Search

Analizar los datos con que cuenta el Instituto Colombiano Agropecuario ICA, relacionados con los análisis de las enfermedades de prioridad nacional enfocados en el área de la Brucelosis Bovina. Big data hoy en día es una preferencia a nivel global, ha evolucionado en un conjunto de ciencias, técnicas y tecnologías aplicadas que coaccionan entre sí, tomando un papel bastante importante y se han convertido en un factor imprescindible para cualquier organización que quiera ser competitiva, ayudando a la toma de acciones en el momento preciso; nosotros en este trabajo planteamos un modelo de arquitectura de datos, el cual comprende este conjunto de conceptos, los cuales inician desde el proceso de obtención de datos, captura, minería, transformación, cargue, almacenamiento, un modelado con análisis y finalmente su respectiva visualización. De acuerdo con lo anterior y el objetivo planteado por el Instituto Colombiano Agropecuario - ICA, el presente documento nos permite obtener una exploración y una perspectiva con un análisis cienciométrico de los datos generados por los diferentes laboratorios veterinarios ubicados a nivel nacional, y es allí donde podemos identificar características, fortalezas, debilidades y oportunidades, obteniendo cómo resultados una síntesis y conclusiones de los procesos propios de esta actividad y de la ganadería. Por otra parte, cabe resaltar que es una temática de vital importancia para la sanidad humana como es el control de la enfermedad de la Brucelosis Bovina en Colombia Big data today is a global preference, it has evolved into a set of sciences, techniques and applied technologies that coerce with each other, taking on a very important role and have become an essential factor for any organization that wants to be competitive, and so be able to take actions at the right time with efficient strategic, tactical and operational decisions; In this work we propose a data architecture model, which includes this set of concepts, which start from the process of obtaining data, capture, mining, transformation, loading, storage, modeling with analysis and finally their respective visualization. In accordance with the above and the objective by the Colombian Agricultural Institute ICA, this document allows us to obtain an exploration and a perspective with a scientometric analysis of the data generated by the different veterinary laboratories located nationwide, and it is there where we can identify characteristics, strengths, weaknesses and opportunities, obtaining as results a synthesis and conclusions of the processes of this activity and livestock. On the other hand, it should be noted that it is a topic of vital importance for human health, such as the control of Bovine Brucellosis disease in Colombia

[ES] En el ámbito de la Inteligencia Ambiental se encuentran limitaciones notables a la hora de producir los data sets, los volúmenes de datos que modelan las conductas de seres humanos, éstas son recogidas de manera automática por un sistetma domótico inteligente, pero para que este sistema pueda recogerlas, un usuario tiene que interactuar con el sistema, y sus acciones tienen que ser registradas de manera que sean medibles y etiquetables. Y en muchas ocasiones cuando se conducen este tipo de experimentos, no está adecuadamente documentada la manera en la que se han obetnido los datos, ni la metodología empleada para medir, ni las características de los sensores empleados, etc. En ese contexto se encuentra la necesidad de conseguir data sets con la etiqueta del nivel de obtrusividad deseado por el usuario en un momento determinado, al rededor de una actividad determinada. Para dar solución a este problema, el presente documento propone una plataforma web en torno al simulador Open Smart Home Simulator, con tal de facilitar el uso del OpenSHS, y así mismo permitir un potencial uso multitudinario de la herramienta que tiene que servir para poner a disposición pública más data sets que modelen la interacción entre el usuario y el sistema de un hogar inteligente. Los próximos capítulos detallan las cuestiones principales del análisis del problema, de diseño, desarrollo, e implementación y pruebas., [CA] En l’àmbit de la Inteligencia Ambiental es troben limitacions notables a l’hora de produir els data sets, el volums de dades que modelen les conductes de éssers humans, aquestes dades son arreplegades de manera automática per un sistema domòtic intel·ligent, però per a que aquest sistema puga arreplegar-les, un usuari ha de interactuar amb el sistema, i les seues accions han de ser registrades en manera que siguen mesurables i etiquetables. I en moltes ocasions quan es condueixen aquest tipus d’experiments, no está adequadament documentada la manera en què s’han obtingut les dades, ni la metodología empleada per mesurar, ni les característiques del sensors empleats, etc. En eixe context es troba la necessitat de conseguir data sets amb l’etiqueta del nivell d’obtrusivitat desitjat per l’usuari en un moment determinat, al voltant d’una activitat determinada. Per donar solució a aquest problema, el present document proposa una plataforma web, al voltant del simulador Open Smart Home Simulator, per tal de facilitar-ne l’ús del OpenSHS, i així mateix permetre un potencial ús multitudinari de la ferramenta que ha de servir per posar a disposició pública més data sets que modelen la interacción entre l’usuari i el sistema de un hogar intel·ligent. Els pròxims capítols detallen les qüestions principals de análisis del problema, de disseny, desenvolupament, i implementació i probes., [EN] In the field of Ambient Intelligence there are notable limitations when it comes to generate data sets, the data used to model the behaviour of humans, this are automatically registered by an smart domothic system, but to be able to gather this data, the system needs a user that interacts with it, and user’s actions must be registered in a way that can be seized and labelled. And in many times when an experiment like this is realised, the way the data was obtained is not properly informed, or the methodology for seizing, or the properties of the sensors used, ... In this context is framed the need of generating data sets labelled with the desired obtrusivity level, in an specific moment, around an specific activity. To give a solution to this problem, this document proposes a web platform around the Open Smart Home Simulator, so to make OpenSHS’ use easier, and also get a potentially extended use of this tool, that must allow to have at publical disposal, more data sets modelling the interaction between user and system in an smart home. The next chapters describe the main issues about problem analysis, design, development, implementation and tests.

Este artículo presenta el prototipo de sistema inteligente basado en patrones de ondas cerebrales para prevenir accidentesde tránsito, que, mediante un sensor colocado en la cabeza del conductor, monitoriza los patrones de ondas cerebrales los cuales sonenviados en tiempo real vía Bluetooth a una placa Raspberry Pi para ser procesados con estrategias de aprendizaje automático y deesta forma enviar una alerta visual y sonora cuando detecta el estado de somnolencia en el conductor. Para la construcción delprototipo se recogieron datos de cuatro personas en tres estados distintos, mientras estaban despiertas, somnolientas y dormidas. Elconjunto de datos fue procesado con cuatro algoritmos de aprendizaje supervisado: vecinos más cercanos, máquina de soportevectorial, árboles de decisión, bosques aleatorios; siendo este último el que mejores resultados mostró alcanzando un 82.05% deprecisión al diferenciar los tres estados anteriormente mencionados. El costo estimado del sistema es de 210 USD, resultando unsistema económico con relación a otros existentes en el mercado.

En esta investigación se lleva a cabo el análisis, la validación y la implementación de un algoritmo tomado del amplio mundo del Machine Learning, para generar uno o varios modelos que puedan apoyar en los procesos de optimización de las redes UMTS (Universal Mobile Telecommunications System - Sistema universal de telecomunicaciones móviles), y más específicamente en la fase de diagnóstico de las celdas. Se presentan algunos de los contadores y KPIs (Key Performance Indicators – Indicadores claves de desempeño) estadísticos de las celdas UMTS que normalmente son utilizados por los ingenieros de optimización para diagnosticar el estado de las celdas, y que servirán para armar un data set que pueda ser utilizado por las técnicas de Machine Learning como información de entrada para entrenar los modelos. Para esto se realiza el análisis de varias técnicas de Machine Learning y dependiendo de las características y condiciones del data set disponible, se escogen dos de las técnicas, las cuales serán entrenadas y evaluadas para finalmente escoger la técnica de mejor desempeño y sobre la cual se realizará la implementación en un lenguaje de programación que permita realizar diagnósticos futuros de las celdas UMTS. This investigation is carried out the analysis, the validation, and the implementation of one algorithm took from wide Machine Learning world, to generate one or several models that can support the optimization process of UMTS (Universal Mobile Telecommunications System - Sistema universal de telecomunicaciones móviles) networks. Some statistical counters and KPIs (Key Performance Indicators – Indicadores claves de desempeño) from UMTS cells are presented that normally are used by optimizing engineers to diagnostic the status of the cells and that they will be useful as input information to create a data set for training several Machine Learning techniques. For this is done the analysis of several Machine Learning techniques and depending on the data set characteristics, it is chosen two techniques, which will be trained and evaluated to finally select the technic with the best performance, the final model of this technic is implemented over some programming language that permits the diagnostic of future cases.

