Search

This paper is devoted to present a bibliographic review of the application of soft computing techniques or artificial intelligence strategies in synchronous machine modeling and parameter identification.Specifically, this paper is emphasized to the application of the artificial neural networks (ANN), due to the common use and their high capability to establish a correlation between the input and output sets in non linear systems.According to the presented review, the ANN has been applied in parameter identification, control systems, transient and steady state stability analysis. As a complement, at the last part of the paper there is a brief description of other commonly used methodologiessuccessfully applied in synchronous machine modeling and parameter identification.

In this paper the use of a visualization tool that helps researchers discover knowledge in databases is described. The paper presents the scientific and technological maps associated with bibliometric indicators. The maps are based on the concept of Self-Organizing Maps (SOM) which is a particularly robust form of unsupervised neural networks. Examples illustrating the visualization of information are included in the paper.En este trabajo se describe el uso de una herramienta de visualización que facilita descubrir conocimientos en bases de datos. Se presentan los mapas científico-tecnológicos asociados a los indicadores bibliométricos. Los mapas están basados en el concepto de los mapas auto-organizados (SOM, Self-Organizing Maps) y basados en la tecnología de las redes neuronales no supervisadas. Se incluyen ejemplos que permiten ilustrar la visualización de los resultados.

[EN] In this paper, a Neural Predictive Controller (ANN-MPC) is proposed to control a nonlinear quadruple tank system, which is complex to control due to the nonlinearity of its valves and the interaction between its controlled variables. In addition, the problem is aggravated since the process presents a transient response with inverse dynamics due to being in a non-minimum phase. The ANN-MPC employs a modular artificial neural network framework and the Levenberg-Marquardt training algorithm to more accurately and quickly estimate nonlinear process outputs and avoid model overfitting. Operational data was generated from the plant to train the neural network using Matlab. The performance of the ANN-MPC under reference changes was tested and compared with a linear MPC and a non-linear MPC. The simulation results showed that the ANN-MPC produced a shorter settling time than the linear MPC and generated RMSE values of the outputs similar to those of the NMPC. In addition, the computation time required to calculate the optimal control variable was reduced compared to the NMPC., [ES] En este artículo se propone un Controlador Predictivo Neuronal (ANN-MPC) para controlar un sistema no lineal de tanque cuádruple, el cual es complejo de controlar debido a la no linealidad de sus válvulas y a la interacción entre sus variables controladas. Además, el problema se agrava ya que el proceso presenta una respuesta transitoria con dinámica inversa por estar en fase no mínima. El ANN-MPC emplea una estructura modular de red neuronal artificial y el algoritmo de entrenamiento Levenberg-Marquardt para estimar con mayor precisión y rapidez las salidas del proceso no lineal y evitar el sobreajuste del modelo. Se generaron datos operativos a partir de la planta para entrenar la red neuronal empleando Matlab. Se probó el rendimiento del ANN-MPC ante cambios de referencia y se comparó con un MPC lineal y un MPC no lineal. Los resultados de simulación mostraron que el ANN-MPC produjo un menor tiempo de establecimiento que el MPC lineal y generó valores RMSE de las salidas similares a los del NMPC. Además, se redujo el tiempo de cómputo requerido para calcular la variable de control óptima comparado con el NMPC., E. Calle reconoce el apoyo financiero del Proyecto Concytec- Banco Mundial ”Mejoramiento y Ampliación de los Servicios del Sistema Nacional de Ciencia Tecnología e Innovación Tecnológica”8682-PE, a través de su unidad ejecutora Pro-Ciencia. [Contrato número 06-2018-FONDECYT /BM], para su trabajo de investigación denominado Control de un sistema multivariable no lineal y en fase no mínima empleando un controlador predictivo neuronal, ejecutado como parte del programa de Doctorado en Ingeniería con mención en Automatización, Control, y Optimización de Procesos, del Departamento de Ingeniería Mecánico-Eléctrica de la Universidad de Piura, Perú.

