipo de fertilización. No obstante, los tratamientos que incluyeron té de compost (T2 y T3) favorecieron un incremento en el contenido de ácido linolénico. En cuanto al perfil mineral del fruto del pistacho, únicamente el contenido de zinc mostró un aumento significativo en T3, y solo en una de las campañas. Por su parte, la composición de aminoácidos se mantuvo estable entre tratamientos. Conclusiones Los resultados obtenidos en los ensayos realizados en la presente tesis doctoral evidencian un efecto alelopático del pistachero (Pistacia vera L.) sobre especies arvenses, asociado a la presencia de compuestos fenólicos en hojas y pericarpios, con actividad bioherbicida selectiva frente a dicotiledóneas, sin observarse efecto biofungicida. Paralelamente, el uso de compost y té de compost resultó eficaz en la fertilización de árboles jóvenes, manteniendo el rendimiento y la composición nutricional del fruto estables, destacando que el uso de té de compost promovió un leve aumento en ácido linolénico y zinc en el fruto del pistacho. Estos hallazgos refuerzan el interés del pistachero en estrategias agroecológicas, destacando su doble valor como fuente de compuestos alelopáticos y como cultivo compatible con prácticas sostenibles.; [EN] The cultivation of Pistacia vera L. is undergoing sustained expansion in Spain, a trend closely linked to irrigation management and fertilization practices. Beyond its agronomic and nutritional value, recent studies have revealed the presence of phenolic compounds with allelopathic activity in various tissues of the pistachio tree. This endogenous bioactivity has emerged as a promising avenue for incorporation into sustainable weed management strategies. Within this framework, the present doctoral research adopts a dual approach: first, to investigate the allelopathic potential of the pistachio tree as an agroecological tool for weed control; and second, to conduct a comparative assessment of the effects of organic versus conventional mineral fertilization on agronomic performance and the compositional quality of pistachio nuts. In the first phase of this doctoral thesis, the allelopathic effect of pistachio tree through both field and laboratory assay was evaluated. Under field conditions, a progressive reduction in weed biomass and species diversity was observed beneath the tree canopy, with the effect intensifying with tree age. In vitro essays using aqueous extracts from plant matrices—roots, leaves, fruit pericarps—and isolated phenolic compounds revealed selective inhibitory effects, particularly on broadleaf weed species. Protocatechuic acid exhibited the strongest inhibitory effect on weed growth. Importantly, these extracts did not interfere with the germination of economically relevant crops. In pot essays, foliar and pericarp aqueous extracts, as well as dried pericarp powder, demonstrated significant allelopathic activity, especially against broadleaf weeds. The effects were more pronounced in inert substrates compared to organic ones. However, no biofungicidal effects were detected against phytopathogens under in vitro conditions. Phytochemical analyses of the leaves revealed high concentrations of gallic acid, catechin, myricetin, and rutin. A total of 18 phenolic compounds were identified in the hulls, with gallic and protocatechuic acids being predominant. The second line of research focused on assessing the impact of organic fertilization— compost and compost tea—compared to conventional mineral fertilization on the performance of young pistachio trees and nut composition during two growing seasons. Four fertilization treatments were implemented across both campaigns: mineral fertilization (control), compost (T1), compost + compost tea (T2), and compost tea + mineral fertilization (T3). Although yield did not increase significantly under organic treatments, greater floral bud viability and improved fruit quality were observed. From a nutritional standpoint, no significant differences were found in the nut’s proximate composition among treatments. However, treatments involving compost tea (T2 and T3) were associated with an increase in linolenic acid content. Regarding mineral content, only zinc showed a significant rise under T3, and only during one of the two campaigns. Amino acid profiles remained consistent across all treatments. Conclusions The results obtained in the studies carried out in the doctoral thesis confirm the allelopathic effect of Pistacia vera L. on weed species, linked to the presence of phenolic compounds in leaves and hulls, with selective bioherbicidal activity against dicotyledonous weeds and no biofungicidal effect observed. Simultaneously, the use of compost and compost tea proved effective for fertilizing young trees, maintaining yield and nutritional quality of the fruit. Notably, compost tea application led to slight increases in linolenic acid and zinc content in pistachio nuts. These results support the agroecological relevance of pistachio cultivation, emphasizing its dual role as a source of allelopathic compounds and as a crop compatible with sustainable management practices. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/170185 2025-01-01T00:00:00Z http://hdl.handle.net/10366/170087 [ES] Esta Tesis Doctoral investiga cómo se pueden diseñar y desplegar plataformas modulares y polivalentes de drones aéreos para abordar retos específicos de misiones en la gestión de incendios forestales y la exploración geofísica. A medida que la tecnología de los drones madura, crece significativamente la demanda de plataformas adaptables que admitan diversas cargas útiles, operen en condiciones ambientales variables y proporcionen información específica del dominio. En respuesta a esta necesidad, la investigación presentada en este compendio contribuye con un conjunto de soluciones originales que integran la modularidad mecánica, la flexibilidad de los sensores y el diseño orientado a la misión. El primer estudio presenta PULSAR, una novedosa arquitectura de drones reconfigurable capaz de operar en configuraciones de cuadricóptero, coaxial y octocóptero. Diseñada para la gestión de incendios forestales, la plataforma admite múltiples cargas útiles e incorpora reconocimiento automático de configuración, lo que permite una rápida adaptación a diversas misiones de campo, como la cartografía forestal detallada y la detección y el seguimiento de elementos relevantes. El segundo estudio aplica un dron polivalente equipado con un magnetómetro para actividades de exploración minera en el histórico yacimiento minero de Lavrion, en Grecia. El diseño del dron garantiza la limpieza magnética, la estabilidad de vuelo y la integración eficiente de los sensores, lo que permite realizar estudios de magnetometría aérea precisos y modelos de susceptibilidad