[ES] La diabetes mellitus es una enfermedad crónica que cada vez está más extendida, afectando actualmente a uno de cada once adultos. Este trastorno metabólico está relacionado con un gran número de complicaciones que representan una carga pesada para el paciente y el sistema sanitario. El presente trabajo pretende realizar pruebas con diferentes técnicas de aprendizaje automático con el objetivo de poder decir si una persona padece o no diabetes, estudiando y comparando los diferentes resultados obtenidos. En primer lugar, se analizarán las técnicas actuales más relevantes y se detallará el estado de la cuestión. Seguidamente se procederá a la creación de varios clasificadores mediante el uso de conjuntos de datos públicos, identificando los parámetros más importantes y cómo influyen en el funcionamiento de los diferentes modelos. Tras realizar este estudio se modificarán dichos modelos con el fin de mejorar sus resultados y, posteriormente, replicar el desarrollo para una red neuronal artificial. Una vez analizados los valores obtenidos y determinadas las mejores implementaciones se planteará la viabilidad del uso de estas técnicas para el diagnóstico de la enfermedad y, de esta forma, intentar reducir el tiempo de detección de la misma., [EN] Diabetes mellitus is a chronic disease that is becoming more and more widespread, currently affecting one in eleven adults. This metabolic disorder is related to a large number of complications that represent a heavy burden for the patient and the healthcare system. This work aims to carry out tests with different machine learning techniques in order to be able to tell if a person suffers from diabetes or not, studying and comparing the different results obtained. First, the most relevant current techniques will be analyzed and the state of the matter will be detailed. Next, we will proceed to the creation of several classifiers through the use of public data sets, identifying the most important parameters and how they influence the performance of the different models. After conducting this study, these models will be modified in order to improve their results and, subsequently, the previous development will be replicated with an artificial neural network. Once the obtained values have been analyzed and the best implementations determined, the feasibility of using these techniques for the diagnosis of the disease will be considered in order to try to reduce the detection time of the same., [CA] La diabetis mellitus és una malaltia crònica que cada vegada està més estesa, afectant actualment a un de cada onze adults. Aquest trastorn metabòlic està relacionat amb un gran nombre de complicacions que representen una càrrega pesada per al pacient i el sistema sanitari. El present treball pretén realitzar proves amb diferents tècniques d’aprenentatge automàtic amb l’objectiu de poder dir si una persona pateix o no diabetis, estudiant i comparant els diferents resultats obtinguts. En primer lloc, s’analitzaran les tècniques actuals més rellevants i es detallarà l’estat de la qüestió. Seguidament es procedirà a la creació de diversos classificadors mitjançant l’ús de conjunts de dades públiques, identificant els paràmetres més importants i com influeixen en el funcionament dels diferents models. Després de realitzar aquest estudi es modificaran aquests models amb la finalitat de millorar els seus resultats i, posteriorment, replicar el desenvolupament per a una xarxa neuronal artificial. Una vegada analitzats els valors obtinguts i determinades les millors implementacions es plantejarà la viabilitat de l’ús d’aquestes tècniques per al diagnòstic de la malaltia i, d’aquesta manera, intentar reduir el temps de detecció d’aquesta.