Among the determining factors in export activity, many studies have high- lighted the relevance of the marketing mix. Generally, the majority of them use a variables analysis to focus on specific strategies, in particular, standardized-adaptations. This paper analyzes if there is an interactive effect of strength generated in different variables of the marketing mix that can be associated with different export profiles. The Extreme Learning Machine (ELM) algorithm has been used within the Multilayer Perceptron (MLP) of Artificial Neural Networks (ANN). In addition, the analyses combine a novel approach for sensitivity analysis developed ad hoc for this paper to determine the individual and interactive effects of predictable variables on the dependent variable in classification problems of a dichotomous nature. The results obtained allow us to confirm the existence of the postulated interactive effects, simultaneously revealing the usefulness of ANN and of the sensitivity analysis proposed for research in the area of marketing and, specifically, in firms' internationalization studies.

Resumen: Este documento proporciona nueva evidencia sobre la interacción de los efectos del tipo de interés a cinco años, el nivel de apalancamiento (la relación del pasivo y activo), las pérdidas históricas, el crecimiento del PIB, la intensidad del gasto en I+D y los ingresos con el rendimiento de la acción en el corto plazo. El modelo no lineal utilizado (combinación de modelos mediante redes neuronales artificiales) explica 31.59% de la varianza del rendimiento de las acciones en los primeros 5 meses del año, entre 2000-2006, en los mercados AMEX, NASDAQ y NYSE. Existe evidencia en la literatura que el 32% de explicación es alto, en comparación al estudio de la literatura realizado por Coad (2009) donde se utilizan modelos lineales que buscan explicar el crecimiento de la empresa. Se observa que los modelos lineales explican entre el 17% al 32% de la variabilidad de los datos. Al igual que en los trabajos de Bode (1998), Tsai (2005), Wang y Chien (2006) y Chien et al. (2010) se utilizan las redes neuronales artificiales para el estudio de la interacción entre la I+D y la empresa. Abstract: This paper provides new evidence concerning the interactions between the effects of five year interest rates, leverage levels (the relationship between assets and liabilities), historical losses, Gross National Product (GNP) growth, levels of investment in Research and Development (R&D), income and short-term share returns. The research was carried out using a non-linear model in which neural networks were used to combine different models. The model predicted 31.59% of variation in the returns on shares traded in the AMEX, NASDAQ and NYSE markets during the first five months of all years between 2000 and 2006. The literature suggests that a 32% level of explanation is at the high end, Coad's (2009) literature review of models used to explain company growth finding that linear models explained between 17 and 32% of variability. Like Bode (1998), Tsai (2005), Wang & Chien (2006) and Chien, Wang & Lin (2010) this paper uses artificial neural networks to examine the interaction between R&D and company performance. Résumé: Ce document fournit une nouvelle évidence sur l'interaction des effets du type d'intérêts à cinq ans, le niveau de levier financier (la relation entre passif et actif), les pertes historiques, la croissance du Produit Intérieur Brut (PIB), l'importance de la dépense en Investigation et Développement (I + D) et les rentrées avec le rendement de l'action à court terme. Pour cette investigation, un modèle non linéaire a été utilisé (combinaison de modèles par des réseaux de neurones artificiels) qui explique 31,59 % de la variance du rendement des actions dans les cinq premiers mois de l'année, entre 2000 et 2006, sur les marchés AMRX, NASDAQ et NYSE. Il se dégage des publications sur le sujet que 32 % des explications est un bon niveau comparativement à l'étude des publications faite par Coad (2009) utilisant des modèles linéaires qui cherchent à expliquer la croissance de l'entreprise. On constate que les modèles linéaires expliquent entre 17 % et 32 % de la variabilité des données. De même que dans les travaux de Bode (1998), Tsai (2005), Wang & Chien (2006) et Chien, Wang & Lin (2010), on utilise des réseaux de neurones artificiels pour l'étude de l'interaction entre I + D et l'entreprise. Resumo: Este documento proporciona nova evidência sobre a interação dos efeitos do tipo de juros a cinco anos, o nível de alavancagem (a relação do passivo e ativo), as perdas históricas, o crescimento do Produto Interno Bruto (PIB), a intensidade do gasto em Pesquisa e Desenvolvimento (P+D) e os ingressos com o rendimento da ação no curto prazo. Para esta pesquisa, fez-se uso de um modelo não linear (combinação de modelos mediante redes neurais artificiais) que explica 31,59% da variação do rendimento das ações nos primeiros cinco meses do ano, entre 2000-2006, nos mercados AMEX, NASDAQ e NYSE. Existe evidência na literatura de que 32% de explicação é alto, em comparação com o estudo da literatura realizado por Coad (2009), no qual se utilizam modelos lineares que buscam explicar o crescimento da empresa. Observa-se que os modelos lineares explicam entre 17 e 32% da variabilidade dos dados. Assim como nos trabalhos de Bode (1998), Tsai (2005), Wang & Chien (2006) e Chien, Wang & Lin (2010), utilizam-se as redes neurais artificiais para o estudo da interação entre a P+D e a empresa.