en 3D, al tiempo que ofrece la flexibilidad necesaria para admitir otras aplicaciones geofísicas. El tercer estudio ofrece una revisión exhaustiva de la prospección geofísica basada en drones, sintetizando las tendencias en la integración de sensores, los tipos de plataformas y las aplicaciones de campo a lo largo del ciclo de vida de la minería. Presentada como un compendio de tres publicaciones científicas revisadas por pares, esta Tesis Doctoral refleja un enfoque que une el diseño de ingeniería, el despliegue sobre el terreno y la síntesis analítica. En conjunto, los estudios promueven el desarrollo de drones aéreos polivalentes para la vigilancia medioambiental, la exploración de recursos y la gestión tras catástrofes, ámbitos en los que la adaptabilidad, la calidad de los datos y la integración de sensores son fundamentales. En resumen, esta Tesis Doctoral recopila los valiosos conocimientos y la experiencia técnica adquiridos durante el proceso de investigación, consolidados a través de las publicaciones científicas producidas a lo largo de este trabajo doctoral con mención industrial.; [EN] This doctoral thesis investigates how modular and multipurpose aerial drone platforms can be designed and deployed to address mission-specific challenges in wildfire management and geophysical exploration. As drone technology matures, the demand for adaptable platforms that support diverse payloads, operate under varying environmental conditions, and deliver domain-specific insights grows significantly. Responding to this need, the research presented in this compendium contributes with a set of original solutions that integrate mechanical modularity, sensor flexibility, and mission-oriented design. The first study introduces PULSAR, a novel reconfigurable drone architecture capable of operating in quadcopter, coaxial, and octocopter configurations. Designed for wildfire management, the platform supports multiple payloads and incorporates automatic configuration recognition, enabling rapid adaptation to diverse field missions, such as detailed forest mapping and detection and tracking of relevant elements. The second study applies a multipurpose drone equipped with a magnetometer for mineral exploration activities at the historic Lavrion mining site in Greece. The drone’s design ensures magnetic cleanliness, flight stability, and efficient sensor integration, allowing for accurate aerial magnetometry surveys and 3D susceptibility modeling, while also providing the flexibility to support other geophysical applications. The third study offers a comprehensive review of drone-based geophysical prospection, synthesizing trends in sensor integration, platform types, and field applications across the mining lifecycle. Presented as a compendium of three peer-reviewed scientific publications, this dissertation reflects an approach that bridges engineering design, field deployment, and analytical synthesis. Collectively, the studies advance the development of multipurpose aerial drones for environmental monitoring, resource exploration, and post-disaster management, domains where adaptability, data quality, and sensor integration are critical. In summary, this thesis compiles valuable knowledge and technical expertise acquired during the research process, consolidated through the scientific publications produced throughout this doctoral work with industrial mention. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/170087 2025-01-01T00:00:00Z http://hdl.handle.net/10366/170086 [EN] Quantum computing is widely regarded as one of the scientific fields with the greatest transformative potential. Its applications are already being explored in areas such as cybersecurity, chemistry, and machine learning. Within the domain of quantum machine learning, one emerging subfield is quantum natural language processing (QNLP), which seeks to leverage quantum algorithms to address complex language-related tasks more efficiently than classical counterparts. This thesis begins with a systematic literature review of the current landscape of quantum machine learning, focusing particularly on the design, development, and deployment of QNLP models on real quantum hardware. The SLR identifies 94 relevant articles that utilize quantum machine learning techniques and algorithms, highlighting their implementation via computational quantum circuits, or ansatzes. The main types of algorithms found include quantum adaptations of classical models such as support vector machines and k-nearest neighbors, as well as quantum neural networks, one of the most prominent applications being image classification. In addition, this work offers both quantitative and qualitative analyses, integrating a comprehensive set of experiments conducted on quantum simulators and real quantum devices. A significant contribution of this work lies in the design and evaluation of these new quantum circuit architectures, tailored to optimize expressibility, entanglement, and trainability. Empirical analysis shows that model accuracy tends to exhibit an inverse relationship with ansatz expressibility and a direct correlation with entanglement capability. In parallel, it contributes to the field by proposing novel ansatz architectures and applying circuit knitting techniques to overcome current hardware limitations. Ultimately, this thesis demonstrates the feasibility of hybrid quantum-classical approaches in QNLP and highlights their potential to be extended to support more complex and scalable real-world language applications. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/170086 2025-01-01T00:00:00Z http://hdl.handle.net/10366/170077 [ES] Las agresiones físicas son un problema grave y generalizado, como lo demuestra el hecho de que más de una cuarta parte (27%) de las mujeres de entre 15 y 49 años a nivel global declaran haber sido sometidas a algún tipo de violencia física y/o sexual por parte de su pareja íntima. La Inteligencia Artificial y específicamente las técnicas de Visión Artificial, ofrecen una solución eficaz para detectar la violencia en tiempo real, reduciendo la necesidad de supervisión humana constante. La Inteligencia Artificial, y en particular las técnicas de Visión Artificial, pueden contribuir a identificar episodios de violencia en tiempo real en lugares previamente delimitados, respetando los marcos éticos y legales establecidos. Sin embargo, el aumento del uso de la inteligencia artificial ha generado preocupación sobre la fiabilidad de los algoritmos, lo que ha llevado a la creación de informes destinados a establecer estándares y guías, con organizaciones como la Comisión Europea liderando estos esfuerzos. En este respecto, existen múltiples propuestas de algoritmos para la detección de violencia, donde la combinación de arquitecturas