Se continúa el análisis de nuevos mecanismos de fusión de información aplicables en las etapas de pooling y convolución de una red neuronal profunda con el objetivo de obtener familias de funciones que permitan optimizar los resultados obtenidos por una red neuronal profunda al adaptarse mejor que los métodos usualmente utilizados a los datos específicos de un problema.

La modificación de los mecanismos de pooling y convolución tiene un alto coste computacional, así que el proyecto también pretende investigar cómo puede reducirse dicho coste.

Además, las redes neuronales desarrolladas quieren ser la respuesta a nuevos desafíos, cuales por ejemplo la predicción de lo “desconocido”, es decir una anomalía.

Una anomalía es un evento que no forma parte del pasado del sistema, un evento que no se puede encontrar en los datos históricos del sistema. En el marco industrial la detección temprana de problemas que provocan por ejemplo la indisponibilidad de equipos tiene un alto impacto sobre la producción, y por otro lado supone un ahorro importante de los costes de mantenimiento. Mediante la identificación de eventos anómalos se persigue el objetivo de predecirlos a futuro con suficiente antelación y confianza, para planificar las intervenciones incurriendo a costes económicos más reducidos.