Entre los factores determinantes de la actuación exportadora de las empresas, numerosos estudios han subrayado la relevancia del mix de marketing. Generalmente, la mayoría de los estudios abordan el análisis de las variables centrado en estrategias específicas, en particular fenómenos de estandarización-adaptación. El presente estudio analiza si existe un efecto interactivo de fortalezas generadas en las diferentes variables del mix de marketing que pueda asociarse a diferentes perfiles exportadores.Para ello, se ha empleado el algoritmo Extreme Learning Machine (ELM) dentro de los procedimientos Perceptron Multicapa (MLP) de Redes Neuronales Artificiales (RNA). Asimismo, el análisis se combina con un novedoso procedimiento de análisis de sensibilidad desarrollado ad hoc para este estudio, el cual permite conocer los efectos individuales e interactivos de las variables predictoras sobre la variable dependiente en problemas clasificatorios de naturaleza dicotómica.Los resultados obtenidos nos permiten corroborar la existencia de los efectos interactivos postulados, poniendo al mismo tiempo de manifiesto la utilidad de las RNA y del análisis de sensibilidad propuesto para la investigación en el área de marketing y, específicamente, para los estudios de internacionalización de empresas.------------------------------------ Among the determining factors in export activity, many studies have highlighted the relevance of the marketing mix. Generally, the majority of them use a variables analysis to focus on specific strategies, in particular, standardized-adaptations. This paper analyzes if there is an interactive effect of strength generated in different variables of the marketing mix that can be associated with different export profiles.The Extreme Learning Machine (ELM) algorithm has been used within the Multilayer Perceptron (MLP) of Artificial Neural Networks (ANN). In addition, the analyses combine a novel approach for sensitivity analysis developed ad hoc for this paper to determine the individual and interactive effects of predictable variables on the dependent variable in classification problems of a dichotomous nature.The results obtained allow us to confirm the existence of the postulated interactive effects, simultaneously revealing the usefulness of ANN and of the sensitivity analysis proposed for research in the area of marketing and, specifically, in firms' internationalization studies., Artículo revisado por pares

En este artículo se presenta una revisión bibliográfica de la utilización de computación suave o inteligencia artificial en el modelado e identificación de los parámetros de la máquina síncrona. Específicamente, se enfatiza en la aplicación de las redes neuronales artificiales (RNA), las cuales han sido muy utilizadas debido a su alta capacidad para establecer una correlación entre conjuntos de datos de entrada/salida para sistemas no lineales. De acuerdo con la revisión, las RNA han sido aplicadas en sistemas de identificación de los parámetros de la máquina, en sistemas de control y en el análisis de estabilidad de estado estable y transitorio. Como complemento, en la parte final del artículo se presentan brevemente otras metodologías de las cuales se han reportado resultados satisfactorios relacionados con el área de modelado e identificación de parámetros de la máquina. This paper is devoted to present a bibliographic review of the application of soft computing techniques or artificial intelligence strategies in synchronous machine modeling and parameter identification. Specifically, this paper is emphasized to the application of the artificial neural networks (ANN), due to the common use and their high capability to establish a correlation between the input and output sets in non linear systems. According to the presented review, the ANN has been applied in parameter identification, control systems, transient and steady state stability analysis. As a complement, at the last part of the paper there is a brief description of other commonly used methodologies successfully applied in synchronous machine modeling and parameter identification.