más comúnmente empleada es la de Redes Neuronales Convolucionales (CNN) y Redes de Memoria a Corto y Largo Plazo (LSTM), la cual obtiene excelentes resultados, si bien todavía persisten desafíos; sin embargo, hasta donde se conoce, ningún trabajo en el estado del arte ha abordado la detección de violencia mediante el uso de inteligencia artificial explicable, lo que limita la comprensión y confianza en los resultados obtenidos. Por ello, el objetivo principal de esta Tesis Doctoral es investigar, diseñar, desarrollar y validar algoritmos basados en técnicas de inteligencia artificial fiable orientadas en la detección de violencia en vídeo, con foco en arquitecturas basadas en la combinación de CNN junto con capas LSTM. En base a ello, en este trabajo se ha llevado a cabo un análisis y categorización de todos los procesos que involucran la detección de violencia en vídeo. Posteriormente se han investigado, diseñado, desarrollado y validado tres arquitecturas que utilizan la arquitectura VGG-19 preentrenada, una red neuronal convolucional conocida por su capacidad para extraer características visuales, combinadas con: características manuales, capas LSTM y capas Bi-LSTM. Por último, a partir de estas arquitecturas se han implementado técnicas de inteligencia artificial explicable como GradCAM y se ha creado un algoritmo que cuantifica el nivel de importancia para la detección de violencia por parte de las capas LSTM y Bi-LSTM. Los resultados obtenidos demuestran que el uso de capas Bi-LSTM supera al rendimiento obtenido por capas LSTM, si bien esta mejora no supera el 4% de exactitud. No se han encontrado valores o combinaciones de hiperparámetros para las arquitecturas que utilizan capas LSTM y Bi-LSTM que mejoren de una forma estadísticamente significativa la accuracy obtenida. Las arquitecturas desarrolladas han obtenido buenos reusltados como, por ejemplo, la combinación de VGG-19 preentrenada con capas Bi-LSTM, que obtiene un 97% de exactitud utilizando el dataset Hockey Fights. Por último, se ha conseguido hacer más explicable el proceso de detección con las técnicas implementadas.; [EN] Physical aggressions constitute a serious and widespread issue in society. Studies indicate that in 2015, at least half of the children in Asia, Africa, and North America experienced violence. Although solutions have been explored for medium and long-term interventions, real-time violence detection through artificial intelligence offers a direct and efficient solution that can save lives and reduce the need for constant human supervision. On the other hand, the increasing use of artificial intelligence has raised concerns about the development of reliable algorithms, leading to the creation of reports to define and standardize these terms. Major organizations such as the European Comission are leading this effort. There are multiple algorithm proposals for violence detection, with the most commonly employed combination being Convolutional Neural Networks (CNN) and Long Short-Term Memory (LSTM) networks, which yield excellent results. However, there are still issues to address, such as the actual impact of using LSTM layers instead of just CNN, how much violence detection improves with CNN combined with Bi-LSTM layers instead of LSTM layers, or if certain values and combinations of hyperparameters yield better results. Lastly, the use of reliable artificial intelligence remains very limited. Based on this, this work has developed a systematic literature review with the analysis and categorization of: 21 challenges associated with violence detection, 28 public datasets on violence v´ıdeos, and 13 evaluation metric methods; among others. Three architectures have been developed using pre-trained VGG-19 combined with: manual features, LSTM layers, and Bi-LSTM layers. It is evident that the use of Bi-LSTM layers outperforms the performance obtained by LSTM layers, although this improvement does not exceed 3% accuracy. No values or combinations of hyperparameters that significantly improve the obtained accuracy have been found statistically. The developed architectures have achieved good results, such as the combination of pre-trained VGG-19 with Bi-LSTM layers, which achieves 97% accuracy using the Hockey Fights dataset and 90% using the Violent Flow dataset. Lastly, the use of explainable artificial intelligence techniques on the proposed architectures, where YoloV8 and Frame Difference are used for the extraction of characteristic frames, GradCAM to highlight the areas VGG-19 focuses on for each convolutional layer, and a proprietary algorithm quantifies the level of importance for violence detection by LSTM and Bi-LSTM layers in violence detection. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/170077 2025-01-01T00:00:00Z http://hdl.handle.net/10366/169850 [EN] Over a decade ago, the term "Industrie 4.0" was first introduced at the Hannover Messe fair in Germany to describe a revolutionary paradigm focused on the digital transformation of industrial environments. This transformation is driven by the adoption of industrial Cyber-physical Systems (CPS), which enable unprecedented levels of flexibility, reconfigurability, and resilience in manufacturing systems. In these envisioned systems, every asset is embedded with intelligence and connectivity, enabling them to autonomously make decisions, collaborate, adapt to condition changes, and work together to optimize processes. As a result, Industry 4.0 (I4.0) creates a more agile, efficient, and responsive industrial ecosystem capable of anticipating and addressing market demands, driving continuous innovation, and maximizing productivity. Despite significant efforts to leverage I4.0, its full realization remains a distant reality. Many companies continue to face challenges such as technological integration, the high complexity of designing such systems, substantial implementation costs, and the lack of standardized solutions that ensure seamless interoperability. To help address these challenges, the Reference Architecture Model Industrie 4.0 (RAMI4.0) has been introduced. RAMI4.0 is a three-dimensional model that formalizes all key aspects related to the digitization of industrial assets, aiming to provide guidelines and a shared understanding for participants in developing I4.0-compliant solutions based on industrial standards. At the core of RAMI4.0 lies the concept of the I4.0 component, a specific CPS category encompassing an asset and its digital counterpart, the Asset Administration Shell (AAS). The AAS serves as a standardized digital representation of a physical or logical asset, encapsulating all relevant information throughout the asset's lifecycle. By acting as the digital interface of an asset, the AAS ensures that all assets, regardless of their type