Search

Resumen El uso de los rankings y la forma de agregarlos o resumirlos ha recibido una atención creciente en diversos campos: bibliometría, búsquedas web, minería de datos, estadística, calidad educativa y biología computacional. Para el Problema de Ordenamiento Óptimo con empates fue introducido recientemente el concepto de Matriz Utópica: una solución ideal y no necesariamente factible con una calidad insuperable para las soluciones factibles del problema. Este trabajo propone una extensión de la noción de Matriz Utópica para el Problema de Agregación de Rankings en que no se permiten empates entre elementos en el ranking de salida. Más allá de la extensión que es directa, el trabajo se centra en estudiar su valor como idealización o solución súper óptima. Como el Problema de Agregación de Rankings puede resolverse de forma exacta a partir de su definición como Problema de Programación Lineal Entera, se presenta un estudio experimental donde se analiza la relación que existe entre los valores utópicos (y anti utópicos) y la solución óptima en instancias resueltas con la ayuda del software de código abierto SCIP. Entre las 47 instancias analizadas, en 19 el Valor Utópico resultó ser igual al valor óptimo (40,43 % de factibilidad) y en 18 el Valor Anti Utópico también resultó ser factible (38,00 %). Este estudio experimental demuestra la utilidad de los valores utópicos y anti utópicos para ser considerados como valores extremos en el Problema de Agregación de Rankings, pudiendo así encontrase muy rápidamente cotas superiores e inferiores para la optimización. Abstract The use of rankings and how to aggregate or summarize them has received increasing attention in various fields: bibliometrics, web search, data mining, statistics, educational quality, and computational biology. For the Optimal Bucket Order Problem, the concept of Utopian Matrix was recently introduced: an ideal and not necessarily feasible solution with an unsurpassed quality for the feasible solutions of the problem. This work proposes an extension of the notion of Utopian Matrix to the Rank Aggregation Problem in which ties are not allowed between elements in the output ranking. Beyond the extension that is direct, the work focuses on studying its usefulness as an idealization or super optimal solution. As the Rank Aggregation Problem can be solved exactly based on its definition as an Integer Linear Programming Problem, an experimental study is presented where it is analyzed the relationship that exists between utopian (and anti utopian) values and the optimal solution in several instances solved by using the open source software SCIP. Among the 47 instances analyzed, in 19 the Utopian Value turned out to be equal to the optimal value (40.43 % feasibility) and in 18 the Anti Utopian Value also turned out to be feasible (38.00 %). This experimental study demonstrates the usefulness of utopian and anti utopian values to be considered as extreme values in the Rank Aggregation Problem, thus being able to find higher and lower bounds for optimization very quickly.

[ES] En este trabajo de investigación se aplican métodos adaptables en el diseño de algoritmos computacionales, dichos algoritmos emplean redes neuronales y series de wavelets para construir “neuroaproximadores” wavenets. Se muestra cómo las wavenets pueden combinarse con los métodos autosintonizables para obtener el seguimiento de señles complejas que están en función del tiempo. Los algoritmos obtenidos se aplican en la aproximación de señales que representan funciones algebraicas y funciones aleatorias, así como en una señal médica deun ECG. Se muestran los resultados en simulación numérica de dos arquitecturas de neuroaproximadores wavenets: el primero está basado en una wavenet, con el cual se aproximan las señales bajo estudio donde los parámetros de la red neuronal son ajustados en línea; el otro esquema emplea un filtro IIR a la salida de la red wavenet para discriminar las contribuciones de aquellas neuronas que tienen menos peso en la aproximación de la señal, lo que ayuda a reducir el tiempo de convergencia a un error mínimo deseado., [EN] In this paper adaptable methods for computational algorithms are presented. These algorithms use neural networks and wavelet series to build neuro wavenets approximators. The algorithms obtained are applied to the approximation of signals that represent algebraic functions and random functions, as well as a medical EKG signal. It shows how wavenets can be combined with auto-tuning methods for tracking complex signals that are a function of time. Results are shown in numerical simulation of two architectures of neural approximators wavenets: the first is based on a wavenet with which they approach the signals under study where the parameters of the neural network are adjusted online, the other neuro approximator scheme uses an IIR filter to the output of wavenet, which serves to filter the out- put, in this way discriminate contributions of neurons that are less important in the approximation of the signal, which helps reduce the convergence time to a desired minimum error.

