Search

El uso de técnicas cuantitativas para la clasificación de segmentos poblacionales es una fase crítica para evaluar sus condiciones de materiales de existencia, información que sirve como input para los procesos de planificación de estrategias dirigidas a paliar la pobreza y la intervención discrecional de tales grupos, bajo los criterios de racionalidad económica e instrumental. En este artículo se construye un modelo de máquinas de soporte vectorial, entendido éste como un algoritmo de aprendizaje supervisado que proporciona un clasificador lineal no probabilístico con un superlativo nivel de precisión. De este modo, se segmenta una muestra de núcleos familiares residentes en Cartagena de Indias, en función de ciertas variables económicas y sociodemográficas. La obtención de los resultados analíticos refrenda el hecho de que los factores con mayor poder de discriminación entre los agentes económicos son el estatus laboral, la accesibilidad a servicios públicos y la renta percibida por los núcleos familiares. Por otra parte, se corrobora que las condiciones de vecindario y la recepción de transferencias monetarias corrientes tienen un poder clasificatorio reducido., The use of quantitative techniques for the classification of population segments is a critical phase to evaluate their conditions. This information will serve as input for planning strategies to alleviate poverty. In this article, we present a model of vector support machines. Consequently, a sample of families residing in Cartagena de Indias is segmented, based on certain economic and sociodemographic variables. Analytical results confirm that most important factors are employment status, accessibility to public services and familiar income. In addition, it is corroborated that neighborhood conditions and monetary transfers have a low discriminatory power., Universidad Pablo de Olavide

Fil: Miramont, Juan Manuel. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina. Las perturbaciones en la señal de la voz son pequeñas modificaciones de corto plazo en parámetros de la señal, cuya cuantificación resulta de importancia para el diagnóstico de patologías laríngeas, nerviosas o respiratorias. Las medidas utilizadas con este fin requieren cierta periodicidad de la señal y suelen ser insensibles a a grandes fluctuaciones de los parámetros medidos, como la duración de los ciclos. En esta tesis se presenta, en primer lugar, una herramienta para la clasificación automática de voces basada en máquinas de vectores de soporte con el objetivo de evitar la cuantificación de perturbaciones sobre señales no aptas para ese fin, que supera el estado del arte. En segundo lugar, se presenta un método para la cuantificación de la perturbación del periodo de la señal, basado en operadores de synchrosqueezing de cuarto orden, que resulta más robusto frente a grandes variaciones de la duración de los ciclos que los métodos tradicionales. Voice perturbations are smal cycle-to-cycle deviations of the voice signal parameters, and measuring their level is an important task for diagnostics of pathologies associated with the phonatory system. Perturbation measures used with this purpose require some degree of periodicity and they usually underestimate the true value of the perturbation when mayor fluctuations of the parameter under study, such as the cycle duration, ocurr. In this thesis, a method for automatic classification of signals based on support vector machines is introduced, the aim of which is to avoid the use of perturbation measures on signals that are not suitable for this kind of analysis. Following this, a novel method for voice jitter estimation, based on fourth-order synchrosqueezing operators, is introduced. This new method is more robust to large variations on the cycle duration of the signal than traditional methods. Consejo Nacional de Investigaciones Científicas y Técnicas