La predicción de series de tiempo es un importante problema de investigación debido a sus implicaciones en ingeniería, economía, finanzas y ciencias sociales. Un importante tópico de esta problemática es el desarrollo de nuevos modelos y su comparación con aproximaciones previas en términos de la precisión del pronóstico. Recientemente, las máquinas de vectores de soporte (SVM) han sido usadas para la predicción de series de tiempo, pero las experiencias reportadas son limitadas y hay algunos problemas relacionados con su especificación. El objetivo de este artículo es proponer una técnica novedosa para estimar algunas constantes en las SVM que usualmente son fijadas en forma empírica por el modelador. La técnica propuesta es usada para estimar varias SVM con el fin de pronosticar cinco series benchmark; los resultados obtenidos son comparados con las estadísticas reportadas en otros artículos. La metodología propuesta permite obtener SVM competitivas para las series pronosticadas en comparación con los resultados obtenidos usando otros modelos más tradicionales. Time series prediction is an important research problem due to its implications in engineering, economics, finance and social sciences. An important topic about this problematic is the development of new models and its comparison with previous approaches in terms of forecast accuracy. Recently, support vector machines (SVM) have been used for time series prediction, but the reported experiences are limited and there are some problems related to its specification. The aim of this paper is to propose a novel technique for estimating some constants of the SVM usually fixed empirically by the modeler. The proposed technique is used to estimate several SVM with the aim of forecast five benchmark time series; the obtained results are compared with the statistics reported in other papers. The proposed method allow us to obtain competitive SVM for the time series forecasted in comparison with the results obtained using other most traditional models.