This thesis studies the effect of emulating human emotions in control systems. The introduction of a new control strategy applies well known facts from neuroscience and psychology about decision-making processes in humans, and combines them with computer science and artificial intelligence tools into control system design. The approach to the concept of emotion specified in this thesis requires a dynamical system to be controlled, a second system is employed as a reference model, and a mechanism for predicting the future dynamics for both systems. The comparison between these predictions triggers an emotion in the controller, and each emotion plus its intensity serves to define the appropriate input to the plant. Thus, the controller avoids negative emotions such as anger or fear, while seeking for positive emotions such as calm or satisfaction. This scheme causes the plant to approach the dynamic of the reference model. Given the importance of prediction in the emotion-based controller, this thesis proposed three algorithms to anticipate the value of a function. The first algorithm approximates the rate of change of any function given samples, the second reconstructs a periodic signal, and the third approximates the period of a periodic target function. In several tests, including linear and nonlinear systems, the proposed controller outperforms a classical controller for all considered cases. One of the main contributions of this research pertains to the reduction of the negative effects of nonlinearities in a plant by defining a linear reference model and leading the system to approach it. The application of emulated emotions in control systems opens a wide range of new solutions for dynamical systems, which may include aspects such as fault tolerance, motion planning, and control of complex systems. En esta tesis se estudia el efecto de la emulación de emociones humanas sobre el control de sistemas dinámicos. La aplicación de la estrategia de control nueva utiliza hechos bien conocidos con respecto a neurociencia y psicología acerca del proceso de toma de decisiones humanas, y combina esto con resultados en ciencias de la computación y de inteligencia artificial en el control de sistemas dinámicos. El concepto de emociones especificado en esta tesis requiere un sistema dinámico a ser controlado y un segundo sistema utilizado como modelo de referencia, además requiere un mecanismo de predicción del futuro de la dinámica de los dos sistemas. La comparación entre las dos predicciones hace que se dispare una emoción en el controlador, y cada emoción más su propia intensidad sirve para definir el valor de entrada para la planta en cada instante. Así, el controlador evita emociones negativas, tales como ira y temor, mientras que busca experimentar emociones positivas, tales como calma o satisfacción. Este esquema logra que la planta se aproxime al modelo de referencia. Dada la importancia de la predicción en el controlador basado en emociones, en esta tesis se proponen tres algoritmos para anticipar el valor de una función. El primer algoritmo aproxima la razón de cambio de una función dadas muestras, el segundo algoritmo reconstruye una señal periódica, y el tercero aproxima el periodo de una función periódica. Se vio, por medio de muchas pruebas, incluyendo sistemas lineales y no lineales, que el controlador propuesto supera el rendimiento de un controlador clásico, para todos los casos. Una de las contribuciones más importantes de esta investigación tiene que ver con la reducción del efecto negativo de las no linealidades en una planta, mediante la definición de modelo de referencia lineal. La aplicación de emociones emuladas en el control de sistemas dinámicos abre posibilidades para soluciones nuevas en sistemas dinámicos, las cuales pueden incluir aspectos como la tolerancia a fallos, la planeación de movimiento, y el control de sistemas complejos. Doctorado

[ES] En este trabajo de investigación se aplican métodos adaptables en el diseño de algoritmos computacionales, dichos algoritmos emplean redes neuronales y series de wavelets para construir “neuroaproximadores” wavenets. Se muestra cómo las wavenets pueden combinarse con los métodos autosintonizables para obtener el seguimiento de señles complejas que están en función del tiempo. Los algoritmos obtenidos se aplican en la aproximación de señales que representan funciones algebraicas y funciones aleatorias, así como en una señal médica deun ECG. Se muestran los resultados en simulación numérica de dos arquitecturas de neuroaproximadores wavenets: el primero está basado en una wavenet, con el cual se aproximan las señales bajo estudio donde los parámetros de la red neuronal son ajustados en línea; el otro esquema emplea un filtro IIR a la salida de la red wavenet para discriminar las contribuciones de aquellas neuronas que tienen menos peso en la aproximación de la señal, lo que ayuda a reducir el tiempo de convergencia a un error mínimo deseado. [EN] In this paper adaptable methods for computational algorithms are presented. These algorithms use neural networks and wavelet series to build neuro wavenets approximators. The algorithms obtained are applied to the approximation of signals that represent algebraic functions and random functions, as well as a medical EKG signal. It shows how wavenets can be combined with auto-tuning methods for tracking complex signals that are a function of time. Results are shown in numerical simulation of two architectures of neural approximators wavenets: the first is based on a wavenet with which they approach the signals under study where the parameters of the neural network are adjusted online, the other neuro approximator scheme uses an IIR filter to the output of wavenet, which serves to filter the out- put, in this way discriminate contributions of neurons that are less important in the approximation of the signal, which helps reduce the convergence time to a desired minimum error.