Documento con toda la información relevante de la investigación Ilustraciones, gráficos En la actualidad, los ciberdelincuentes perpetran ataques web de forma sencilla, en los que aplican diferentes vectores para poner en peligro la seguridad de la información y en los que entienden al ser humano como un flanco fácil para lograr sus objetivos. Generalmente, los usuarios de internet deben realizar una acción que permita el éxito del ataque, por ejemplo, dar clic a alguna URL. Es por lo anterior, que muchos esfuerzos están dirigidos a encontrar técnicas que mitiguen esta problemática y se apuestan grandes cantidades de dinero en generar soluciones. Tomando como referencia el uso de listas negras, la clasificación heurística, y, prestando especial atención a las técnicas de aprendizaje automático capaces de detectar ataques de día cero, en el presente trabajo se despliega un diseño de detección de URLs maliciosas, haciendo uso de criterios léxicos y de ofuscación de la URL. Estas, clasificadas por medio de técnicas de aprendizaje automático como Logistic Regression, Support Vector Machine y Random Forest; demostrando que los tres clasificadores implementados mantienen una relación de eficacia y rendimiento con porcentajes de precisión del 98%, y, tiempos de respuesta satisfactorio. Es preciso aclarar que Random Forest puede estar sujeto a mejoras, ya que se pretende detectar de manera automática las URLs maliciosas y este clasificador tarda en promedio 16 segundos en hacerlo. Como resultado general del diseño, se obtiene un modelo de libre distribución que puede ser utilizado de forma masiva por diferentes usuarios en la red, capaz de detectar de forma precisa URLs maliciosas. Today, cybercriminals carry out web attacks in a simple way, in which they apply different vectors to endanger information security and in which they understand the human being as an easy flank to achieve their objectives. Generally, Internet users must take an action that allows the attack to succeed, for example, clicking on a URL. This is why many efforts are aimed at finding techniques that mitigate this problem and large amount of money are bet on generating solutions. Taking as a reference the use of blacklists, heuristic classification, and, paying special attention to machine learning techniques capable of detecting zero-day attacks, in this work a design for detecting malicious URLs is deployed, making use of criteria Lexical and URL obfuscation. These, classified by means of machine learning techniques such as Logistic Regression, Support Vector Machine and Random Forest; demonstrating that the three implemented classifiers maintain an efficiency and performance ratio with 98% accuracy percentages, and satisfactory response times. It should be clarified that Random Forest may be subject to improvements, since it is intended to automatically detect malicious URLs and this classifier takes an average of 16 seconds to do so. As a general result of the design, a free distribution model is obtained that can be used an masse by different users on the network, capable of accurately detecting malicious URLs. Maestría Magíster en Telecomunicaciones La metodología que se usa para el diseño del modelo es una metodología cuantitativa, la cual es un enfoque de la ingeniería de software centrada en estrategias experimentales con cumplimiento de procedimientos basados en etapa. Tomando como referencia los atributos claves para detección sólida de phishing, se construye una metodología que permita dar cumplimiento a cada uno de los objetivos trazados, las etapas usadas son: Naturaleza y origen de los datos Extracción de características Métodos de clasificación Configuración o metodología experimental Seguridad Informática

[ES] El presente trabajo consiste en la elaboración de una metodología para el análisis de una serie temporal de caudal de agua potable en un sector hidráulico de tipo domiciliario de una ciudad de la provincia de Valencia (España). Esta metodología aborda la reconstrucción de la serie temporal mediante la imputación de valores faltantes, la corrección de valores anómalos y la predicción del consumo a corto plazo mediante el uso de técnicas de machine learning y deep learning. La investigación llevada a cabo propone una metodología novedosa, puesto que en la literatura científica relacionada con este ámbito no se ha abordado el problema del tratamiento de este tipo de series temporales de manera integral. La metodología desarrollada, por lo tanto, pretende ser la semilla de un sistema de ayuda para la toma de decisiones que permita decidir, para cada tipo de serie temporal de caudal de agua potable o similares, cuál es la estrategia idónea que debe seguir el analista para optimizar la predicción del consumo en un sector hidráulico, y por ende, la operación del propio sistema de distribución asociado., [EN] The following research consists in the elaboration of a methodology for the analysis of a time series of drinking water flow rate in a domestic hydraulic sector of a city in the province of Valencia (Spain). This methodology deals with the reconstruction of the time series through the imputation of missing values, the correction of outliers and the forecasting of short-term consumption using machine learning and deep learning techniques. The conducted research proposes a novel methodology since the treatment of this kind of time series has not been addressed in a comprehensive way in the scientific literature related to this field. The developed methodology, aims to be the seed of a decision support system that allows to decide, for each kind of time series of drinking water flow rate or similar, which is the ideal strategy to be followed by the analyst to optimize the forecast of the flow rate in a hydraulic sector, and therefore, the operation of the associated distribution system.