or function, can be seamlessly integrated into the I4.0, facilitating interoperability and efficient data exchange across the entire production network. However, traditional AAS solutions, including AAS Types 1 and 2, cannot address all the requirements of modern industrial environments. To overcome these limitations, the AAS Type 3 extends beyond the conventional functionalities of traditional AAS by incorporating more sophisticated features, enabling I4.0 components to operate with greater autonomy, intelligence, and collaborative capabilities. Despite its potential, AAS Type 3 remains an emerging and underexplored concept in the literature. While traditional AAS implementations (Types 1 and 2) have been widely studied and adopted, research on AAS Type 3 is still in its early stages, lacking comprehensive studies and standardized guidelines for its design and implementation. This gap highlights the need for further exploration to define its architecture, functionalities, and practical applications. By integrating autonomy, intelligence, and collaboration, AAS Type 3 represents a crucial step toward fully realizing the vision of I4.0. In this context, the objective of this thesis is to address the lack of research on AAS Type 3 by specifying an approach for its realization using Multi-agent Systems (MAS). By leveraging the principles of MAS, this work aims to define an agent-based approach that enables AAS to operate with enhanced autonomy, intelligence, and collaboration. The proposed approach aims to provide a clear specification for designing and implementing AAS Type 3, allowing assets to interact dynamically, make decentralized decisions, and coordinate actions to achieve production goals efficiently. Moreover, as an innovative approach, this work contributes meaningfully to the state-of-the-art, serving as a valuable reference for researchers and practitioners interested in advancing the development and implementation of AAS Type 3 through an agent-based approach. The proposed agent-based AAS approach was implemented and evaluated in two distinct case studies: a laboratory prototype and an industrial automotive production line. The experiments and assessments demonstrated that the proposed agent-based approach successfully realizes an AAS Type 3, enabling assets to transition from passive components to truly I4.0 components with enhanced autonomy, intelligence, and collaborative capabilities. Additionally, the proposed approach addresses essential requirements for I4.0, namely adaptability, pluggability, robustness, interoperability, and (re)usability. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/169850 2025-01-01T00:00:00Z http://hdl.handle.net/10366/169847 [ES] La presente tesis doctoral aborda la problemática de la lentitud y complejidad de los trámites administrativos urbanísticos, especialmente en municipios rurales, donde el acceso a la normativa y su correcta interpretación pueden suponer un obstáculo tanto para los promotores como para los servicios técnicos municipales. Como respuesta a esta situación, se propone el diseño y aplicación de un sistema basado en ingeniería ontológica, orientado a la automatización del análisis de compatibilidad urbanística conforme a la normativa vigente. El modelo permite representar de forma estructurada y formal los elementos clave de la regulación urbanística local, incluyendo la clasificación del suelo, los usos permitidos, autorizables o prohibidos y los parámetros técnicos aplicables. La investigación ha sido llevada a cabo tecnologías semánticas interoperables (OWL DL) e implementada utilizando la aplicación Protégé. El sistema propuesto ha sido verificado mediante razonamiento automático y validado con posibles casos de estudio reales en municipios de la provincia de Zamora, tomando como caso de estudio el municipio de Algodre. A partir de datos básicos de entrada, el sistema permite generar Informes de Compatibilidad Urbanística automáticos, estructurados y ajustados a la normativa vigente. Aunque no sustituye las funciones resolutivas de la administración, el sistema proporciona una herramienta de apoyo técnico que mejora la trazabilidad normativa, reduce la carga de trabajo del personal municipal y contribuye a una mayor seguridad jurídica en las actuaciones urbanísticas. Además, se establecen recomendaciones orientadas a adaptar aquellas normativas que actualmente no permiten su automatización directa. Aunque el desarrollo se ha centrado en un entorno municipal, la estructura del modelo es escalable y puede adaptarse a otros marcos normativos del territorio nacional. Su diseño sobre estándares abiertos facilita también su integración en aplicaciones administrativas compatibles con normativa digital, lo que podría permitir su aplicación en otros contextos regionales e incluso europeos, en el marco de los procesos de digitalización administrativa impulsados por la Unión Europea.; [EN] This doctoral thesis addresses the problem of the slowness and complexity of urban planning administrative procedures, particularly in rural municipalities, where access to regulations and their correct interpretation can pose a challenge for both developers and municipal technical services. In response to this situation, the thesis proposes the design and implementation of a system based on ontological engineering, aimed at automating the analysis of urban planning compatibility in accordance with current regulations. The model enables a structured and formal representation of key elements of local urban planning regulations, including land classification, permitted, conditionally permitted or prohibited uses, and applicable technical parameters. The research was conducted using interoperable semantic technologies (OWL DL) and implemented through the Protégé application. The proposed system has been verified through automated reasoning and validated with potential real-world case studies from municipalities in the province of Zamora, using the municipality of Algodre as the primary case study. Based on basic input data, the system is capable of generating automatic Urban Compatibility Reports that are structured and aligned with current urban planning regulations. Although it does not replace the decision-making functions of the administration, the system provides a technical support tool that improves regulatory traceability, reduces the workload of municipal staff, and contributes to greater legal certainty in urban planning actions. Additionally, the thesis offers recommendations aimed at adapting those regulations that currently do not allow for direct automation. While the development has focused on a municipal environment, the model's structure is scalable and can be adapted to other regulatory frameworks within the national territory. Its design based on open standards also facilitates integration into administrative applications compatible with digital regulations, which could enable its use in other regional or even European contexts, within the framework of administrative digitalization processes promoted by the European Union. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/169847 2025-01-01T00:00:00Z http://hdl.handle.net/10366/169841 [ES] Esta tesis doctoral presenta un estudio exhaustivo sobre la seguridad de los esquemas criptográficos PQC, con especial énfasis en los mecanismos de encapsulación de claves (KEMs) basados en retículos y códigos. El trabajo se estructura en torno a tres ejes principales: el análisis estructural de la transformación FO , la evaluación comparativa de esquemas basados en códigos, y la propuesta de adaptaciones para entornos inalámbricos y dispositivos con recursos limitados. En primer lugar, se estudia el papel de la transformación FO en la obtención de seguridad IND-CCA (Indistinguishability under chosen-ciphertext attack) en esquemas PQC. Esta transformación, introducida originalmente para convertir esquemas de cifrado de clave pública (PKE) con seguridad IND-CPA en esquemas PKE con seguridad IND-CCA, ha sido adoptada por la mayoría de los candidatos del proceso de estandarización del NIST para definir en su vez un KEM. Se analizan sus variantes, sus mecanismos de rechazo (implícito vs explícito), y la derivación de secretos compartidos. Se demuestra que FO es esencial para alcanzar seguridad semántica fuerte, aunque impone restricciones estructurales que pueden afectar la resistencia frente a ataques por canal lateral. En este contexto, se propone KyberEph, una versión modificada de Kyber que evita el re-cifrado mediante el uso de claves efímeras. Esta versión de Kyber solamente mantiene la seguridad IND-CPA, pero con un debido uso (claves efímeras) entra dentro del marco seguro definido por el NIST durante el proceso de estandarización. En segundo lugar, se realiza una comparación entre los esquemas basados en códigos: Classic McEliece, BIKE y HQC. McEliece ofrece una seguridad robusta basada en códigos de Goppa, con una transformación FO simplificada que evita el re-cifrado, pero presenta claves públicas de gran tamaño que dificultan su aplicación en dispositivos con recursos limitados. BIKE, basado en códigos de paridad de densidad moderada cuasi-cíclicos, propone modos de uso que permiten evitar el re-cifrado mediante el uso de claves efímeras. HQC, construido a partir de códigos de Hamming cuasi-cíclicos, emplea una transformación FO con rechazo explícito y re-cifrado, utilizando un hash adicional para garantizar la seguridad cuántica. Se evalúa el rendimiento de estos esquemas en una plataforma unificada, considerando el tamaño de claves y textos cifrados, así como los ciclos de ejecución para cada operación. HQC demuestra el perfil de rendimiento más eficiente, seguido por BIKE, mientras que McEliece, a pesar de su madurez, presenta las mayores exigencias computacionales. Finalmente, se propone Wireless Kyber (WKyber), una adaptación de CRYSTALSKyber para entornos inalámbricos como IoT y redes D2D. Se introducen dos variantes: WKyber V1, compatible con la transformación FO y con seguridad IND-CCA; y WKyber V2, que integra más profundamente el canal inalámbrico pero alcanza solo seguridad IND-CPA. Ambas versiones utilizan modulación 4QAM y Additive White Gaussian Noise (AWGN) para simular la distribución de errores, aplicando códigos BCH para proteger los bits más significativos de los coeficientes polinomiales durante la transmisión. Se realiza un análisis detallado de la distribución de errores inducida por el canal y su impacto en la seguridad y corrección del criptosistema. Las estimaciones de seguridad, basadas en los ataques dual y primario, y estrategias de reducción de retículos, muestran que WKyber mantiene o supera los niveles de seguridad del Kyber estándar bajo condiciones adecuadas de SNR. Además, se evalúa la probabilidad de error en la recuperación de claves, demostrando que WKyber V1 alcanza tasas de error menores que el Kyber original debido a la omisión de pasos de compresión. Las tres publicaciones principales de la tesis se complementan con contribuciones adicionales en congresos tanto nacionales como internacionales que incluyen: el análisis de FrodoKEM como diseño conservador basado en LWE, estudios comparativos de rendimiento de los esquemas PQC basados en retículos estructurados y no estructurados, y trabajos sobre ataques por canal lateral asistidos por inteligencia artificial contra algoritmos como Kyber, Dilithium, FALCON y SPHINCS+. Asimismo, se presentan estudios sobre ataques por correlación de consumo de potencia contra AES y ataques por inyección de fallos contra RSA-CRT. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/169841 2025-01-01T00:00:00Z http://hdl.handle.net/10366/169769 [EN] With the introduction of the Internet of Things, maintenance practices have been moving from reactive to proactive and predictive approaches. The identification of faults often relies on the analysis of real-time data provided by streams and unstructured sources. Ontologies have been applied to the maintenance field, adding a semantic layer to the data that facilitates interoperability and semantic data mining processes. In such a time-sensitive domain, it is important that ontologies go beyond static representations of the domain and allow not only for the incorporation of time related knowledge, but must also be able to adapt to new knowledge and evolve. Evolving an ontology involves re-learning, re-enriching and re-validating knowledge in the face of changes to the domain, and techniques applied for them can be adapted to ontology evolution. This thesis aims to contribute to these fields by using streams of ontology individuals as the trigger for ontology evolution processes – facing challenges tied to the incomplete and transient nature of these data. As such, this thesis introduces an architecture for time-constrained ontology evolution called TICO, or Time Constrained instance-guided Ontology evolution. New versions of ontology classes and properties are reified through a 4D-Fluents approach, thus allowing reasoning over old data and accessing older conceptualizations of the domain. For the identification of property axioms, the possibilistic approach to axiom scoring was adapted to a scenario in which it is not always possible to query all individuals at once. Results show the effectiveness of the approach in accepting/rejecting axioms for the ontology’s properties. To identify patterns in data that could trigger the creation of new classes and enrich existing ones, a Formal Concept Analysis-based approach is employed. Using two different concept lattices that are updated