Search

En este artículo presentamos la noción de tradautomaticidad y explicamos su relevancia en la traducción automática. La tradautomaticidad es el 'aroma de la traducción automática'; esto es, los fenómenos lingüísticos que provocan que un texto parezca haber sido traducido por una máquina y no por un ser humano. Esta noción es relevante en la evaluación de sistemas de traducción automática pero lo es también en la corrección de traducciones, en la confirmación de usos fraudulentos, la detección de spam, o la búsqueda de informaciónEl artículo explica el trabajo experimental que realizamos para elaborar una tipología de tradautomaticidad. Analizamos también la apreciación de estos fenómenos por parte de un extenso grupo de informantes, con diferentes niveles de estudios, edades, etc. El experimento nos ha dado datos sobre la influencia de los pares de lenguas y el método del sistema en la generación de ejemplos de tradautomaticidad. Finalmente, hemos hecho unas recomendaciones metodológicas para detectar ejemplos de tradautomaticidad de la forma más objetiva posible., In this article we explain the notion of machine translationness and its relevance in machine translation. Machine translationness refers to the linguistic phenomena that reveals a text to be translated by a machine. This notion is relevant for machine translation evaluation, post-editing,confirmation of dishonest use of manchine translation engines, spam detection and information search.The article explains the empirical study we performed in order to elaborate a machine translationness typology. We also analyse the perception of machine translationness types by a large group of informants with varied learning levels, ages, etc. The experiment provided us with data about the influence of language-pairs and the methodology of the translation engine in machine-translationness generation. Finally, we suggest a few methodological hints about how machine translationnes can be detected automatically and objectively.

We describe a model that interprets the circulation of the tropical ocean in the periods when the meteorological phenomenon known as "El Niño" appears; A study area is defined as being the equatorial pacific, the ocean current is described by the primitive equations, which consists of the equations of motion and temperature transport which are strongly coupled. As boundary conditions, the wind stresses on the surface of the ocean is fundamental for the warming of waters, which due to its high variability we consider it random and described by a multiplicative white noise, generating the so-called stochastic primitive equations for the circulation of the tropical ocean.The variational formulation of the problem is presented and some estimates that allow verifying the existence of solutions of these equations. Describimos un modelo que interpreta la circulación del océano tropical en los periodos en que aparece el fenómeno meteorológico conocido como "El Niño"; Se define una zona de estudio como siendo el pacífico ecuatorial, la corriente oceánica es descrita por las ecuaciones primitivas, que consiste en las ecuaciones de movimiento y del transporte de temperatura las cuales están fuertemente acopladas. Como condiciones de contorno, las tensiones de viento sobre la superficie del océano es fundamental para el calentamiento de las aguas, las que debido a su alta variabilidad la consideramos aleatorias y descritas por el un ruido blanco multiplicativo, generando las llamadas ecuaciones primitivas estocásticas para la circulación del oceáno tropical. Se presenta la formulación variacional del problema y algunas estimativas que permiten verificar la existencia de soluciones de estas ecuaciones.

[EN] In the last decade we have witnessed a growing application of engineering techniques to biology. Areas such as Systems Biology or, more recently, Synthetic Biology, get more and more attention from the engineers. Specifically, modeling in these fields makes possible the generation of new experimentally verifiable hypothesis, and new ways of biological intervention, as well as more or less mechanistic explanations of experimental results. A model-based approximation requires the consideration of the biochemical reactions dynamics and their regulation. The first part of this tutorial describes the deterministic modeling and model reduction techniques, as applied to the class of biochemical reactions specific to molecular cell biology.Noise plays a crucial role in the biological circuitry dynamics. In the field of automatic control there is a long tradition of modeling using linear stochastic differential equations, under the simplifying assumption that noise has a magnitude independent of the state. This assumption is not valid in biological circuits. The second part of the tutorial describes the most widely used methods for stochastic modeling in molecular cell biology, paying special attention to the so-called linear noise approximation., [ES] Durante la ultima década hemos vivido una creciente aplicación de técnicas propias de las ingenierías a la biología. Áreas como la Biología de Sistemas o, más recientemente, la Biología Sintética, reciben una atención cada vez mayor por parte de los ingenieros. En particular, el modelado en estos ámbitos permite la generación de nuevas hipótesis contrastables experimentalmente, y de nuevas formas de intervención biológica, así como explicaciones más o menos mecanicistas de los resultados experimentales. Una aproximación basada en modelo requiere considerar la dinámica de las reacciones bioquímicas y su regulación. En la primera parte de este tutorial se introducen el modelado determinista y reducción de modelos de la clase de reacciones bioquímicas propias de la biología molecular celular.El ruido juega un papel crucial en la dinámica de los circuitos biológicos. En el área de control automático hay una larga tradición de modelado mediante ecuaciones diferenciales estocásticas lineales, bajo la hipótesis simplificadora de asumir que el ruido tiene una magnitud independiente de la del estado. Esta hipótesis no es válida en los circuitos biológicos. En la segunda parte del tutorial se describen los métodos de modelado estocástico más usados en biología molecular, con especial atención a denominada aproximación lineal del ruido., Este trabajo ha sido realizado parcialmente gracias al apoyo de los proyectos FEDER-CICYT DPI2011-28112-C04-01, y DPI2014-55276-C5-1. Yadira Boada agradece la beca FPI/2013- 3242 de la Universitat Politècnica de València.