espanol[Introduccion]: La deforestacion y la gestion insostenible de los sistemas de produccion agricola y ganadero en areas montanosas han provocado la degradacion de la tierra y una progresiva reduccion en la provision de los servicios ecosistemicos. [Objetivo]: En este articulo se desarrolla un analisis espacial de susceptibilidad de erosion en la subcuenca del rio Claro, en el cordon montanoso Fila Cruces, en la region del Pacifico Sur de Costa Rica. [Metodologia]: Para ello se aplicaron los metodos de regresion logistica y redes neuronales artificiales integrados en un entorno de sistemas de informacion geografica (GIS) y empleando herramientas de teledeteccion. En ambos modelos se consideraron los siguientes factores explicativos: uso del suelo, geomorfologia, pendiente, distancia euclidiana a la red de drenaje e indice de vegetacion diferencial normalizado (NDVI, en sus siglas en ingles). Los mapas de susceptibilidad de erosion fueron validados independientemente por medio de la funcion caracteristicas operativas del receptor (ROC, por sus siglas en ingles). [Resultados]: El modelo de redes neuronales artificiales obtuvo un poder predictivo superior al de regresion logistica con base en el valor calculado del area debajo de la curva (AUC, por sus siglas en ingles). Los factores con mayor poder explicativo variaron en funcion del modelo utilizado [Conclusiones]: Los mapas de susceptibilidad de erosion mostraron una elevada alteracion ecologica en terminos de la probabilidad de ocurrencia de procesos de erosion, especialmente en la parte alta de la subcuenca, en terrenos ocupados por fincas de ganaderia extensiva y elevada pendiente. English[Introduction]: Deforestation and unsustainable management of agricultural and livestock production systems in mountainous areas have caused land degradation and a progressive reduction in the provision of ecosystem services. [Objective]: This paper elaborates erosion susceptibility mapping applied at the local scale in the Claro river subbasin in the Fila Cruces mountain range, in Southern Pacific Costa Rica. [Methodology]: The spatial analysis was conducted using a geographic information system (GIS) employing two techniques, logistic regression and artificial neural networks, as well as remote sensing tools. Five conditional factors were finally evaluated for the models: land use, geomorphology, slope gradient, distance to streams, and the Normalized Difference Vegetation Index (NDVI). The erosion susceptibility maps were validated through the receiver operating characteristics (ROC) function. [Results]: The artificial neural network model showed higher predictive power than the logistic regression method based on the calculated value of the Area under the Curve (AUC). The factors with the greatest explanatory power varied depending on the model used. [Conclusions]: The erosion susceptibility maps showed a high ecological alteration in terms of the probability of occurrence of erosion processes, especially in the upper subbasin, lands mostly occupied by cattle ranching, and a steeply sloped morphology. portugues[Introducao]: O desmatamento e a gestao insustentavel dos sistemas de producao agricola e criacao de gado em areas montanhosas tem provocado a degradacao da terra e uma progressiva reducao no fornecimento dos servicos ecossistemicos. [Objetivo]: Neste artigo se desenvolve uma analise espacial de suscetibilidade de erosao na sub-bacia do rio Claro, na regiao do Pacifico Sul da Costa Rica. [Metodologia]: Para isso, foram aplicados os metodos de regressao logistica e redes neuronais artificiais integrados em um ambiente de sistemas de informacao geografica (GIS) com ferramentas de teledeteccao. Em ambos os modelos foram considerados os seguintes fatores explicativos: uso do solo, geomorfologia, aclives, distância euclidiana com relacao a rede de drenagem e o indice de vegetacao diferencial normalizado (NDVI, por suas siglas em ingles). Os mapas de suscetibilidade de erosao foram aprovados de maneira independente por meio da funcao caracteristicas operativas do receptor (ROC, por sus siglas em ingles). [Resultados]: O modelo de redes neuronais artificiais obteve um poder preditivo superior ao de regressao logistica com base no calculo da area sob curva de funcao (AUC, por suas siglas em ingles). Os fatores com maior poder explicativo variaram devido ao modelo utilizado [Conclusoes]: Os mapas de suscetibilidade de erosao mostraram uma elevada alteracao ecologica em termos de probabilidade de ocorrencia dos processos de erosao, especialmente na parte alta da sub-bacia, em terrenos ocupados por fazendas de gado extensiva e de elevado aclive.

En el presente documento se tiene como objetivo desarrollar un sistema alternativo de medición de la frecuencia cardiaca haciendo uso de sensores de bajo costo para la obtención de vibraciones causadas por el corazón en la caja torácica cuando se genera un latido. Mediante el uso de redes neuronales recurrentes se realiza la estimación de la señal de fotopletismografía mediante la adquisición de señales de seismocardiografía. Se determina un método de entrenamiento junto con el sensor que generarán los resultados de menor error y con la estimación más acertada., This paper aims to develop an alternative heart rate measurement system using low-cost sensors to obtain vibrations caused by the heart in the ribcage when a heartbeat is generated. The use of recurrent neural networks is used to estimate the photoplethysmographic signal by acquiring seismocardiography signals. A training method is determined together with the sensor that will generate the lowest error results and with the most accurate estimation., 1. RESUMEN 4 2. INTRODUCCIÓN 5 3. OBJETIVOS 13 3.1. General 13 3.2. Específicos 13 4. METODOLOGÍA 14 4.1. Sistema de medición 14 4.2. Adquisición de las señales 15 4.3. Descripción del método para la obtención de la frecuencia cardiaca 16 5. RESULTADOS 21 6. DISCUSIÓN 27 7. RECOMENDACIONES Y TRABAJOS FUTUROS 30 8. CONCLUSIONES 31 REFERENCIAS 32 ANEXOS 34, Pregrado, Ingeniero(a) Biomédico(a), Bio-instrumentación