The use of machine learning allows the creation of a predictive data model, as a result of the analysis in a data set with 286 instances and nine attributes belonging to the Institute of Oncology of the University Medical Center. Ljubljana. Based on this situation, the data are preprocessed by applying intelligent data analysis techniques to eliminate missing values as well as the evaluation of each attribute that allows the optimization of results. We used several classification algorithms including J48 trees, random forest, bayes net, naive bayes, decision table, in order to obtain one that given the characteristics of the data, would allow the best classification percentage and therefore a better matrix of confusion, Using 66 % of the data for learning and 33 % for validating the model. Using this model, a predictor with a 71,134 % e effectiveness is obtained to estimate or not the recurrence of breast cancer.

A clustering algorithm that combines the advantages of fuzzy clustering and robust statistical estimators is presented. It is based on mixtures of Factor Analyzers, endowed by the joint usage of trimming and the constrained estimation of scatter matrices, in a modified maximum likelihood approach. The algorithm generates a set of membership values, that are used to fuzzy partition the data set and to contribute to the robust estimates of the mixture parameters. The adoption of clusters modeled by Gaussian Factor Analysis allows for dimension reduction and for discovering local linear structures in the data. The new methodology has been shown to be resistant to different types of contamination, by applying it on artificial data. A brief discussion on the tuning parameters, such as the trimming level, the fuzzifier parameter, the number of clusters and the value of the scatter matrices constraint, has been developed, also with the help of some heuristic tools for their choice. Finally, a real data set has been analyzed, to show how intermediate membership values are estimated for observations lying at cluster overlap, while cluster cores are composed by observations that are assigned to a cluster in a crisp way., Ministerio de Economía y Competitividad grant MTM2017-86061-C2-1-P, y Consejería de Educación de la Junta de Castilla y León and FEDER grantVA005P17 y VA002G18

Data Envelopment Analysis is a non-parametrical approach for efficiency evaluation of so-called DMUs (Decision Making Units) and takes into account multiple inputs and outputs. For each inefficient DMU, a target is provided which is constituted by the inputs or outputs levels that are to be attained for the inefficient DMU to become efficient. However, multiobjective models, known as MORO (Multiobjective Model for Ratio Optimization) provide a set of targets for inefficient DMU, which provides alternatives among which the decision-maker can choose. In this paper, we proposed an extension of the MORO models to take into account non-discretionary variables, i.e., variables that cannot be controlled. We present a numerical example to illustrate the proposed multiobjective model. We also discuss the characteristics of this model, as well as the advantages of offering a set of targets for the inefficient DMUs when there are non-discretionary variables in the data set.

Random processes are monitored over space and time by a network of stations distributed across a spatial region. Auxiliary information is often gathered not only at the stations but at other points across the region. The incorporation of auxiliary information in some interpolation techniques has show improvement on the interpolation results. The Empirical Orthogonal Functions (EOF) model is a well-known eigenvector based prediction technique widely used in meteorology and oceanography for modeling the variability of the observed spatio-temporal random process. Similarity matrices are constructed using available auxiliary information and included in the EOF model to develop a spatial interpolation method. The resulting interpolation technique will be applied to real data set and the results compared to ordinary kriging. Los procesos aleatorios son controlados (monitoreados) sobre el espacio y el tiempo por una red de estaciones distribuidas a lo largo de una región espacial. Información auxiliar es recogida a menudo no solamente en las estaciones sino también en otros puntos de la región. La incorporación de información auxiliar en algunas técnicas de interpolación ha mostrado que los resultados de la interpolación se mejoran. El modelo de Funciones Emṕıricas Ortogonales (EOF) es una conocida técnica de predicción basada en vectores propios, usada ampliamente en meteoroloǵıa y oceanograf́ıa para modelar la variabilidad de procesos estocásticos espacio-temporales observados. Se construyen matrices de similitudes usando información auxiliar disponible e incluidaen el modelo EOF para desarrollar un método de interpolación espacial. La técnica de interpolación resultante será aplicada a un conjunto de datos reales y los resultados serán comparados al ‘kriging’ ordinario.