with each individual, it is possible to identify a set of axioms to add to the ontology and uncover implicit relationships between old and new classes.; [ES] Con la introducción del IoT, las prácticas de mantenimiento han ido pasando de orientaciones reactivas a proactivas y predictivas. La identificación de fallas a menudo se basa en el análisis de datos en tiempo real proporcionados por flujos y fuentes no estructuradas. Las ontologías se han aplicado al campo del mantenimiento, añadiendo una capa semántica a los datos que facilita la interoperabilidad y los procesos de minería semántica de datos. En un ámbito tan sensible al tiempo, es importante que las ontologías ultrapasen las representaciones estáticas del dominio y permitan no sólo incorporar conocimientos relacionados con el tiempo, sino que también deben ser capaces de adaptarse y evolucionar. Evolucionar una ontología implica reaprender, re-enriquecer y re-validar el conocimiento y las técnicas aplicadas para ellas pueden adaptarse a la evolución de ontologías. Esta tesis pretende contribuir a estos campos utilizando flujos de individuos RDF como desencadenante de procesos de evolución de ontologías, enfrentándose a retos ligados a la naturaleza incompleta y transitoria de estos datos. Como tal, esta tesis introduce una arquitectura para la evolución de ontologías limitada en el tiempo llamada TICO (Time Constrained instance-guided Ontology evolution). Las nuevas versiones de las clases y propiedades de la ontología se reifican mediante 4D-Fluents, lo que permite razonar sobre datos antiguos y acceder a conceptualizaciones anteriores del dominio. Para la identificación de axiomas de propiedades, se adaptó el enfoque posibilista de cualificación de axiomas a un escenario en el que no siempre es posible obtener la descripción completa del conjunto de datos. Los resultados muestran la eficacia de la solución en aceptar/rechazar axiomas para las propiedades de la ontología. Para identificar patrones en los datos, crear nuevas clases y enriquecer las existentes, se emplea un enfoque basado en el Análisis Conceptual Formal. Utilizando dos redes de conceptos diferentes, es posible identificar un conjunto de axiomas para añadir a la ontología y descubrir relaciones implícitas entre clases antiguas y nuevas. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/169769 2025-01-01T00:00:00Z http://hdl.handle.net/10366/169595 [ES] Las ciberamenazas contemporáneas están en constante evolución, impulsadas por actores de amenaza cada vez más sofisticados y metodologías de ataque dinámicas que desafían los sistemas tradicionales de la ciberseguridad. Ante este panorama, surge la necesidad de enfoques avanzados capaces de identificar y contrarrestar amenazas en tiempo real durante todas las fases de la Cyber Kill Chain. Esta tesis propone un nuevo framework basado en algoritmos de aprendizaje automático que permite caracterizar y abstraer patrones de comportamiento de amenazas emergentes en cada fase de la Cyber Kill Chain, desde la fase de reconocimiento inicial hasta la ejecución final del ataque. Mediante el uso de algoritmos de aprendizaje automático, el framework permite capturar los eventos generados por los distintos sistemas de monitorización y enrutar cada uno a la fase correspondiente. Allí, un modelo se encarga de evaluar si el evento representa una ciberamenaza, permitiendo así una respuesta proactiva frente a incidentes de seguridad. La integración con sistemas SIEM (en inglés, Security Information and Event Management) asegura que cada avance detectado del actor malicioso sea automáticamente reportado y gestionado, optimizando la capacidad de reacción de los equipos de seguridad. Los resultados experimentales validan que esta aproximación no solo mejora significativamente la detección temprana de ciberamenazas, sino que también facilita la interpretación y seguimiento del comportamiento adversario en escenarios complejos y dinámicos, fortaleciendo así la postura de ciberdefensa de las organizaciones. [EN] Contemporary cyber threats are constantly evolving, driven by increasingly sophisticated threat actors and dynamic attack methodologies that challenge traditional cybersecurity systems. Against this backdrop, the need arises for advanced approaches capable of identifying and countering threats in real time during all phases of the Cyber Kill Chain. This thesis proposes a new framework based on machine learning algorithms that allows characterizing and abstracting behavioral patterns of emerging threats in each phase of the Cyber Kill Chain, from the initial recognition phase to the final execution of the attack. Through the use of machine learning algorithms, the framework allows capturing events from each of the monitoring systems, routing them to the corresponding phase so that a model can evaluate whether the event corresponds to a cyber threat, providing a proactive response to security incidents. Integration with SIEM (Security Information and Event Management) systems ensures that each detected advance of the malicious actor is automatically reported and managed, optimizing the reaction capacity of security teams. Experimental results validate that this approach not only significantly improves the early detection of cyberthreats, but also facilitates the interpretation and management of the malicious actor. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/169595 2025-01-01T00:00:00Z http://hdl.handle.net/10366/167204 [ES] La tesis desarrollada explora en profundidad el problema de la predicción de la evapotranspiración, así como la presencia de ruido en los datos y su impacto, ambos factores cruciales en la gestión sostenible de los recursos naturales dentro de la agricultura inteligente. De hecho, la agricultura inteligente depende cada vez más de tecnologías avanzadas que le permitan la gestión eficiente de los recursos hídricos y energéticos. En este sentido, una predicción precisa de la evapotranspiración es fundamental para optimizar el uso y la gestión del agua empleada en la agricultura, lo cual impacta directamente en el consumo energético, ya que unos requerimientos hídricos más precisos minimizan la necesidad de extracción y distribución de agua, lo que se traduce en un menor consumo de energía en los sistemas de riego, generando por tanto sistemas más sostenibles. En este contexto, se proponen nuevos modelos predictivos diseñados específicamente para abordar los diferentes desafíos de los problemas de regresión. Estos modelos han sido desarrollados y ajustados para manejar las complejidades inherentes a los datos reales, donde el ruido y las imperfecciones pueden comprometer significativamente la precisión de las predicciones. La investigación se centra en un análisis profundo de cómo diferentes tipos y niveles de ruido