[ES] Debido a los riesgos y rendimientos variables de la bolsa, la predicción de los precios de las acciones es un tema de mucha importancia para los que quieren invertir en ella. Tener la capacidad de pronosticar la tendencia o el precio de las acciones sería una información muy valiosa para los inversores. Por otro lado, gracias al incremento de la capacidad de computación, el Deep Learning se ha visto potenciado como una de las técnicas de Inteligencia Artificial con mayor capacidad de procesamiento de datos. El presente Trabajo Fin de Grado se sitúa en la confluencia de ambos campos: la predicción de bolsa y las técnicas de Deep Learning. El objetivo del trabajo es explorar las posibilidades de predicción basada en redes neuronales artificiales. Estas técnicas se han aplicado a los datos del Ibex-35 a partir del mes de septiembre de 2000 hasta diciembre de 2019. Se han preparado ocho bases de datos, cada una con un indicador técnico diferente. En relación con la arquitectura, se han elegido tres configuraciones: redes neuronales recurrentes simples, LSTM y una combinación de convolucionales de una dimensión con LSTM. A partir de los parámetros de configuración de cada arquitectura, se han planteado 864 modelos distintos. Así pues, teniendo en cuenta las bases de datos de partida y los modelos de redes neuronales artificiales, esta investigación ha revisado las predicciones de 6.912 casos distintos. Se realiza, finalmente, una comparativa entre los distintos modelos partiendo como baseline los RMSE tomados por las medias móviles y una red neuronal simple. Se concluye que el modelo de combinación convolucional con LSTM es el mejor predictor para el índice., [EN] Due to the variable risks and returns of the stock market, the prediction of stock prices is a very important issue for those who want to invest in it. Having the ability to predict the trend or the price of shares would be very valuable information for investors. On the other hand, thanks to increased computing power, Deep Learning has been enhanced as one of the Artificial Intelligence techniques with greater data processing capacity. This paper is located at the confluence of both fields: stock market prediction and Deep Learning techniques. The aim of the work is to explore the possibilities of prediction based on artificial neural networks. These techniques have been applied to Ibex-35 data from September 2000 to December 2019. Eight databases have been prepared, each with a different technical indicator. In relation to the architecture, three configurations have been chosen: simple recurrent neural networks, LSTM, and a combination of one-dimensional convolutional with LSTM. From the configuration parameters of each architecture, 864 different models have been proposed. Thus, considering the initial databases and the artificial neuronal networks models, this research has reviewed the predictions of 6.912 different cases. Finally, a comparison between the different models is carried out based on the RMSE taken by the moving averages and a simple neuronal network. It is concluded that the model of convolutional combination with LSTM is the best predictor for the index., [CA] A causa dels riscos i rendiments variables de la borsa, la predicció dels preus de les accions és un tema de molta importància per a tots aquells que volen invertir en ella. Tindre la capacitat de pronosticar la tendència o el preu de les accions seria una informació molt valiosa per als inversors. D'altra banda, gràcies a l'increment de la capacitat de computació, el Deep Learning s'ha vist potenciat com una de les tècniques d'Intel·ligència Artificial amb major capacitat de processament de dades. El present Treball Fi de Grau se situa en la confluència de tots dos camps: la predicció de bossa i les tècniques de Deep Learning. L'objectiu del treball és explorar les possibilitats de predicció basada en xarxes neuronals artificials. Aquestes tècniques s'han aplicat a les dades de l'Ibex-35 a partir del mes de setembre de 2000 fins a desembre de 2019. S'han preparat 8 bases de dades, cadascuna amb un indicador tècnic diferent. En relació a l'arquitectura, s'han triat tres configuracions: xarxes neuronals recurrents simples, LSTM i una combinació de convolucionals d'una dimensió amb LSTM. A partir dels paràmetres de configuració de cada arquitectura, s'han plantejat 864 models diferents. Així doncs, tenint en compte les bases de dades de partida i els models de xarxes neuronals artificials, aquesta investigació ha revisat les prediccions de 6.912 casos diferents. Es realitza, finalment, una comparativa entre els diferents models partint com a base el RMSE pres per les mitjanes mòbils i una xarxa neuronal simple. Es conclou que el model de combinació convolucional amb LSTM és el millor predictor per a l'índex.

