Defensa de tesis doctoral en Inteligencia Artificial por la Sra. Yasmine GHAZLANE

La Universidad Euromed de Fez (UEMF) se complace en informar al público de la defensa de tesis doctoral en ’’ Inteligencia Artificial ’’

La defensa de tesis tendrá lugar el miércoles 29 de mayo de 2024 a las 16:00 en la UEMF

Lugar : Anfiteatro 4 en el edificio 4

La tesis será presentada por la Sra. Yasmine GHAZLANE Bajo el tema:

“Una arquitectura inteligente anti-dron basada en un sistema multiagente con el desarrollo de modelos de detección e identificación de objetivos aéreos utilizando técnicas avanzadas de inteligencia artificial y visión por computador” 
 

Resumen:

Esta tesis doctoral presenta una investigación objetiva en el ámbito de la tecnología antidrón, abordando lagunas críticas en los mecanismos de defensa existentes frente a la proliferación creciente de vehículos aéreos no tripulados, comúnmente conocidos como drones. Se realiza una revisión bibliográfica extensa y meticulosa como primer paso para examinar el panorama evolutivo de los sistemas antidrón, identificando deficiencias y oportunidades de transformación. En este estudio, se emplean técnicas de inteligencia artificial y tecnologías de vanguardia para proponer y explicar una arquitectura antidrón novedosa y adecuada. Aprovechando la robustez del enfoque Blockchain, la adaptabilidad de los sistemas multiagente y la precisión del sistema experto, esta tesis describe un marco sofisticado dispuesto a revolucionar el panorama de los mecanismos de defensa contra drones. La arquitectura representa un cambio de paradigma, fomentando la agilidad y la resiliencia para identificar en tiempo real los blancos aéreos más frecuentes y contrarrestar objetivos nocivos en diversos dominios operativos mediante el uso de una técnica de neutralización electromagnética basada en AI. Además, esta tesis revela el desarrollo de modelos de detección e identificación en tiempo real altamente eficientes, diseñados para integrarse sin problemas dentro de la arquitectura propuesta. Utilizando algoritmos avanzados y técnicas de aprendizaje profundo, los modelos desarrollados identifican los blancos aéreos más comunes con prontitud y precisión, a la vez que satisfacen el compromiso entre velocidad y rendimiento. En la literatura existente, la mayor parte de la atención se ha centrado en reconocer los drones como blancos aéreos únicos, mientras que el verdadero desafío es distinguir entre drones y objetivos no dron. Para abordar este problema, hemos desarrollado un modelo base de identificación amigo o enemigo capaz de clasificar los objetivos aéreos en categorías de enemigo o amigo determinando si el objetivo aéreo es un dron o un ave, respectivamente. Para cumplir con los requisitos antidrón, en nuestro modelo se han combinado enfoques de inteligencia artificial y visión por computadora mediante transferencia de aprendizaje, aumento de datos y otras técnicas. Otra contribución de esta tesis es el estudio del impacto de la profundidad en el rendimiento de la clasificación, lo cual se demuestra a través de nuestros experimentos. El modelo de identificación amigo o enemigo se integra como modelo base dentro del sistema con el módulo de detección en tiempo real para mejorar aún más la eficiencia, la precisión, la adaptabilidad y la robustez del sistema antidrón en su conjunto, permitiéndole identificar y responder eficazmente a amenazas potenciales en entornos dinámicos y complejos y neutralizar el objetivo de manera efectiva.
 

Esta tesis será presentada ante los miembros del jurado: