Search

[EN] Artificial neural networks are a robust alternative to conventional models for estimating different targets in irrigation engineering, among others, reference evapotranspiration, a key variable for estimating crop water requirements. This paper presents a didactic methodology for introducing students in the application of artificial neural networks for reference evapotranspiration estimation using MatLab c . Apart from learning a specific application of this software within their field of future professional competencies, students would get in touch with current research work in irrigation engineering, and eventual future research collaborations might be promoted., [ES] Las redes neuronales artificiales constituyen una buena alternativa a los modelos convencionales para estimar diferentes variables en ingeniería del riego, entre ellas la evapotranspiración de referencia, clave en la determinación de las necesidades de agua de riego. En este artículo se presenta una metodología didáctica para introducir al alumno en la aplicación de redes neuronales para el cálculo de evapotranspiración de referencia mediante el programa MATLAB©.Además de aprender a usar esta herramienta en una aplicación concreta dentro de su campo de competencias profesionales futuras, el alumno toma contacto con líneas actuales de investigación en el campo de la ingeniería del riego y se promueven eventuales colaboraciones de investigación

This research has been generated to solve a deficit of linear algebra for higher education students of technical sciences. The solution was based on artificial neural networks and incorporated as an educational technology to support students during their autonomous tasks, accumulating knowledge and simulating the teacher role. This paper provides a guide involving three stages for those who wish to develop intelligent systems based on artificial neural networks for such a subject. La presente investigación surgió para resolver el déficit de promoción en la asignatura de álgebra lineal de los estudiantes de las carreras de ciencias técnicas de la Educación Superior. La solución se basó en incorporar redes neuronales artificiales como tecnología educativa para apoyar al estudiante durante su estudio independiente, acumulando conocimiento y simulando el rol de un profesor. Este artículo ofrece una guía que comprende tres etapas para aquellas personas que deseen desarrollar sistemas inteligentes basados en redes neuronales artificiales para dicha asignatura A presente pesquisa apareceu para resolver o déficit de promoção na matéria de álgebra lineal dos estudantes das carreiras de ciências técnicas da Educação Superior. A solução baseou-se na incorporação de redes neuronais artificiais como tecnologia educativa para o apoio do estudante durante o seu estudo independente, onde de um lado acumula conhecimento e de outro simula o role de um professor. Este artigo oferece uma guia que compreende três etapas para aquelas pessoas que desejarem controlar sistemas inteligentes baseados em redes neuronais artificiais para a dita matéria.

En este artículo se presenta una metodología para la ubicación óptima de Generación Distribuida (GD) usando un algoritmo genético híbrido. En este caso la función objetivo es la reducción de pérdidas. El algoritmo propuesto incorpora una red neuronal artificial para evaluar la función de adaptación y una búsqueda local que permite al algoritmo explorar un espacio de búsqueda más amplio. La contribución principal del artículo es la combinación de técnicas metaheurísticas con técnicas de inteligencia artificial para resolver un problema de optimización multi-modal y no convexo. La metodología propuesta es probada en un sistema de 34 barras mostrando que la ubicación apropiada de las unidades de GD permite reducir las pérdidas activas y mejorar el perfil de tensiones. This paper presents a methodology for optimal Distributed Generation (DG) allocation using a hybrid genetic algorithm. In this case, the objective function is the minimization of power losses. The proposed algorithm involves an artificial neural network to evaluate the fitness function and a local search subroutine that allows the algorithm to explore a wider search space, and eventually, escape from local optimal solutions. The proposed approach was tested on a 34-bus system showing that the proper allocation of DG units allows the reduction of active power losses and the improvement of voltage profile.

En este documento se evalúa la hipótesis: “Es posible aumentar la carga restablecida en un restablecimiento parcial o total de un sistema de distribución de energía eléctrica, si se usa una metodología para generar el plan de restablecimiento que considere la estimación de la demanda de las zonas de carga y los eventos aleatorios que afectan la disponibilidad de los equipos de seccionamiento.”La metodología usa modelos de estimación de demanda obtenidos con redes neuronales artificiales y, con algoritmos genéticos optimiza la búsqueda de una lista de reconfiguraciones posibles en la cual se evalúan la cantidad de usuarios restablecidos, el número de operaciones, las pérdidas de potencia eléctrica, y un indicador de desempeño de la reconfiguración en una ventana temporal. Las pruebas se realizaron en un entorno de simulación desarrollado en Matlab. Esta metodología permite entregar un plan de restablecimiento que garantiza la operación eléctrica, minimiza la cantidad de usuarios desatendidos y puede llegar a disminuir los tiempos de reconfiguración. Abstract: this paper evaluates the hypothesis:"It is possible to increase the load restored in a partial or complete restoration of a system of power distribution, if a method is used to generate the recovery plan that considers the estimated demand loading areas and random events that affect the availability of switching equipment". The methodology used to estimate demand models obtained with artificial neural networks and genetic algorithms to optimize the search for a list of possible reconfigurations which are evaluated the amount of restored, the number of operations, the loss of electrical power, and a performance indicator reconfiguration users in a time window. The tests were conducted in a simulation environment in Matlab developed. This methodology allows to deliver a recovery plan that ensures electric operation, minimizes the amount of unattended users and can decrease the time of reconfiguration. Maestría

Este trabajo presenta el desarrollo de un sistema diseñado para facilitar la comunicación e interacción de personas con discapacidad auditiva severa con las demás personas. El sistema emplea técnicas de visión artificial para el reconocimiento de las señas estáticas de la Lengua de Señas Colombiana (LSC). El sistema tiene cuatro etapas: Captura de la imagen, preprocesamiento, extracción de características y reconocimiento. La imagen es capturada mediante una cámara digital TRDB-D5M diseñada para tarjetas de desarrollo de DE1 y DE2 Altera. En la etapa de preprocesamiento, la seña es extraída del fondo de la imagen mediante el método de segmentación por umbral; posteriormente, la imagen segmentada es filtrada usando una operación morfológica para eliminar el ruido. La etapa de extracción de características está basada en la creación de dos vectores que caracterizan la forma de la mano mediante la que se realiza la seña. La etapa de reconocimiento está constituida por una red neuronal artificial perceptrón multicapa (MLP), la cual actúa como clasificador. El sistema fue implementado en el dispositivo FPGA Cyclone II EP2C70F896C6 y no requiere el uso de guantes o marcadores visuales para su correcto funcionamiento. Los resultados muestran que el sistema tiene la capacidad para reconocer todas las 23 señas estáticas de la LSC con una taza de reconocimiento del 98.15 %. This paper presents the development of a system aimed to facilitate the communication and interaction of people with severe hearing impairment with other people. The system employs artificial vision techniques to the recognition of static signs of Colombian Sign Language (LSC). The system has four stages: Image capture, preprocessing, feature extraction and recognition. The image is captured by a digital camera TRDB-D5M for Altera's DE1 and DE2 development boards. In the preprocessing stage, the sign is extracted from the background of the image using the thresholding segmentation method; then, the segmented image is filtered using a morphological operation to remove the noise. The feature extraction stage is based on the creation of two vectors to characterize the shape of the hand used to make the sign. The recognition stage is made up a multilayer perceptron neural network (MLP), which functions as a classifier. The system was implemented in the Altera's Cyclone II FPGA EP2C70F896C6 device and does not require the use of gloves or visual markers for its proper operation. The results show that the system is able to recognize all the 23 signs of the LSC with a recognition rate of 98.15 %.

A major concern in assessing the structural condition of existing flexible pavements is the estimation of the mechanical properties of constituent layers, which is useful for the design and decision-making process in road management systems. This parameter identification problem is truly complex due to the large number of variables involved in pavement behavior. To this end, non-conventional adaptive or approximate solutions via Artificial Neural Networks - ANNs - are considered to properly map pavement response field measurements. Previous investigations have demonstrated the exceptional ability of ANNs in layer moduli estimation from non-destructive deflection tests, but most of the reported cases were developed using synthetic deflection data or hypothetical pavement systems. This paper presents further attempts to back-calculate layer moduli via ANN modeling, using a database gathered from field tests performed on three- and four-layer pavement systems. Traditional layer structuring and pavements with a stabilized subbase were considered. A three-stage methodology is developed in this study to design and validate an "optimum" ANN-based model, i.e., the best architecture possible along with adequate learning rules. An assessment of the resulting ANN model demonstrates its forecasting capabilities and efficiency in solving a complex parameter identification problem concerning pavements. Una de las principales preocupaciones en la evaluación de la condición estructural de pavimentos flexibles en servicio, es la estimación de propiedades mecánicas de las capas, útiles para el diseño y toma de decisiones en los sistemas de gestión de carreteras. Este problema de identificación de parámetros es realmente complejo, debido al gran número de variables involucradas en el comportamiento de los pavimentos. Para esos fines, se ha considerado modelar la respuesta del pavimentos ante pruebas de campo, mediante soluciones adaptativas o aproximadas no convencionales usando Redes Neuronales Artificiales - RNAs. Las investigaciones previas han demostrado la capacidad excepcional de las RNAs para estimar módulos de capas, a partir de pruebas no destructivas de deflexión; sin embargo, la mayoría de los casos reportados han utilizado datos sintéticos de deflexión, o sistemas de pavimento hipotéticos. En este trabajo se presentan nuevos intentos para retrocalcular los módulos de capa con modelos de RNAs, a partir de una base de datos obtenida de pruebas de deflexión realizadas en campo sobre sistemas de pavimento de tres y cuatro capas; se consideraron estructuras tradicionales y pavimentos con capas de subbase rigidizada. Para el diseño y validación del modelo "óptimo" de RNAs, es decir, la mejor arquitectura posible y el algoritmo de aprendizaje más adecuado, se desarrolló una metodología en tres etapas. La evaluación del modelo neuronal resultante, muestra su capacidad y eficiencia de predicción para resolver un problema complejo de identificación de parámetros en pavimentos.

Uno de los usos más importantes de las redes neuronales artificiales es el pronóstico de series de tiempo no lineales, aunque los problemas en la construcción del modelo, tales como la selección de las entradas, la complejidad del modelo y la estimación de los parámetros, permanecen sin una solución satisfactoria. La mayoría de los esfuerzos en investigación están orientados a resolver estos problemas. Sin embargo, los modelos emergidos de la estadística podrían ser más adecuados que las redes neuronales para el pronóstico, en el sentido de que el proceso de especificación es basado enteramente en criterios estadísticos. La regresión adaptativa multivariada por tramos (MARS, por su sigla en inglés) es un método estadístico comúnmente usado para resolver problemas no lineales de regresión, y es posible usarlo para el pronóstico de series de tiempo. No obstante, faltan estudios que comparen los resultados obtenidos usando MARS y redes neuronales artificiales, con el fin de determinar cuál modelo es mejor. En este artículo, se pronostican cuatro series de tiempo no lineales usando MARS y se comparan los resultados obtenidos contra los resultados reportados en la literatura técnica cuando se usan las redes neuronales artificiales y la aproximación ARIMA. El principal hallazgo en esta investigación es que, para todos los casos considerados, los pronósticos obtenidos con MARS son inferiores en precisión respecto a otras aproximaciones. One of the most important uses of artificial neural networks is to forecast non-linear time series, although model-building issues, such as input selection, model complexity and parameters estimation, remain without a satisfactory solution. More of research efforts are devoted to solve these issues. However, other models emerged from statistics would be more appropriated than neural networks for forecasting, in the sense that the process of model specification is based entirely on statistical criteria. Multivariate adaptive regression splines (MARS) is a statistical model commonly used for solving nonlinear regression problems, and it is possible to use it for forecasting time series. Nonetheless, there is a lack of studies comparing the results obtained using MARS and neural network models, with the aim of determinate which model is better. In this paper, we forecast four nonlinear time series using MARS and we compare the obtained results against the reported results in the technical literature when artificial neural networks and the ARIMA approach are used. The main finding in this research, it is that for all considered cases, the forecasts obtained with MARS are lower in accuracy in relation to the other approaches.

El estudio de atenuación de la intensidad sísmica desempeña un papel importante en los análisis de amenaza que incluyan eventos históricos. El mapeo de la atenuación de la intensidad generalmente se realiza por medio de regresiones de la intensidad en función de la distancia. Hoy existen distintas formas para estudiar las características de un evento sísmico por medios instrumentales; sin embargo, los expertos enfrentan el problema del carácter cualitativo de las fuentes de información y el mapeo de la relación entre intensidad, magnitud y distancia para la generación de escenarios de riesgo con base en información histórica. Este trabajo presenta la alternativa de mapear dicha relación por medio de las redes neuronales artificiales (RNA). Como resultado, se propone un procedimiento que fue validado por medio del mapeo de las intensidades de 68 sismos ocurridos en el norte de Suramérica, entre 1766 y 2004. Se encontró que las RNA presentan ventajas respecto a los modelos convencionales de regresión: a. preservan de mejor manera el primer momento estadístico, b. reflejan un error de aproximación menor y c. la varianza explicada por las RNA se comporta mejor que los modelos de regresión estadística. The study of seismic intensity attenuation plays an important role in the analysis of menace that includes historical events. Mapping the intensity attenuation is usually done by regressing the intensity versus distance. Nowadays there are different ways to examine the characteristics of a seismic event using instrumental means, however, the experts face the problem of qualitative nature of the sources of information and the mapping of the relationship between intensity, magnitude and distance for the generation of risk scenarios based on historical information. This paper presents an alternative to map this relationship through artificial neural networks (ANN). As a result, we propose a procedure that was validated through the mapping of the intensities of 68 earthquakes that occurred northern South America, between 1766 and 2004. We found that ANNs present advantages with respect to the conventional models of regression: a. they preserve in a better way the first statistical moment, b. they reflect a minor approximation error and c. the variance explained by the ANN is better than the one from the models of statistical regression. O estudo de atenuação da intensidade sísmica desempenha papel importante na análise de ameaças que incluem eventos históricos. O mapeamento da atenuação da intensidade geralmente realiza-se por meio de regressões da intensidade em função da distância. Hoje existem diferentes formas para estudar as características de um evento sísmico por meios instrumentais; contudo, os peritos enfrentam o problema do caráter qualitativo das fontes de informação e o mapeamento do relacionamento entre intensidade, magnitude e distância para a geração de cenários de risco com base na informação histórica. Este trabalho apresenta uma alternativa para fazer mapeamento de tal relação por meio das redes neuronais artificiais (RNA). Como resultado, propõe-se procedimento avaliado por meio do mapeamento das intensidades de sessenta e oito sismos acontecidos no norte de Sul-américa, entre 1766 e 2004. Encontrou-se que as RNA demonstraram vantagens no que diz respeito dos modelos convencionais de regressão: a. Melhor preservação do primeiro momento estadístico, b. Re-fletem um menor erro de aproximação e c. A variância explicada pelas RNA tem melhor desempenho do que os modelos de regressão estadística.

En este artículo se propone una nueva metodología para la predicción de series de tiempo no lineales usando programación genética. La aproximación propuesta se basa en la incorporación del concepto de bloques funcionales y la modificación del algoritmo genético para que opere con estos. Los bloques funcionales representan modelos estadísticos bien conocidos para el pronóstico de series de tiempo. El algoritmo propuesto permite la exploración y explotación de regiones donde hay mayor posibilidad de encontrar mejores modelos de pronóstico. Para validar la aproximación propuesta, se pronosticaron dos series de tiempo Benchmark; se encontró que nuestra metodología pronostica con mayor precisión las series de tiempo consideradas en comparación con otros modelos no lineales. In this paper we propose a new methodology for the prediction of nonlinear time series using genetic programming. The proposed approach is based on incorporating the concept of functional blocks and the modification of the genetic algorithm so that it operates with it. The functional blocks represent well known statistical models for the time series forecasting. The proposed algorithm allows the exploration and exploitation of regions where there is greater possibility of finding better forecasting models. Two Benchmark time series were predicted in order to validate the proposed approach, and it was found that our methodology predicts more accurately the time series considered, in comparison with other nonlinear models. Neste artigo propõe-se nova metodologia para predição de séries de tempo não-lineares utilizando programação genética. A abordagem proposta baseia-se na incorporação do conceito de blocos funcionais e a alteração do algoritmo genético para que opere com estes. Os blocos funcionais representam modelos estadísticos bem conhecidos para o prognóstico de séries de tempo. O algoritmo proposto permite a especulação e exploração de regiões onde há maior possibilidade de encontrar melhores modelos de prognóstico. Para avaliar a aproximação proposta, prognosticaram-se duas séries de tempo Benchmark; encontro-se que nossa metodologia prognostica com maior precisão as séries de tempo consider adas em comparação com outros modelos não-lineares.

En este artículo se propone y se evalúa experimentalmente un método de diagnóstico de fallas en rodamientos utilizando la clasificación de patrones provenientes de las señales de las vibraciones mecánicas. El método utiliza pre-procesamientos con las transformadas de Fourier y wavelet packet para luego alimentar una red neuronal clasificadora que determina el tipo de fallo. Para evaluar las variables de entrada se realiza un análisis de varianza ANOVA comparando el efecto que tienen los factores: velocidad, carga, falla en pista externa y falla en elemento rodante sobre cada uno de los parámetros propuestos como entradas para las redes neuronales artificiales (RNA). Una vez seleccionadas las variables de entrada más adecuadas, se realiza la búsqueda del clasificador más apropiado explorando diversas configuraciones de red neuronal. Se han entrenado alrededor de 2000 RNA con el propósito de encontrar el clasificador más adecuado. Los resultados de validación muestran que para el algoritmo de entrenamiento tipo gradiente conjugado escalado (trainscg) se alcanza un porcentaje de éxito en la clasificación del 88,5 %, mientras que para el algoritmo de entrenamiento de Levenberg-Marquardt (trainlm) se logra un 91,8 %. Adicionalmente, se resalta que en 7 ocasiones se logró el 100 % de aciertos en la clasificación. In this paper one method for bearings diagnosis is proposed and evaluated. This method use signal pattern recognition from mechanical vibrations. Wavelet and Fourier transforms are used for pre-processing the signal and an Artificial Neural Network (ANN) is used as a classifier. Analysis of variance (ANOVA) is used for evaluating the ANN inputs. ANOVA is performed to compare the effect of the factors: speed, load, outer race fault and rolling element fault on each of the parameters proposed as inputs of the ANN, looking for the best parameters for classifying the faults. About 2000 ANN structures were trained in order to find the most appropriate classifier. The results show that the average of success in classifying was 88,5 % for the scaled conjugate gradient algorithm (trainscg), while the Levenberg Marquardt algorithm (trainlm) presented 91,8 %. Besides, it was possible to achieve 100 % of success in classifying in 7 cases.

El presente trabajo muestra el diseño e implementación de una herramienta computacional para identificación de sistemas dinámicos mediante aplicación de la tecnología de las Redes Neuronales Artificiales. El Neuro-Identificador de Sistemas (NIS), presenta dos componentes principales: un hardware de estímulo y adquisición de señales, y una interfaz humano-máquina, que ha sido desarrollada bajo arquitectura PC empleando la herramienta MATLAB®. El NIS permite obtener un modelo aproximado que se ajusta a la dinámica de la planta real, que posteriormente puede ser evaluado en lazo abierto. El NIS genera automáticamente funciones de transferencia de Primer Orden Más Tiempo Muerto (P.O.M.T.M.), y funciones de transferencia de segundo orden si la respuesta del sistema es sub-amortiguada. El sistema ha sido aplicado en la identificación de modelos bajo entorno de simulación y de circuitos eléctricos de primer y segundo orden. Los modelos obtenidos satisfacen las hipótesis, obteniéndose un factor de correlación cuadrática multivariable de 0.9670 en la estimación de un sistema de primer orden. This paper shows the design and implementation of a computational tool for dynamical system identification by applying the technology of Artificial Neural Networks. The Systems Neuro-Identifier (NIS), has two main components: a stimulation and data acquisition hardware, and a human-machine interface. The NIS automatically generates first order transfer functions plus dead time (F.O.P.D.T.) and second order transfer functions if the system response is sub-damped. The tool has been applied in the identification of models under simulation environment and electrical circuits of first and second order. The models obtained matched the hypotheses regarding the dynamics of the plants identified, obtaining a cuadratic multivariable correlation factor of 0.9670 in the first order identified systems.

RESUMEN En diseño y construcción de estructuras de concreto, la resistencia a la compresión a 28 días de curado es la especificación de control de estabilidad de la obra. La inclusión de fibras como reforzamiento de la matriz cementicia permite una ganancia en sus propiedades, además de obtener un material de alto desempeño. En las normativas, se plantean formulaciones predictivas de la resistencia a la compresión basadas en unos pocos parámetros de composición del concreto, tales como la relación agua/cemento y el contenido de cemento Portland. Por otra parte, también se han planteado métodos de diseños de concreto para definir la ponderación de sus materiales componentes, teniendo como referencia la resistencia a la compresión del concreto simple. Además, las redes neuronales artificiales, como un símil de las neuronas biológicas, han sido utilizadas como herramientas de predicción de la resistencia a la compresión en el concreto, también con referencia al concreto simple, sin reforzamiento con fibras. Los antecedentes en este uso muestran que es interesante desarrollar aplicaciones en los concretos reforzados con fibras. En el presente trabajo se elaboraron redes neuronales artificiales para predecir la resistencia a la compresión en concretos reforzados con fibras de acero. Los resultados de los indicadores de desempeño mostraron que las redes neuronales artificiales elaboradas pueden realizar una aproximación adecuada al valor real de la propiedad mecánica. ABSTRACT By designing and building concrete structures, the compressive strength achieved at 28-day curing typically represents the stability control specification of any work. Furthermore, reinforcing fibers into the cement based matrix has allowed a gain to their properties, as well as a high performance material. Technical literature states predictive formulations of compressive strength of concrete in function of a few composition parameters, such as water/cement ratio and the Portland cement. Also, there are formulations to find the proportion of the raw materials to get a defined compressive strength, specifically non-reinforced ordinary concrete. Besides artificial neural networks as a metaphor of biological neurons have been used as a tool to predict concrete compressive strength. The experience in this application shows an increasing interest to develop applications using fiber-reinforced concrete. In this paper, an artificial neural network has been developed to predict the compressive strength of steel-fiber-reinforced-concrete. The results prove that developed artificial neural networks may perform an adequate approximation to the actual value of the mechanical property.

Las redes neuronales artificiales, simuladoras del proceso de aprendizaje de las neuronas biológicas, han sido utilizadas con éxito en el cálculo de parámetros en diversos problemas de ingeniería en que las variables involucradas tienen una alta relación no lineal entre sí y la modelación no permite representar el problema mediante una función matemática de fácil deducción. En la ciencia del suelo la predicción de algunas propiedades involucra diversas variables que hacen de su estimación por medio de modelos matemáticos un proceso complejo, y trasladan la solución del problema al campo de la inteligencia artificial. En el presente artículo se reporta la elaboración de redes neuronales artificiales para la estimación de la resistencia a la penetración a diferentes profundidades de un suelo; se consideran como variables influyentes el contenido de humedad, la densidad, la carga estática y la presión de inflado. Los resultados muestran una mejor estimación para profundidades entre 20 cm y 30 cm. Artificial Neural Networks simulate the learning process of biological neurons, and these have been successfully used in the computation of parameters on several engineering problems where exist a strong nonlinear relation among the variables. In soil science, estimation of some properties involves variables that are complicated to estimate using mathematical models, so the solution for the problems fall into the field of Artificial Intelligence. The present paper reports the elaboration of an Artificial Neural Network for the estimation of penetration resistance of soil at different depths, considering as influential variables humidity, density, static load, and inflate pressure. The best estimation results were obtained at a depth of 20-30 cm.

Existen diversas metodologías para calcular el valor en riesgo (VaR) que pretenden capturar principalmente el riesgo de mercado al que están expuestas las instituciones financieras. Siendo el modelo de valor en riesgo condicional autorregresivo (CAViaR) de Engle y Manganelli (1999, 2001, 2004) una buena aproximación empírica para la verdadera medida VaR, tanto para cubrir el riesgo como para el cumplimiento de la regulación bancaria. Por consiguiente, el objetivo de este artículo es realizar una aproximación al modelo CAViaR para el mercado de valores colombiano, empleando diferentes factores de riesgo macroeconómicos y financieros como los esbozados en Chernozhukov y Umantsev (2001); además, se busca establecer qué regla empírica permite una mejor captura del comportamiento del índice general de la Bolsa de Valores de Colombia (IGBC). There are different methodologies for calculating Value at Risk (VaR) seeking to capture market risk primarily exposed to financial institutions. As the conditional autoregressive Value at Risk (CAViaR) model of Engle y Manganelli (1999, 2001, 2004) a good empirical approximation to the true measure VaR, both to cover the risk, as for compliance with banking regulations. Therefore, the objective of this paper is to approach the model CAViaR for the Colombian stock market using different macroeconomic risk factors and financial as outlined in Chernozhukov and Umantsev (2001), it also seeks to establish empirical rule allows better capture the behavior of the General Index of the Stock Exchange of Colombia (GISEC). Existem diferentes metodologias para calcular o valor em risco (VaR) que pretendem capturar principalmente o risco de mercado ao que estão expostas as instituições financeiras. Sendo o modelo de valor em risco condicional auto-regressivo (CAViaR) de Engle e Manganelli (1999, 2001, 2004) uma boa aproximação empírica para a verdadeira medida VaR, tanto para cobrir o risco como para o cumprimento da regulação bancária, o objetivo deste artigo consiste em realizar uma aproximação ao modelo CAViaR para o mercado de valores colombiano, empregando diversos fatores de risco macroeconômicos e financeiros como os esboçados em Chernozhukov e Umantsev (2001); adicionalmente, busca estabelecer qual regra empírica permite uma melhor captura do comportamento do índice geral da Bolsa de Valores da Colômbia (IGBC).

Este trabajo presenta un sistema de detección de posición angular de buques, utilizando técnicas de extracción de características en imágenes digitales y redes neurales artificiales. Se utilizan imágenes de embarcaciones militares generadas gráficamente. Se realizaron diferentes pruebas usando redes neuronales artificiales aplicadas al conjunto de características geométricas. Los resultados de las pruebas comprueban la importante contribución de la utilización de algoritmos de reconocimiento en la determinación de posicionamiento angular de embarcaciones, independiente del alejamiento del observador. Los resultados favorecen aplicaciones futuras en el seguimiento de buques (tracking) utilizando imágenes infrarrojas. This paper presents a system for detecting angular position of targets, using feature extraction techniques in digital imaging and artificial neural networks. Military ships images graphically generated by three-dimensional solid modeling software are used. Several tests using artificial neural networks applied to the set of geometric features were performed. The results show the important contribution of recognition algorithms in determining the ship angular position, regardless of their distance from the observer. The results encourage future applications for tracking targets using infrared images.

[EN] The paper highlights the importance of input-variable selection for neural models used to forecast the call load in a telephonic attention center. The models have at their disposal a large number of variables to be used as inputs. However, the number of observations that can be used for training is small due to social and economic changes. This prompts to carefully selecting the input variables and using the smallest possible set, otherwise generalization would be degraded. To solve the problem a mixed approach is used. In a first stage a large number of candidate variables is sorted and some are selected. The second stage does a finer selection among the surviving candidate variables. The results obtained with data from a real attention center show that a correct input-variable selection is vital for this kind of applications. [ES] En este artículo se ilustra la importancia de la selección de variables independientes para modelos neuronales destinados a la predicción de la demanda en un centro de atención telefónica. Los modelos tienen como objetivo ayudar en la planificación semanal del personal del centro, tarea que se realiza con 14 días de antelación. Los modelos requeridos pueden hacer uso de gran cantidad de variables independientes. Sin embargo, el número de casos que pueden ser usados para obtener los parámetros del modelo es escaso debido a los cambios socio-económicos. Esto plantea la necesidad de seleccionar cuidadosamente las variables independientes y utilizar el menor número posible de ellas, de otro modo la generalización del modelo se degradaría. Para resolver el problema se utiliza un método mixto que permite trabajar con un alto número de variables candidatas, en una primera fase, y seleccionar más cuidadosamente un número menor de variables en una segunda fase. Los resultados obtenidos por los modelos resultantes de aplicar el método propuesto y sus variantes son analizados utilizando datos reales de un centro de atención telefónica. Los resultados de la comparación muestran que la correcta selección de variables independientes es vital para este tipo de aplicación. Este trabajo ha sido financiado parcialmente por la Comisión de la Comunidad Europea a través del proyecto de investigación HYCON FP6-511368.

En este trabajo se aplica un método constructivo aproximado para encontrar arquitecturas de redes neuronales artificiales (RNA) de tipo perceptrón multicapa (PMC). El método se complementa con la técnica de la búsqueda forzada de mejores mínimos locales. El entrenamiento de la red se lleva a cabo a través del algoritmo gradiente descendente básico (GDB); se aplican técnicas como la repetición del entrenamiento y la detención temprana (validación cruzada), para mejorar los resultados. El criterio de evaluación se basa en las habilidades de aprendizaje y de generalización de las arquitecturas generadas específicas de un dominio. Se presentan resultados experimentales con los cuales se demuestra la efectividad del método propuesto y comparan con las arquitecturas halladas por otros métodos. This paper deals with an approximate constructive method to find architectures of artificial neuronal network (ANN) of the type MultiLayer Percetron (MLP) which solves a particular problem. This method is supplemented with the technique of the Forced search of better local minima. The training of the net uses an algorithm basic descending gradient (BDG). Techniques such as repetition of the training and the early stopping (cross validation) are used to improve the results. The evaluation approach is based not only on the learning abilities but also on the generalization of the specific generated architectures of a domain. Experimental results are presented in order to prove the effectiveness of the proposed method. These are compared with architectures found by other methods.

En este artículo, se discute el estado del arte en la estimación de la predicción varios pasos adelante para modelos de series temporales no lineales basados en perceptrones multicapa. Se revisan las principales tendencias para la estimación de pronósticos puntuales e intervalos de confianza. En adición, se argumenta sobre los principales problemas abiertos para investigación futura en la predicción de series temporales usando redes neuronales. In this paper, we discuss the state-of-art in estimating multiple steps ahead forecast for nonlinear time series models based on multilayer perceptrons. We review the main trends for estimating the point forecasts and confidence intervals. In addition, we argue the principal open issues for future research in time series forecasting using neural networks.

MultiTask Learning (MTL) is a procedure to train a neural network to learn several related tasks simultaneously considering one of them as main task and the others as secondary tasks. In this paper, we have tested a method to obtain artificially tasks which are related with the main one, because in many real cases, knowledge about problem to be solved is uncertain. We use sample selection techniques to generate related tasks with the main one, in particular, samples close the classification boundary. Moreover, a new procedure to train MultiLayer Perceptrons with generated tasks is described. Este trabajo está subvencionado por el Ministerio de Educación y Ciencia, otorgado por TIC2002-03033.

In this paper the most recent and remarkable innovations in paradigms arise; expert systems and artificial neural networks, describing both systems first and then reviewing the work areas. Finally, because of its novelty, highlights the most relevqantes applications of neural models using financial information; the case of business failure analysis and prediction in losmercados financierosm doned complementarity between statistical and neural models are playing an effective role., En el presente trabajo se plantean las innovaciones más recientes y destacables en los paradigmas; sistemas expertos y redes neuronales artificiales, primero describiendo ambos sistemas y luego revisando las áreas de trabajo. Finalmente, por su novedad, se destacan las aplicaciones más relevqantes de los modelos neuronales que utilizan información financiera; es el caso del análisis del fracaso empresarial y la predicción en losmercados financierosm doned la complementariedad entre modelos estadísticos y neuronales están desempeñando un papel eficaz.