El control de procesos con dinámica estocástica o compleja es exitoso siempre y cuando se pueda estimar un modelo que se ajuste bien al comportamiento, sin embargo, esta suposición pierde validez en aplicaciones donde la información del sistema es reducida o incompleta, muy comunes en ambientes reales de la industria. La literatura presenta diferentes esquemas de control, siendo los modelos neuro-difusos los que reportan mejor desempeño. Estos modelos conjugan la capacidad de adaptación que tienen las redes neuronales con la robustez de los motores de inferencia que tiene la lógica difusa, para modelar el conocimiento de expertos mediante reglas de aprendizaje, identificar dinámicas complejas y aumentar la adaptabilidad del sistema a perturbaciones que en la práctica tienden a ser de naturaleza estocástica sumado, a veces, que la información del sistema sea restringida. Este artículo presenta una revisión sobre dificultades y soluciones derivadas del control de sistemas estocásticos o complejos con información incompleta. Se revisan las estructuras de control cuando la dinámica del sistema presenta vaguedad en los datos, la evolución hacia técnicas adaptativas, y el desempeño de las redes neuro-difusas ante procesos estocásticos o complejos con incertidumbre en los datos. De forma preliminar se establece que el control de este tipo de sistemas debe estar compuesto por modelos híbridos soportados en rutinas de optimización y análisis probabilístico que garanticen el tratamiento de las incertidumbres sin afectar el desempeño de las estructuras de control y la consistencia en la precisión. Control theory for processes with stochastic or complex dynamics has a successful performance as long as a model can be adjusted to the system behavior, although for real applications in the industry, where data can be reduced or incomplete, this statement may not be true. Different control schemes have been proposed and the literature reports promising results with neural fuzzy models. These models combine the adaptability of neural networks with the robust inference of fuzzy logic, in order to model expert knowledge by learning rules, identify complex dynamics and enhance the control adaptability when stochastic disturbances are present, which sometimes cause incomplete system data. This paper presents a review on the difficulties and solutions related to the control of stochastic or complex systems with incomplete data. This study, initially, discusses the control structures when the system data present notable uncertainty levels. Next, different adaptive control schemes are presented, and finally, nonlinear and stochastic control approaches based on neural fuzzy systems are reviewed. Thereby, in a preliminary way, this review establishes that a system under the conditions mentioned above should be controlled by hybrid models supported on probabilistic routines and optimization procedures in order to appropriately consider the stochastic disturbances and the uncertainty levels without reducing the control performance and yielding consistent accuracy.

El objetivo de este trabajo es estudiar la transmisión y almacenamiento de una señal periódica en arreglos de resonadores, explorando los efectos que tiene la propagación de la señal en un sistema estocástico. Se propone analizar y estudiar la respuesta completa (amplitud, fase, tiempos de residencia, etc) de distintos arreglos de osciladores biestables acoplados, cuando el sistema se halla bajo el régimen de Resonancia Estocástica. El estudio se realiza tanto numérica como experimentalmente, para los diferentes parámetros relevantes del sistema como la intensidad y retraso temporal en los acoplamientos entre unidades y la intensidad del ruido. The main goal of this work is to study transmission and storage of a periodic signal in arrays of oscilators, exploring the effects of this propagation in an stochastic system. We propose to study and analize the whole response (amplitude, phase, residence time, etc) of different arrays of coupled bistable oscillators, when they are operating quite near the Stochastic Resonance regime. Numerical and experimental studies are made for relevant parameters of the system as: coupling intensity, noise intensity and time delay within the couplings. Fil: Carusela, María Florencia. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.