The present paper reports on the obtained results from the analysis of the influence of training algorithms, for artificial neural networks (ANNs), on the prediction error of the reservoir water level of a hydroelectric station. The studied algorithms are those forming the Keras library, which uses the back-end of TensorFlow. Data for this study are the historical records (2005-2016) of reservoir level, streamflow, and active power from an Ecuadorian hydroelectric plant. Such data was divided for the training, validation, and test stages. The hardware platform was a graphic processing unit (GPU) Nvidia 1050Ti, which allowed for exploiting the highly parallel computing capability of TensorFlow. Seven algorithms were evaluated. The Tukey test revealed that the Nadam algorithm obtained the lowest significative difference respect to its counterparts, engaging it as the more efficient. The respective obtained RNA plant model reached effective prediction thresholds up to 48 hours. The obtained results allow for optimization of the planification of energy production on the hydroelectric station trough an accurate prediction of the hydric resources for quotas of desired production., El presente artículo reporta los resultados obtenidos del análisis de la influencia de los algoritmos de entrenamiento de redes neuronales artificiales (RNAs) en el error de predicción del nivel de embalse de agua de una represa hidroeléctrica. Los algoritmos estudiados son los contenidos en la librería Keras, la misma que usa el back-end de TensorFlow. Los datos utilizados son los registros históricos (2005-2016) del nivel de embalse, caudal y potencia activa de una central hidroeléctrica en el Ecuador. Tales datos fueron divididos en datos de entrenamiento, validación y pruebas. La plataforma hardware fue una unidad de procesamiento gráfico (GPU) Nvidia 1050Ti, la misma que permitió explotar el cálculo altamente paralelo de TensorFlow. Un total de 7 algoritmos fueron evaluados. La prueba de Tukey reveló que el algoritmo Nadam obtuvo la menor diferencia significativa respecto al resto, comprobando que es el más eficiente. El modelo RNA de la planta, entrenado con el algoritmo Nadam, permitió lograr predicciones del nivel de embalse de agua hasta un umbral de 48 horas. Los resultados alcanzados favorecerán optimizar la planificación de producción energética en una central hidroeléctrica a través de una predicción más precisa de los recursos hídricos para cotas de producción deseadas.

El artículo presenta el desarrollo y uso de un algoritmo híbrido de aprendizaje computacional para la tarea de relleno de valores faltantes realizada durante la fase de preparación de datos. En primer lugar, se aborda el problema a resolver, el que está orientado al estudio y análisis de diferentes técnicas para el relleno de valores faltantes, con el fin de proponer una técnica híbrida como producto de esta investigación para dicha tarea y asociarla con la tecnología OLAP (Procesamiento Analítico en Línea). Luego, se justifica la metodología de investigación (científica descriptiva-exploratoria con enfoque experimental) aplicada en este proyecto. Se realizó la revisión de técnicas utilizadas en el relleno de valores faltantes; con base en la verificación de las técnicas y los casos de estudio, se seleccionaron métodos basados en vecindad y redes neuronales artificiales, y se propuso una técnica híbrida (KMediasSom) aplicada a un conjunto de datos sintético y a uno real, provenientes de una aplicación OLAP. En seguida, se plantean las pruebas de análisis y resultados con el fin de precisar su aplicabilidad en cuanto a efectividad y complejidad algorítmica se refiere. Finalmente, se presentan las conclusiones, donde se demostró que la técnica híbrida genera mejores resultados que las técnicas usadas por separado. This paper shows the development and use of a hybrid algorithm of machine learning for the missing values predict task, with this task that is carried out while the data preprocessing phase. Firstly, we go through the problem to solve, which is pointed to the study and analysis of different techniques for the missing values predict in order to suggest a hybrid technique as a product of this research for the task and link it to the OLAP (On-Line Analytical Processing) technology. Then, justifying the research methodology (scientific descriptive - probing) applied in this project. The techniques review was carried out filling out the missing values; based on the techniques proof and the study cases, k-Nearest Neighbors algorithms and artificial neural networks were selected and a hybrid technique (KMediaSom) was suggested, applied to a synthetic data set and a real one, coming from a OLAP; for the algorithms implementation was used Matlab. Right away, the analysis and results are set out in order to specify its applicability about efficacy and time complexity. Results are suitable as for the synthetic data set as for the real one; according to the test signs achieved. Finally, the conclusions, where it i'sproved that the technique or hybrid algorithms generate better results than the techniques used by separately.

[ES] En esta investigación se realiza un análisis para el modelado y la caracterización de los parámetros del proceso de soldadura por fricción agitación (FSW) a partir de las señales vibro-acústicas generadas por el proceso. El modelo se basa en una red neuronal empleada para predecir los parámetros del proceso de soldadura a partir de la medición on-line de las señales generadas durante su ejecución. En los ensayos se han soldado chapas de aluminio AA1050 H24 con 3 mm de espesor, y las señales del proceso de soldadura han sido adquiridas empleando un sistema de adquisición NI USB-9234. Como entradas para el modelo basado en la Red Neuronal Artificial (RNA) se han empleado parámetros de caracterización de las señales a partir de la señal temporal y su descomposición a partir de la aplicación de Transformada Wavelet. Como salidas del modelo se han escogido los parámetros del proceso: velocidad de rotación, avance y diseño de la herramienta. Se ha empleado una red multicapas feed-forward, estudiándose diferentes topologías y algoritmos de entrenamiento. Los resultados obtenidos a partir de la comparación de los datos experimentales y los estimados por la RNA, demuestran la validez del modelo obtenido a partir de las investigaciones, el cual abre la puerta a avances en el control automático de los parámetros del proceso a partir de las señales vibro-acústicas, como línea natural de continuidad para futuras investigaciones., [EN] This paper presents an analysis of the correlation between acoustic emission (AE) signals and the main parameters of friction stir welding (FSW) process, based on artificial neural networks (ANN). The AE signals have been acquired by the data acquisition instrument NI USB-9234, applied during the welding process carried out on plates of 3 mm thick of aluminium AA1050 alloy. Statistical and temporal parameters of discomposed EA signals using Wavelet Transform (WT) have been used as input of the ANN, while the outputs of model include the welding parameters: tool rotation speed and travel speed, as well as the tool profile. A multilayer feed-forward ANN has been selected and trained, using different algorithms and network architectures. The parameters provided by the ANN constitute the model and the characterization of the FSW process; finally an analysis of the comparison between the measured and the calculated data is presented, validating the results. The model obtained can be used to develop the automatic control of the parameters of the FSW process, based on vibro-acoustic signals, which constitutes the following step in this research line., Esta investigación ha sido sufragada parcialmente por el Proyecto Nacional del Gobierno español DPI2011-25007. “Soldadura por fricción-agitación de materiales disimilares. Caracterización por Técnicas de Emisión Acústica e Inteligencia Artificial”.

rd , 2014. Received in revised form: June 12 th , 2015. Accepted: December 10 th , 2015. Abstract The prediction of freight congestion (cargo peaks) is an important tool for decision making and it is this paper's main object of study. Forecasting freight flows can be a useful tool for the whole logistics chain. In this work, a complete methodology is presented in order to obtain the best model to predict freight congestion situations at ports. The prediction is modeled as a classification problem and different approaches are tested (k-Nearest Neighbors, Bayes classifier and Artificial Neural Networks). A panel of different experts (post-hoc methods of Friedman test) has been developed in order to select the best model. The proposed methodology is applied in the Strait of Gibraltar's logistics hub with a study case being undertaken in Port of Algeciras Bay. The results obtained reveal the efficiency of the presented models that can be applied to improve daily operations planning.