El objetivo de este trabajo de fin de Máster es analizar y combinar diferentes clasificadores de aprendizaje estadístico que permitan determinar el potencial de nuevos clientes en función de las características de su primera compra. Se utiliza información de una empresa del sector de distribución industrial mayorista con sede en Catalunya. La información utilizada se divide en 3 principales fuentes de información: información de la primera compra, información de los clientes proveída por la empresa e información de los clientes obtenida del Registro Mercantil Español. Se analizan tres clasificadores base y un ensamble de los mismos, creado mediante el método stacking. Los clasificadores base son: Regresión Logística , Gradient Boosting (GBM) y Support Vector Machines (SVM).

[ES] Dada la imagen de un perro, se pretenden utilizar técnicas de Aprendizaje Automático para determinar su raza entre un conjunto de 120 razas totales. Para ello se dispone de un dataset con un total de 10222 imágenes etiquetadas que actuarán como conjunto de entrenamiento para nuestro modelo y disponemos también de un conjunto de 10357 imágenes no etiquetadas que pretendemos clasificar. El objetivo del trabajo será implementar un clasificador con el mínimo error posible empleando para ello diferentes técnicas de Aprendizaje Automático, como Máquinas de Vector Soporte y Redes Neuronales. Para poder implementar dicho clasificador se recurrirá al uso de librerías Python como Keras y Tensorflow., [EN] Given the image of a dog, it is intended to use Machine Learning techniques to determine its breed among a set of 120 total breeds. For this, we have a dataset with a total of 10222 labeled images that will act as a training set for our model and we also have a set of 10357 unlabeled images that we intend to classify. The objective of the work is to implement a classifier with the minimum possible error, using different Machine Learning techniques such as Support Vector Machines and Neural Networks. In order to implement this classifier we will use some Python specialized libraries such as Keras and Tensorflow., [CA] A partir de la imatge d´un gos, tractarem d´ identificar la seva raça entre un conjunt total de 120 races possibles. Per a realizar aquesta labor es disposa d´un dataset amb un total de 10222 imatges etiquetades amb la raça corresponent que actuaran com a conjunt d´entrenament per al nostre model i a la vegada disposarem també d´un conjunt de 10357 imatges no etiquetades que tractarem de clasificar. L´objectiu del treball serà implementar un classificador amb un mínim error possible utilitzant per a aquest fi diferents mètodes d´Aprenentatge Automàtic com Màquines de Vectors Support i Xarxes Neuronals. Per a poder implementar aquest classificador s´utilitzaran llibreries especialitzades de Python com Keras i Tensorflow.

Artificial intelligence (AI) is an interdisciplinary subject in science and engineering that makes it possible for machines to learn from data. Artificial Intelligence applications include prediction, recommendation, classification and recognition, object detection, natural language processing, autonomous systems, among others. The topics of the articles in this special issue include deep learning applied to medicine [1, 3], support vector machine applied to ecosystems [2], human-robot interaction [4], clustering in the identification of anomalous patterns in communication networks [5], expert systems for the simulation of natural disaster scenarios [6], real-time algorithms of artificial intelligence [7] and big data analytics for natural disasters [8]. Artificial intelligence (AI) is an interdisciplinary subject in science and engineering that makes it possible for machines to learn from data. Artificial Intelligence applications include prediction, recommendation, classification and recognition, object detection, natural language processing, autonomous systems, among others. The topics of the articles in this special issue include deep learning applied to medicine [1, 3], support vector machine applied to ecosystems [2], human-robot interaction [4], clustering in the identification of anomalous patterns in communication networks [5], expert systems for the simulation of natural disaster scenarios [6], real-time algorithms of artificial intelligence [7] and big data analytics for natural disasters [8].