Many data analysis problems deal with non supervised partitioning of a data set, in non empty clusters well separated between them and homogeneous within the clusters. An ideal partitioning is obtained when any object can be assigned a class without ambiguity. The present paper has two main parts; first, we present different methods and heuristics that find the number of clusters for optimal partitioning of a set; afterwards, we propose a new heuristic and we perform different comparisons in order to evaluate the advantages on well known data sets; we end the paper with some concluding remarks. Muchos problemas en el análisis de datos requieren del particionamiento no supervisado de un conjunto de datos dentro de clases o conglomerados no vacíos que sean bien separados entre ellos y lo más homogéneos entre sí. Un particionamiento ideal es cuando se puede asignar cada elemento del conjunto a una clase sin que exista ambigüedades. Este trabajo consta de dos partes principales; primero se presentan diferentes métodos y heurísticas para encontrar la cantidad de clases en que se debe particionar un conjunto de manera óptima; posteriormente se propone una novedosa heurísticas y se realizan algunas comparaciones para observar sus ventajas considerando conjuntos muy conocidos y utilizados que están previamente clasificados presentándose al final algunos resultados y conclusiones.

En diversos problemas de reconocimiento de patrones, se ha observado que el desequilibrio de clases puede disminuir el desempeño del clasificador, principalmente en los patrones de las clases minoritarias. Una estrategia para resolver el problema del desbalance, consiste en tratar por separado las clases incluidas en el problema (clase minoritaria o mayoritaria), a fin de equilibrar los conjuntos de datos. En este sentido, la motivación del presente artículo estriba en el hecho de que el modelo asociativo visto como Clasificador Híbrido Asociativo con Traslación (CHAT), es muy sensible al desbalance de las clases. Por ello, se analiza el impacto que los conjuntos de datos desbalanceados pueden tener sobre el rendimiento del CHAT. Adicionalmente, se analiza la conveniencia de utilizar métodos de bajo-muestreo para disminuir los efectos negativos que el modelo asociativo pueda sufrir. La viabilidad de este estudio se sustenta con los resultados experimentales obtenidos de once conjuntos de datos reales. Finalmente, el presente trabajo se considera como una investigación analítica-sintética. Class imbalance may reduce the classifier performance in several recognition pattern problems. Such negative effect is more notable with least represented class (minority class) Patterns. A strategy for handling this problem consisted of treating the classes included in this problem separately (majority and minority classes) to balance the data sets (DS). This paper has studied high sensitivity to class imbalance shown by an associative model of classification: hybrid associative classifier with translation (HACT); imbalanced DS impact on associative model performance was studied. The convenience of using sub-sampling methods for decreasing imbalanced negative effects on associative memories was analysed. This proposal's feasibility was based on experimental results obtained from eleven real-world datasets. This work was financed by UAEM project 3072/2011, Conacyt 239450, ICyTDF, PIFI 2010055, SIP (20100538, 20100554 and 20101709) and Instituto Politécnico Nacional COFAA.

Indexación: Scielo En este trabajo se describe y analiza, luego de tener la ecuación que relaciona la dinámica de las expectativas de la tasa de interés real y de la inflación, el filtro extendido de Kalman. Asimismo, se realiza la estimación de la inflación exante para una serie de datos preestablecida. Se efectúa una comparación con el método de estimación de horizonte móvil utilizado en situaciones cuando producto de las incertidumbres paramétricas del modelo éste se torna no lineal. La aplicación de estos métodos a datos reales permite concluir que las estimaciones efectuadas a través del método de horizonte móvil, combinado a un algoritmo heurístico de optimización logran los mejores resultados. Palabras clave: Filtrado de Kalman, método MHSE, inflación, modelos econométricos. ABSTRACT This work describes and analyses the Extended Kalman Filter with regard to an equation that relates the dynamic of the expected real interest rates and inflation. An estimation of the exante inflation for a preestablished data set is carried out. This is compared with the same calculation using a moving horizon estimation method for situations that are non lineal due to parametric uncertainties of the model. From the application of these methods to real data, it can be concluded that the estimations based on the moving horizon method, combined with a heuristic optimization algorithm, yield better results. Keywords: Kalman Filter, MHSE method, inflation, econometric models.