afectan el rendimiento de los modelos de regresión, con un enfoque particular en la evapotranspiración, subrayando la importancia de implementar estrategias eficaces de mitigación de ruido para elevar la precisión y fiabilidad de estos modelos. Se han abordado tres objetivos principales en esta investigación: Desarrollar y validar modelos predictivos para la evapotranspiración, optimizando su capacidad para manejar la variabilidad y las complejidades de los datos de evapotranspiración, asegurando su aplicabilidad en diferentes contextos hídricos y escenarios agrícolas. Investigar y desarrollar mecanismos robustos para la mitigación del impacto del ruido en datos de regresión, con especial atención en cómo estas imperfecciones afectan las predicciones, con el objetivo de mejorar la precisión y estabilidad de los modelos de regresión, incluyendo su aplicación potencial en la predicción del fenómeno de la evapotranspiración. Estudiar el impacto del ruido en datos de sensores IoT en agricultura inteligente y desarrollar un paquete software para su tratamiento en datos de evapotranspiración. Cada uno de estos objetivos se abordó a través de investigaciones exhaustivas y metodológicamente rigurosas que demostraron la eficacia y versatilidad de diferentes enfoques y tecnologías. Para enfrentar la complejidad inherente a la predicción de la evapotranspiración, se ha desarrollado y validado un modelo predictivo avanzado que emplea técnicas de ensemble, con un enfoque particular en el stacking. Esta estrategia permite combinar la fortaleza de múltiples modelos base para capturar mejor las relaciones no lineales presentes en los datos, logrando resultados sobresalientes en términos de precisión, robustez y capacidad de generalización en escenarios diversos. Además, se diseñaron e implementaron múltiples técnicas de filtrado de ruido, cuidadosamente adaptadas del campo de la clasificación a problemas de regresión, las cuales han demostrado ser sumamente efectivas en la mejora de la calidad de los datos. Finalmente, se examinó el impacto del ruido en las predicciones de evapotranspiración, evaluando cómo los filtros desarrollados contrarrestan este fenómeno. Los resultados confirmaron la eficacia de las diferentes técnicas de filtrado, siendo particularmente efectivas contra altos niveles de ruido, que pueden presentarse en datos recopilados a través de sensores IoT. Estas técnicas son especialmente valiosas dado que existen muy pocas opciones de métodos específicos para el filtrado de ruido en el campo de la regresión, permitiendo eliminar errores en datasets y mejorar significativamente el rendimiento de los modelos predictivos. Para facilitar la aplicación práctica de estos descubrimientos, se desarrolló y publicó el software rgnoisefilt. Este paquete de R ofrece hasta 22 técnicas de filtrado de ruido diseñadas específicamente para datos de regresión. Este software es públicamente accesible, proporcionando una herramienta valiosa para investigadores y profesionales. Estos hallazgos representan avances significativos en la investigación sobre evapotranspiración, extendiéndose además a otros contextos de regresión, lo que posibilita posteriormente una gestión más eficiente y sostenible de los recursos energéticos en diversas aplicaciones de agricultura inteligente y medioambientales. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/167204 2025-01-01T00:00:00Z http://hdl.handle.net/10366/167164 [EN] This research explores the application of Transformer-based models and Hybrid Attention Mechanisms across three critical biomedical tasks: meningioma segmentation, epileptic seizure detection, and pathogenicity prediction of genomic variants. For meningioma segmentation, this research investigates refining skip connections in a U-Net architecture by incorporating Swin Transformers for Magnetic Resonance Imaging. The proposed SwinC U-Net model, evaluated on the Brain Tumor Segmentation Meningioma 2023 challenge dataset, achieved a Dice score of 0.8933±0.0016, precision of 0.9020±0.0041, and recall of 0.8939±0.0044, surpassing U-Net and Attention U-Net in precision and accuracy, while slightly underperforming in recall compared to U-Net. In epileptic seizure detection, this work addresses the challenge of real-time monitoring using microelectrode array data from rat brain slices with 4-aminopyridine-induced epileptic activity. Lightweight neural models were trained to detect seizures. The best performing model, GRU+Attention, achieved an event-level F1 score of 0.839, Jaccard index of 0.722, recall of 0.813, and precision of 0.867 on a held-out test set. The model was quantized to INT8, maintaining high event-level detection performance (F1 = 0.812, Jaccard = 0.709) and demonstrating real-time feasibility on embedded platforms like the Raspberry Pi 5 (latency: 2.61 ms) and Coral Dev Board (latency: 23.7 ms), with memory usage under 614 MB. For pathogenicity prediction, a Feature Tokenizer Transformer model was developed to classify genetic variants. The model used a set of inputs derived from next-generation sequencing data from the CLINVAR database, after being processed through the regular pipeline consisting of quality control, alignment, variant calling, filtering, indexing, and annotation. The semi-supervised approach allowed the model to extract insight from uncertain-labeled data. The model achieved a precision of 0.98, sensitivity of 0.92, specificity of 0.99, and F1 score of 0.95, outperforming ClinPred and REVEL in precision and specificity, but with slightly lower sensitivity than ClinPred. These studies demonstrate the versatility and efficacy of Attention-based models in handling diverse biomedical signal modalities. The results underscore the potential of Transformer architectures to advance biomedical data analysis, enhancing diagnostics and personalized medicine.; [ES] Esta investigación explora la aplicación de modelos basados en Transformers y mecanismos híbridos de atención en tres tareas biomédicas críticas: segmentación de meningiomas, detección de ataques epilépticos y predicción de patogenicidad de variantes genómicas. Para la segmentación de meningiomas, se estudia la mejora de las skip-connections en una arquitectura U-Net mediante la incorporación de Swin Transformers para imágenes de resonancia magnética. El modelo SwinC U-Net, evaluado en el conjunto de datos de la edición del 2023 del Brain Tumor Segmentation Challenge Meningioma, alcanzó una puntuación Dice de 0.8933±0.0016, precisión de 0.9020±0.0041 y recall de 0.8939±0.0044, superando a U-Net y Attention U-Net en precisión y exactitud, aunque con un rendimiento ligeramente inferior en recall en comparación con U-Net. En cuanto a la detección de crisis epilépticas, se aborda el reto de la monitorización en tiempo real utilizando datos