Resumen El propósito de este artículo es hacer una breve introducción a cinco métodos avanzados de predicción de aprendizaje automático, que pueden ser de utilidad para el desarrollo de estudios prospectivos: la regresión logística, las máquinas de vectores de soporte, las máquinas de gradiente potenciado, los bosques aleatorios y las redes neuronales. Además, se explica qué metodología se puede llevar a cabo para asegurar la robustez y validar dichos modelos de predicción. A manera de ejemplo, se presenta cómo el uso de estos métodos permitió identificar las variables financieras más importantes para predecir el desarrollo de actividades de innovación en pymes colombianas. Los resultados del uso de estos métodos pueden permitir la generación de pronósticos al corto y mediano plazo, que sirvan para la realización de estudios prospectivos con métodos más amplios, como la construcción de escenarios, con el propósito de generar propuestas basadas en la evidencia, como hoja de ruta para la planeación y política pública al largo plazo. Abstract The purpose of this article is to make a brief introduction to five advanced machine learning prediction methods which may be useful for the development of prospective studies: logistic regression, support vector machines, gradient powered machines, random forests and neural networks. In addition, it is explained what methodology can be carried out to ensure robustness and validate these prediction models. As an example, it is presented how the use of these methods allowed to identify the most important financial variables to predict the development of innovation activities in Colombian SMEs. The results of the use of these methods may allow generating short and medium-term forecasts that serve to facilitate prospective studies with broader methods, such as the construction of scenarios, with the purpose of generating evidence-based proposals as a roadmap for long-term planning and public policy.

Traballo de Fin de Grao en Medicina. Curso 2019-2020. En este trabajo de final de grado se intentó identificar la mutación en el oncogén KRAS partiendo del sistema clásico de visión artificial. Mediante técnicas descriptivas, se extrajeron las características de la textura de la imagen de TC de pacientes con cáncer colorrectal, y se clasificaron mediante Máquinas de Vectores de Soporte (SVM) en KRAS+ o KRAS-. El análisis de textura puede proporcionar una evaluación cuantitativa de la heterogeneidad tumoral mediante el análisis de la distribución y relación entre los pixeles de la imagen. El objetivo de este trabajo es demostrar que Radiomics basado en TC puede predecir la presencia de mutación en el oncogén KRAS en cáncer colorrectal. Se trata de un estudio transversal, con 47 pacientes del Hospital Clínico de Santiago de Compostela y del Hospital Provincial de Conxo de los que también está disponible el análisis anatomopatológico confirmatorio de dicha mutación. El hecho de poder identificar la expresión genética de un tumor sin tener que hacer una biopsia y un test genético supone una ventaja para el paciente y para el médico, ya que puede permitir tanto evitar procedimientos invasivos que supongan complicaciones y presenten sesgos en la muestra, como orientar hacia una técnica o tratamiento más personalizado y eficaz. Neste proxecto de fin de grao, intentouse identificar a mutación no oncoxen KRAS baseado no sistema clásico de visión artificial. Usando técnicas descritivas, extraéronse as características da textura da imaxe de TC de doentes con cancro colorrectal e clasificáronse mediante Máquinas de Vector de Soporte (SVM) en KRAS + ou KRAS-. A análise de textura pode proporcionar unha avaliación cuantitativa da heteroxeneidade do tumor mediante a análise da distribución e relación entre pixeles da imaxe. O obxectivo deste traballo é demostrar que a Radiómica baseada en TC pode predicir a presenza de mutación no oncoxen KRAS no cancro colorrectal. Trátase dun estudo transversal, con 47 doentes do Hospital Clínico de Santiago de Compostela e do Hospital Provincial de Conxo, dos que tamén se dispón dunha análise anatomopatolóxica confirmativa da devandita mutación. O feito de poder identificar a expresión xenética dun tumor sen ter que facer unha biopsia e unha proba xenética é unha vantaxe para o doente e para o médico, xa que tanto pode evitar procedementos invasivos que impliquen complicacións e presenten sesgos na mostra, como orientar cara a unha técnica ou tratamento máis personalizado e eficaz. In this final degree project, we tried to identify the oncogene KRAS mutation starting from the classic computer vision system. Using descriptive techniques, the characteristics of the CT image texture of patients with colorectal cancer were extracted and classified using Support Vector Machines (SVM) in KRAS+ or KRAS-. Texture analysis can provide a quantitative assessment of tumor heterogeneity by analyzing the distribution and relationship between the pixels in the image. The objective of this research is to demonstrate that CT-based Radiomics can predict the presence of mutation in the KRAS gene in colorectal cancer. This is a retrospective study, with 47 patients from the Clinical Hospital of Santiago de Compostela and the Provincial Hospital of Conxo, from whom we also had available the confirmatory pathological analysis of KRAS mutation. The fact of being able to identify the genetic expression of a tumor without having to do a biopsy and a genetic test is an advantage, both for the patient and the doctor. It prevents invasive procedures that involve complications and presenting biases in the sample. As well, it leads towards a more personalized and effective treatment.

Resumen: En este trabajo se contextualiza un sistema neuro-difuso autoorganizado (SONFIS), su estructura y funcionamiento son explicados en detalle. Se usa el algoritmo SONFIS en tres problemas de clasificación (Fisher iris, Cáncer de Seno y Actividades Humanas) para posteriormente comparar sus resultados frente a clasificadores universales de buen desempeño en problemas de clasificación como las redes neuronales artificiales (ANN) y máquinas de soporte vectorial multiclase (SVM). Se hace una breve descripción de cada uno de estos métodos. Los resultados del estudio muestran que SONFIS tiene un desempeño similar y en algunos casos mejor que ANN y SVM en problemas de clasificación, con la ventaja que genera una base de reglas que puede usarse para entender el problema estructuralmente. Abstract: In this paper an explanation of the structure and how a self-organized neuro-fuzzy inference system (SONFIS) works, is given with detail. The study uses three classification problems (Fisher iris, Breast Cancer and Human Activities) to then compare the results with well-known universal classifiers such as artificial neural networks (ANN) and multiclass support vector machines (SVM). A brief description of each of these methods is presented. The results show that SONFIS has a similar, and sometimes better, performance than ANN and SVM with the advantage of generating a rule basis that helps understanding the inner structure of the problem.

The need to mitigate the climate change crisis and meet the energy demand has turned attention to clean energy sources, such as photovoltaics. Promoting studies focused on supply as in (Cabrera, 2016), where large databases of NASA from Landsat and MODIS satellite images were structured for a given geographical area, producing good patterns in both Artificial Neural Networks (ANN) and Support Vector Machines (SVM). However, the performance of these algorithms has not yet been evaluated using kernel functions such as those proposed by Belanche (2015). To solve this in this research, it is contributed with the efficient acquisition of training data from Big data, specialization of the ANN and SVM algorithms with kernels coupled to scikit-learn, experimental framework for hyperparameter tuning and discussion, where it is shown that the functions kernel manage to improve the results of the state of the art. La necesidad de mitigar la crisis del cambio climático y suplir la demanda energética, ha girado la atención hacia las fuentes de energías limpias, como la fotovoltaica. Promoviendo estudios enfocados en la oferta como en (Cabrera, 2016), donde se estructuraron para una superficie geográfica determinada, grandes bases de datos desde imágenes satelitales Landsat y MODIS de NASA, produciendo buenos patrones tanto en Redes Neuronales Artificiales (ANN) como en Máquinas de Soporte Vectorial (SVM). No obstante aún no se ha evaluado el desempeño de estos algoritmos haciendo uso de funciones kernel como las propuestas por Belanche (2015). Para solventar esto en esta investigación se aporta con la adquisición eficiente de datos de entrenamiento desde Big data, especialización de los algoritmos ANN y SVM con kernels acoplados a scikit-learn, marco experimental para sintonización de hiperparámetros y discusión, donde se muestra que las funciones kernel consiguen mejorar los resultados del estado del arte.

In this thesis, a new radar technique for GPR detection and discrimination of Improvised Explosive Devices is presented and validated. Data processing, consisting of adaptive filters and time-frequency transformations, are applied to polarimetric GPR data, in order to construct feature vectors of the targets. These vectors are used as inputs of a support vector machine algorithm, in order to discriminate buried targets either as improvised explosive device (IED) or clutter. The main contributions of this thesis are as follows. First, the permittivity of improvised ANFO explosives is measured. This information is used for manufacturing inert surrogates of IEDs. Second, we proposed the construction of target feature vectors (TFVs) from polarimetric GPR measurements. Third, recursive algorithms and background removal are combined to improve the clutter removal. Data processing methods are assembled, combining clutter removal stage, time-frequency transformation and singular value decomposition. In total, eight data processing methods are proposed. Moreover, for every method, 13 TFVs are assembled. Then, the TFVs are used to train and test support vector machines (SVM) under a binary classification approach. Classification results are validated by using the leave-two-out cross-validation. Accuracy of 87.02% in the best classifier was obtained. The main conclusion of this thesis is that combining polarimetric GPR measurements, feature extraction using time-frequency transformations, and SVM classifications allows obtaining discriminating features that improve the IED detection rates compared with metal detector performance. Furthermore, the proposed approach can be implemented in a hand-held detection device and to be used in a humanitarian demining scenario. Keywords: Classification of improvised explosive devices, feature extraction, ground penetrating radar, permittivity of explosives, polarimetric measurements, support vector machines, ultra-wideband MIMO radar. Resumen En esta tesis, se presenta y valida una nueva técnica de radar para realizar mediciones GPR. Se proponen estructuras de procesamiento de datos GPR que utilizan filtros adaptativos y transformaciones tiempo-frecuencia como parte de la construcción de vectores de características de los objetos. Estos vectores son utilizados como entradas de un algoritmo de máquinas de soporte vectorial para discriminar los objetos enterrados como un artefacto explosivo improvisado (IED) o como un objeto aleatorio (Non-IED). Los principales aportes de esta tesis son los siguientes. Primero, se mide y se reporta la permitividad de explosivos improvisados de tipo ANFO, información que posteriormente es usada para la fabricación de objetos inertes sustitutos de los IEDs. Segundo, se propone utilizar medidas polarimétricas GPR de objetos enterrados para la construcción de vectores de características (TFVs). Tercero, dentro de las técnicas de procesamiento de las medidas polarimétricas, se propone combinar los algoritmos recursivos y la supresión de señales de fondo para mejorar la eliminación de las señales no deseadas (clutter). Además, se ensamblan ocho métodos diferentes de procesamiento de señales, los cuales combinan la fase de eliminación del clutter, transformadas de tiempo-frecuencia y la descomposición de valores singulares. Adicionalmente, para cada método, se ensamblaron 13 TFVs. Posteriormente, se utilizan estos TFVs para entrenar y probar máquinas de soporte vectorial que funcionan bajo una estructura de clasificación binaria. Los resultados de clasificación son corroborados utilizando la validación cruzada leave-two-out (“dejar dos fuera”). El mejor clasificador que se obtuvo tiene una exactitud de 87.02%. La principal conclusión de esta tesis es que al combinar las medidas GPR polarimétricas, la extracción de características mediante transformaciones tiempo-frecuencia y las máquinas de soporte vectorial, se pueden obtener características discriminatorias que mejoran las tasas de detección de IEDs, en comparación con un detector de metales. Adicionalmente, el enfoque propuesto puede ser implementado en un dispositivo de detección portátil y usarse en un escenario de desminado humanitario. Palabras clave: Clasificación de artefactos explosivos improvisados, extracción de características, radar de penetración terrestre, permitividad de explosivos, máquinas de soporte vectorial, medidas polarimétricas, radar MIMO de banda ultra ancha. Doctorado

Resumen En este trabajo se estudió el uso de un nuevo rasgo para la detección de fallas en el devanado y la jaula de un motor de inducción, y presenta la validación experimental de un esquema de detección e identificación utilizando Máquinas de Vectores Soporte (SVM). Esta validación se realizó en un banco de pruebas usando motores de 2 HP, 4 polos en los que fueron inducidas las fallas de corto circuito en el estator y barras rotas, por separado. Los rasgos en dominio tiempo y dominio de la frecuencia como la media aritmética, valor RMS, frecuencia central, curtosis, valor RMS de la densidad espectral de potencia fueron evaluados y validados a partir de datos experimentales para varias condiciones de carga. El rasgo relación PSC/NSC (corriente de secuencia positiva / corriente de secuencia negativa) tuvo un desempeño satisfactorio en la mayoría de los clasificadores independiente del régimen de carga. Este nuevo rasgo se evaluó en términos de detección de fallos y la discriminación entre los diferentes grados de severidad con resultados satisfactorios. Abstract This paper studied the use of a new stator current feature for detection of winding and cage bars faults in an induction motor, and presents the experimental validation of a detection and identification scheme using Support Vector Machines (SVM). This validation was performed in a test bed using 2 HP, 4 pole motors in which shorted winding and broken bars faults were induced, separately. Both time and frequency domain features like arithmetic mean, RMS value, Central Frequency, Kurtosis, RMS value of Power Spectral Density were assessed and validated using experimental data for several load conditions. PSC/NSC (positive sequence current/ negative sequence current) ratio was successful in ' most of the classifiers despite the load regime. This new feature was evaluated in terms of fault detection and severity discrimination with satisfactory results. Resumo Neste trabalho foi estudado o uso de um novo recurso para a detecção de falhas nos rolamentos e na gaiola de esquilo de um motor de indução, e apresenta a validação experimental de um esquema de detecção e identificação utilizando máquinas de vetores de suporte (SVM). Esta validação foi realizada num banco de ensaios utilizando motores de 2 HP, 4 polos nos quais foram induzidas as falhas de curto circuito no estator e barras quebradas, separadamente. Os recursos em domínio do tempo e no domínio da frequência como a média aritmética, valor RMS, frequência central, curtose, valor RMS da densidade espectral de potência foram avaliados e validados a partir de dados experimentais para várias condições de carga. O recurso relação PSC/NSC (corrente de sequência positiva/corrente de sequência negativa) teve um desempenho satisfatório na maioria dos classificadores independente do régime de carga. Este novo recurso foi avaliada em termos de detecção de falhas e discriminação entre os diferentes graus de severidade com resultados satisfatórios.