p. 533-544 Un conocimiento detallado de los patrones espaciales de la quema es valiosa para la gestión de la biodiversidad y los ecosistemas. Esta investigación evalúa el rendimiento de varios índices espectrales derivados de los datos Landsat al modelar la probabilidad de ocurrencia de incendios por medio de regresión logística. Índice de Diferencia Normalizada de Vegetación (NDVI), Índice de Diferencia Normalizada de humedad (NDIM), Relación de Burn Normalizado (NBR) y se probaron los componentes de verdor y humedad de la Transformación Tasseled Cap. Variables del paisaje (topografía, accesibilidad y vegetación estructural) también fueron incluidos como predictores en el desarrollo de modelos. Aunque el riesgo de incendios está estrechamente relacionado con el clima y el estado de la vegetación en un momento dado, también está fuertemente ligada al fuego la historia, y fueron hechos también consideró cambios en los valores de predicción en los años anteriores al incendio. Los modelos generados clasificados correctamente alrededor del 70% del conjunto de datos de validación. La inclusión de índices espectrales pre-incendios mejorado los modelos de capacidad de predecir la ocurrencia de incendios. Aunque el modelo basado en NBR fueron los modelos más precisos, basados en NDVI TCWetness y mostraron resultados similares, mientras TCGreenness realiza peor. Modelos sin índices espectrales describen el fuego propensión de la estructura del paisaje, mientras que la inclusión de índices espectrales mejoró, el reconocimiento de determinadas condiciones espaciales. La pendiente y la distancia de la ruta más cercana también se identificaron como valiosa predictores. Todos los modelos identifican las principales zonas de riesgo de incendios en el área de estudio. Su integración en un modelo único, integrado adecuadamente descrita fuego propensión y se sugiere a ser una herramienta valiosa para la identificación y gestión del riesgo de incendios. El método empleado es sencillo, describe las variables clave y el patrón espacial del régimen de incendios y es adecuado para el uso operacional de los ecosistemas mediterráneos SI

En este trabajo se desarrollaron modelos basados en redes neuronales del tipo "backpropagation", para predecir la ocurrencia de heladas, a partir de datos meteorológicos de temperatura, humedad relativa, nubosidad, dirección y velocidad del viento. El entrenamiento y la validación de las redes se realizaron utilizando 24 años de datos meteorológicos correspondientes a la estación de Río Cuarto, Córdoba, Argentina, separados en 10 años como conjunto de datos de entrenamiento y 14 como conjunto de datos de validación. Se construyeron diferentes modelos para evaluar el comportamiento de las redes cuando se usan distintos números de variables de entrada y/o neuronas en la capa oculta y las probabilidades de aciertos en los resultados de predicción para los mismos, al considerar distintas variables de entrada. En los modelos realizados, el porcentaje de días con error de pronóstico fue de 2%, aproximadamente, para 14 años de aplicación; cuando se consideran días de heladas efectivas no pronosticadas los porcentajes oscilan entre un 10% y un 23%, para el mismo período. Los resultados de la simulación muestran el buen desempeño y la pertinencia general de esta metodología en la estimación de fenómenos de comportamiento no lineal como las heladas In this work models based on neural networks of the backpropagation type were developed in order to predict the occurrence of frosts from meteorological data such as temperature, relative humidity, cloudiness and wind direction and speed. The training and the validation of the networks were made on the basis of 24 years of meteorological data corresponding to the Río Cuarto station, Córdoba, Argentina. These data were grouped as follows: 10 years for the training data set and 14 years for the validation data set. Different models were built to evaluate the performance of the networks when different numbers of input variables and/or neurons in the hidden layer are used, and the probabilities of success in the prediction results on considering different input variables. In the models used, the percentage of days with prediction error was 2%, approximately, for the 14 years of application; when effective frosts days are considered the percentage varies between 10 and 23%, for the same period. The simulation results demonstrated the good performance and the relevance of this methodology for the estimation of the behavior of non-linear phenomena like frosts.