L'empresa de programari per a Arquitectura, Enginyeria i Construcció CYPE i la Universitat d'Alacant (UA) ha lliurat els premis als guanyadors de la I Edició dels Premis CYPE pels tres millors treballs de finalització de grau pertanyents al Grau en Enginyeria Informàtica de la Universitat d'Alacant. Aquests premis, convocats al novembre de 2015 i que tenen l'objectiu de reconèixer l'excel·lència en la realització dels mateixos, s'han lliurat en les instal·lacions de CYPE d'Alacant.



La convocatòria d'aquesta primera edició dels Premis CYPE contempla tres guardons. El primer premi consisteix en 1.500 euros a l'autor del projecte i l'opció d'accedir a un contracte en pràctiques durant sis mesos en l'empresa CYPE. A més d'aquest primer guardó, els Premis CYPE contemplen dos accésit d'1.000 euros cadascun, incloent l'opció de realitzar sis mesos de pràctiques en CYPE.

D'aquesta manera, el guanyador dels Premis CYPE ha sigut Albert García García pel seu treball titulat Towards a real-estafe 3D object recognition pipeline on mobile GPGPU computing platforms using low-cost RGB-D sensor consistent en l'estudi de com utilitzar les targetes gràfiques per a reconèixer objectes i les seues posicions en escenes reals, accelerant la interpretació de les dades i reduint els costos tant econòmics com a energètics, alguna cosa que pot ser utilitzat, per exemple, en robots.



Un dels accésit ha sigut para Antonio Molina García-Retamero pel seu projecte titulat Optimització de Xarxes Neuronals mitjançant mètodes bioinspirados consistent a desenvolupar una eina que millora els sistemes d'intel·ligència artificial que existeixen en l'actualitat aplicant tècniques bioinspiradas. Amb l'estructura creada es pot millorar els processos d'aprenentatge de diferents eines i tecnologies.




Finalment, l'estudiant Víctor Vives Boix ha guanyat l'altre accésit pel seu treball Anàlisi i optimització de mètodes d'ajuda a la decisió clínica, una recerca consistent a aconseguir que una xarxa neuronal artificial, un paradigma d'aprenentatge en el marc de la intel·ligència artificial, aconseguisca aprendre a partir d'una base de dades clínics incompleta, la qual cosa permetria a aquestes xarxes neuronals realitzar diagnòstics clínics precisos, amb la dificultat afegida de la falta d'informació en l'aprenentatge.