Search

Muchas personas comparten actualmente noticias, enlaces o videos a familiares y amigos, sin ser conscientes del impacto que pueden tener en las decisiones o forma de actuar de las personas. Un ejemplo claro, que recientemente se ha vivido en Colombia, corresponde al paro nacional que está sucediendo al momento de la entrega de esta tesis. Los colombianos han vivido como las noticias inducen a las masas a tomar decisiones que afectan el ambiente político social y económico del país. También se ha visto como las noticias pueden llegar a generar miedo en el pueblo, o incluso, a desinformarlo en el caso de las noticias falsas. Por estas razones resulta muy importante determinar el impacto que puede tener una noticia. El problema planteado radica en la inexistencia de una manera de predecir el impacto que puede tener una noticia para una comunidad de usuarios. Por lo tanto, el objetivo consiste en implementar un modelo de aprendizaje automático que permita predecir, con la mejor fidelidad posible, la viralidad de artículos en línea. Para esto se utilizó una metodología enfocada a proyectos de aprendizaje automático denominada CRISP-DM. Dado que este proyecto fue una propuesta de investigadores en Barcelona, la forma en que se valida este trabajo es mediante una encuesta donde se comprueban los objetivos, hallazgos y resultados alcanzados, versus lo que ellos esperaban. Finalmente, se obtuvo como mejor resultado aquel correspondiente al modelo donde el núcleo de la arquitectura se basaba en un modelo pre entrenado, denominado BERT, el cual permitía predecir, para una pareja de títulos de noticias, si el primer título sería más viral que el segundo.

Para la empresa Valienta S.A.S, es de gran importancia proveer una buena experiencia de usuario y un conjunto de características a sus vendedoras, con el propósito de lograr que tengan éxito en sus labores. Para resolver el problema especifico de clasificar productos en catálogos, y hacerlos mas visibles a las usuarias, se decide etiquetar los productos dentro de 13 categorías. Para tal fin, se propone el uso del método de detección conocido como Faster R-CNN como método de detección automático de los productos, entrenado sobre un conjunto de datos con 1250 imágenes y alrededor de 4400 instancias, distribuidas de manera desbalanceada en las 13 clases. La metodología utilizada consistió en el preprocesamiento de catálogos en PDF a imágenes JPEG, las cuales fueron posteriormente etiquetadas con cajas alrededor de cada producto en el formato propuesto por MSCOCO. Se modela, mediante detectron2, distintas configuraciones de hiperparametros sobre el modelo, utilizando como validación un conjunto de datos que contiene el 20% de las instancias.

En el presente documento se determinan los patrones de predictibilidad del índice bursátil SyP 500 utilizando una ventana de estimación de 27 años. Para ello, primero se someten las variables susceptibles de ser predictores a un análisis de componentes principales que finalmente entregan los insumos para ser utilizados en un modelo de red neuronal. En el desarrollo del estudio se encuentra que 9 variables de 29 planteadas al inicio predicen el precio del índice SyP 500. No obstante, para trabajos posteriores se plantea la posibilidad de mejorar el modelo y así realizar estimaciones del precio del índice en mención.

En el presente documento se determinan los patrones de predictibilidad del índice bursátil SyP 500 utilizando una ventana de estimación de 27 años. Para ello, primero se someten las variables susceptibles de ser predictores a un análisis de componentes principales que finalmente entregan los insumos para ser utilizados en un modelo de red neuronal. En el desarrollo del estudio se encuentra que 9 variables de 29 planteadas al inicio predicen el precio del índice SyP 500. No obstante, para trabajos posteriores se plantea la posibilidad de mejorar el modelo y así realizar estimaciones del precio del índice en mención.

En este artículo se compara el desempeño de un modelo ARIMA, un perceptron multicapa y una red neuronal autorregresiva para pronosticar la demanda mensual de electricidad en Colombia para el siguiente mes adelante. Los datos disponibles fueron divididos en dos conjuntos, el primero para estimar los parámetros del modelo y el segundo para la capacidad de predicción por fuera de la muestra de calibración. Los resultados revelan que la red neuronal autorregresiva es capaz de pronosticar la demanda con mayor precisión que los otros dos modelos cuando la totalidad de los datos es considerada. A non-linear model for forecasting the monthly demand for electricity in Colombia This article provides a comparison of the performance of an ARIMA model, a multilayer perceptron, and an autoregressive neural network for forecasting the monthly demand for electricity in Colombia for the following month. The available data were divided into two different sets, i.e. one set for estimating the model parameters, and the other for evaluating the forecast ability outside the range of the sample calibration data. The results show that the autoregressive neural network is able to forecast the demand more accurately than the other two models when the total available data are considered. Um modelo não linear para a previsão da necessidade mensal de eletricidade na Colômbia Nesse artigo se compara o desempenho de um modelo ARIMA, um perceptrão multi-camada e uma rede neural autorregressiva para prever a necessidade mensal de eletricidade na Colômbia para o mês seguinte. Os dados disponíveis foram divididos em dois grupos, o primeiro para estimar os parâmetros do modelo e o segundo para a capacidade de previsão por fora da mostra de calibração. Os resultados mostram que a rede neural autorregresiva é capaz de prever a procura com maior precisão que os outros dois modelos considerados, quando a totalidade dos dados é considerada.

Las herramientas computacionales se desarrollan para ayudar a los profesionales en la determinación de ciertas anomalías en diferentes equipos. Estas herramientas buscan determinar algún daño sin necesidad de desmontar los equipos, con el fin de optimizar los procesos, en este caso, diagnosticar el funcionamiento de la pieza de alta velocidad odontológica. Este artículo presenta los resultados del desarrollo de un algoritmo computacional que permite obtener, a partir de los sonidos que generan las turbinas de las piezas de alta velocidad, el diagnóstico del estado en que ellas se encuentran. Lo anterior se logra mediante la captura del sonido de piezas de alta velocidad en buen y mal estado, con el fin de construir un banco de señales a partir de las cuales se extraen características en diferentes dominios para entrenar una red neuronal que diagnosticará el estado de la pieza. Con la implementación de este sistema ha sido posible alcanzar hasta un 81% de porcentaje de éxito en la clasificación de piezas defectuosas. The computational tools are developed to help professionals to determine anomalies in different equipment. These tools seek to determine any damage without disassembly for the purpose of optimize processes, in this case the operation of the diagnose high speed dental piece. This article presents the results of the implementation of a computational algorithm for obtaining, from the sounds generated by turbines high speed parts, in what state is this. This is accomplished by capturing the sound of high-speed components in good and bad state, in order to build a database from these sounds, each of these signals are extracted features in different domains to train a neural network, which diagnose the state of the workpiece. With the implementation of this system has been possible to achieve an 81% success rate for the classification of defective pieces.

Este trabajo de investigación estudia dos problemas en la optimización en las redes neuronales utilizadas para la mayoría de aplicaciones reales: primero, el diseño de la arquitectura que involucra determinar el número de capas y neuronas por capa, y segundo, las funciones de activación que se deben usar en cada una de estas capas. Para ello se desarrolla una herramienta software basada en algoritmos genéticos que encuentra estos parámetros de las redes neuronales. La herramienta desarrollada le permite al usuario elegir el algoritmo de entrenamiento usado; además se aplican técnicas para lograr una mejor generalización como son la detención temprana, la repetición del entrenamiento y el ajuste de los datos de entrenamiento a las funciones de activación usadas. Por último, la herramienta desarrollada es probada en un grupo de usuarios especializados que utilizan la herramienta para encontrar una arquitectura de red neuronal óptima para resolver un problema de verificación de identidad a través de la imagen facial mediante redes neuronales artificiales. This research examines two problems in the optimization in the neural networks used for most real applications: first, architectural design that involves determining the number of layers and neurons by layer, and second, the activation functions that will be should use in each of these layers. For it is developed a software tool based on genetic algorithms to find these parameters of a neural network. The developed tool allows the user to choose the algorithm used for training and also apply techniques to achieve better generalization such as the early stopping, the repetition of training and adjusting the training data to the activation functions used. Finally, the developed tool is tested into a specialized group of users who use the tool to find an optimal neural network architecture to solve a problem of identity verification through the facial image using artificial neural networks.

En este documento se realiza una exploración bibliográfica sobre un conjunto de redes neuronales artificiales para así evaluar según sus características un subconjunto de cuatro redes posibles a aplicar para realizar pronósticos de demanda en una cadena de abastecimiento de dos escalones, teniendo como recomendación a utilizar la red ELMAN.

El artículo describe un método de análisis de gota gruesa para la detección del parásito de la malaria en la sangre, realizado a partir del análisis de imágenes. Para la etapa de segmentación de las imágenes el método desarrollado combina las técnicas AGNES [Absence of gradients and Nernstian equilibrium stripping] y del Gradiente Morfológico. La extracción de características se basa en la transformada de Wavelet y es seguida por una etapa de clasificación de la red neuronal. El método utiliza la técnica de Análisis de Componentes Principales (PCA) para reducir el número de funciones y mejorar el rendimiento de la red neuronal. La tasa de detección efectiva (True-Positive rate) lograda fue de 77,19% en la determinación de un parásito específico, y de 76,45% en la determinación de al menos un parásito en una imagen de microscopio An image analysis method for Malaria parasite detection in thick film blood images is described. The developed method uses a combination of AGNES [Absence of gradients and Nernstian equilibrium stripping] and Morphological Gradient techniques in the image segmentation stage. Wavelet-based feature extraction is followed by a neural network classification stage. Principal Component Analysis (PCA) is used to reduce the number of features and improve the performance of the neuronal network. The true positive rate for determining a specific parasite was of 77.19%, while a 76.45% was obtained in determining at least a parasite in a microscopy image.