de matrices de microelectrodos obtenidos de cortes cerebrales de rata con actividad epiléptica inducida por 4-aminopiridina. Se entrenaron modelos neuronales ligeros para detectar crisis, destacando el modelo GRU+Attention, que obtuvo una puntuación F1 a nivel de evento de 0.839, un índice de Jaccard de 0.722, un recall de 0.813 y una precisión de 0.867 en un conjunto de prueba independiente. Tras la cuantización a INT8, el modelo mantuvo un rendimiento elevado (F1 = 0.812, Jaccard = 0.709) y demostró viabilidad en tiempo real en plataformas embebidas como Raspberry Pi 5 (latencia: 2.61 ms) y Coral Dev Board (latencia: 23.7 ms), con un consumo de memoria inferior a 614 MB. Para predicción de patogenicidad, se desarrolló un modelo Feature Tokenizer Transformer para clasificar variantes genéticas utilizando datos de CLINVAR, procesados con el habitual pipeline de control de calidad, alineación, llamada de variantes y anotación. El acercamiento semisupervisado permite al modelo aprender de los datos con etiquetas inciertas. El modelo logró una precisión de 0.98, sensibilidad de 0.92, especificidad de 0.99 y F1 de 0.95, superando a ClinPred y REVEL en precisión y especificidad. Estos estudios demuestran la versatilidad de los modelos basados en atención para procesar diversas señales biomédicas, destacando el potencial de los Transformers para mejorar el diagnóstico y la medicina personalizada. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/167164 2025-01-01T00:00:00Z http://hdl.handle.net/10366/167035 [EN] Esta Tesis Doctoral se centra en el desarrollo y validación de metodologías analíticas rápidas, fiables y aplicables para la determinación de contaminantes exógenos y biomarcadores endógenos en orina humana, una matriz biológica no invasiva. Se han empleado diversos enfoques instrumentales, combinando espectrometría de masas en tándem (LC-MS/MS) con configuraciones separativas y no separativas, así como un método de cribado basado en fluorescencia. Uno de los principales objetivos ha sido ofrecer alternativas más accesibles y eficientes frente a los métodos convencionales, que suelen requerir derivatización compleja y largos tiempos de análisis. En el Capítulo I, se desarrolló un método mediante cromatografía líquida de interacción hidrofílica (HILIC-MS/MS) para la determinación directa de malondialdehído (MDA) sin derivatización. El pretratamiento de muestra se limitó a una hidrólisis alcalina y posterior dilución, con un tiempo de análisis de solo 5 minutos. El Capítulo II describe una técnica no separativa basada en materiales de acceso restringido (RAM) acoplados directamente al espectrómetro de masas, aplicada a los metabolitos DPhP y BDCPP. El método permitió el análisis en menos de 5 minutos y mostró buena precisión y exactitud, siendo validado con muestras certificadas. En el Capítulo III, se integraron ambos enfoques en una única plataforma instrumental para la determinación simultánea de MDA y DPhP. Se aplicó a 72 muestras reales de orina y se observó una correlación positiva significativa entre ambos compuestos, especialmente en mujeres, lo que sugiere una posible relación entre la exposición a retardantes de llama y el estrés oxidativo. Por último, el Capítulo IV presenta un método fluorimétrico en microplaca para MDA, basado en una reacción de derivatización con 2-aminacridona (2-AA). El método mostró buena linealidad, sensibilidad y reproducibilidad, y fue validado frente al método HILIC-MS/MS. En conjunto, esta tesis demuestra que es posible desarrollar métodos analíticos complementarios, rápidos y adaptables, con aplicaciones reales en estudios clínicos, ambientales o toxicológicos. Las estrategias propuestas permiten una alta eficiencia analítica con bajo requerimiento de manipulación, lo que refuerza su utilidad para estudios de cribado poblacional y vigilancia de la salud ambiental. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/167035 2025-01-01T00:00:00Z http://hdl.handle.net/10366/167016 [EN] La enfermedad de Parkinson (EP) es el segundo trastorno neurodegenerativo más común después del Alzheimer, cuya incidencia ha aumentado significativamente en las últimas décadas, especialmente en personas mayores de 60 años. Actualmente, los tratamientos disponibles se limitan al control sintomático, sin frenar la progresión de dicha enfermedad, lo que pone de manifiesto la necesidad urgente de desarrollar nuevas estrategias terapéuticas innovadoras. La EP se caracteriza por la degeneración progresiva de las neuronas dopaminérgicas en la sustancia negra y la acumulación de agregados intracelulares de α-sinucleína. Estos procesos patológicos están estrechamente vinculados a una compleja red de alteraciones moleculares, como el estrés oxidativo, la neuroinflamación y la disfunción mitocondrial. En este trabajo, se plantea el desarrollo de una nueva familia de compuestos derivados de Safranal, el principal constituyente bioactivo del aceite esencial del azafrán (Crocus sativus L.), ampliamente reconocido por sus propiedades antioxidantes, anti-inflamatorias y neuroprotectoras. La estructura 1,3-ciclohexadienal del Safranal le confiere la capacidad de actuar como aceptor de Michael, facilitando la activación de la vía Nrf2-ARE. Esta característica estructural sirvió como punto de partida para el diseño de derivados con actividad multidiana, orientados a la activación de Nrf2 y a la inhibición de enzimas como MAO-B, entre otras. El diseño se fundamentó en herramientas de modelado molecular, buscando optimizar la actividad biológica y las propiedades farmacocinéticas. Adicionalmente, se diseñaron análogos quirales de Safranal con elevada versatilidad estructural y alta escalabilidad sintética, enmarcados en una estrategia de síntesis orientada a la diversidad (DOS). Aunque previamente se habían obtenido compuestos similares mediante reacciones organocatalíticas, estas presentaban limitaciones en cuanto a su escalado para la producción en cantidades relevantes. Por ello, se desarrolló una nueva estrategia sintética basada en un intermedio estanilado, cuya configuración estereogénica fue controlada mediante el uso de un catalizador orgánico adecuado. Esta optimización permitió la obtención de una amplia variedad de derivados funcionalizados mediante reacciones de acoplamiento C-C. Al poseer estos compuestos un grupo aldehído facilita, además, transformaciones posteriores como reducciones o reacciones de Wittig para extender la conjugación. En conjunto, esta nueva metodología sintética permite acceder de forma sencilla y eficiente a una amplia variedad de compuestos que abarcan un extenso espacio químico, y constituye un avance significativo en el desarrollo de estrategias sintéticas orientadas a la diversidad. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/167016 2025-01-01T00:00:00Z