[CASTELLÀ] El síndrome de fragilidad consiste en la pérdida de homeóstasis del cuerpo, y se asocia con la pérdida de movilidad y fuerza de las personas. Se considera que tener este síndrome podría acelerar la muerte. Una manera de medir la movilidad, y poder detectar el síndrome, es con la ayuda de sensores inerciales En un comienzo las mediciones de movilidad se realizaban con múltiples sensores distribuidos en diferentes partes del cuerpo. Luego se reduce a uno solo para que se sea práctico en la vida diaria, aunque con la condición de que el sensor deba estar ubicado en una posición específica. En este trabajo se propone independizar la orientación y localización del sensor para analizar la movilidad, y que pueda ser extendidos a Smartphone que cuenten con acelerómetros. Específicamente, se realiza un detector de transiciones posturales, sentarse o levantarse utilizando la técnica de aprendizaje automático Support Vector Machine. Se trabaja con dos bases de datos para obtener dos modelos diferentes, la primera obtiene datos con un móvil Samsung Galaxy II ubicado en la cintura, y la segunda se realiza con un acelerómetro ubicado en el bolsillo del pantalón, sin que se sepa la orientación del mismo. Ambos modelos son puestos a prueba con señales obtenidas de un móvil Huawei ubicado en el bolsillo del pantalón. Después de obtener un modelo para cada base de datos, se combinan para obtener un modelo adicional, y realizar la selección del mejor. Finalmente se escoge el modelo obtenido con la base de datos uno, el cual dio un resultado de sensibilidad 61%, y especificidad de 99%. [ANGLÈS] Frailty syndrome is associated with mobility and strength loss. People with the disease could die sooner than expected. Detecting when the syndrome starts could improve the patient’s life quality. A way to detect the beginning could be by measuring body mobility and detect changes in the human life-time. Decades ago, human activities were studied using multiple sensors around the body, making the procedure uncomfortable for the daily living. For that reason, a single sensor gained terrain in the study of the human movement. The main problem was the sensor must be placed in a specific place and orientation to work well with the algorithm. In this dissertation, the purpose is to get orientation and location independence while using an accelerometer on the body to study the human movement. To be more specific, a model to identify postural transitions is made using support vector machine, and the procedure is compatible with the signals acquired from a Smartphone’s accelerometers. Two data sets are used to obtain two different models. The first one has data of signals acquired with a Samsung Galaxy II on the waist. The second one is taken with accelerometers in the pockets. Both models are tested with signals from a Huawei phone. The model chosen has 99% specificity and 61% sensibility while using data set one to train the model.

[ES] A través de la minería de datos, podemos desarrollar sistemas de recomendación que guíen las decisiones de los usuarios. El objetivo del trabajo es el diseño y desarrollo de una aplicación informática que, a partir de la información sobre un determinado paciente, pueda predecir si el tumor de mama en cuestión es benigno o maligno. Más concretamente, la información más relevante que se extraerá del input a clasificar provendrá de descriptores numéricos sobre el tumor, p.ej. radio, textura, área, etc. Este tipo de asistente médico realizará la predicción basándose en métodos supervisados de minería de datos. La entrada de datos del sistema será vía voz o texto escrito en español, tras lo cual se aplicará un preprocesamiento del input con el fin de que el sistema pueda trabajar con datos estructurados. En una siguiente fase, se emplearán métodos como Naïve Bayes, Support Vector Machines (SVM) y aprendizaje profundo con redes neuronales sobre datos de entrenamiento con el fin de que se detecten patrones que permitan la clasificación del input. Este sistema de predicción también será capaz de determinar qué método es más efectivo tras un proceso de autoevaluación. Este sistema se programará en C# dentro del entorno de Microsoft Visual Studio., [EN] Recommendation systems can be developed to guide users¿ decisions through data mining. The aim of this work is to design and develop a computer application that uses the information about a given patient to predict if a specific breast tumor is benign or not. In particular, the most relevant information extracted from the input is provided by numeric descriptors about the tumor, e.g. radius, texture, area, etc. This type of medical assistant is intended to make predictions based on supervised data mining methods. The input of the system, which is via voice or text in Spanish, should be preprocessed to be converted into structured data. In the next step, we apply methods such as Naïve Bayes, Support Vector Machines (SVM) and deep learning with neural networks to training data, so that patterns are discovered to classify the input. This prediction system will also be able to determine the most effective method by means of self-assessment. The application will be developed with C# within the Microsoft Visual Studio environment.

Big Data is a concept related to extremely large databases so that they cannot be processed with standard algorithms. For this reason, the concept of cluster computering was created. Here, the data is partitioned and processed in a computer cluster, so each one of the computers can process a part of the data and obtain a partial solution to our problem that, combined with the other partials solutions obtained from the other computer, we manage to obtain the solution. This way, we sharply reduce the computational cost of the original problem by breaking it into little subproblems. This concept is quite new, so it is still developing. And here is where our bachelor` s thesis makes the difference. The goal of this project is to develop an algorithm able to fit non linear regression problems, which is an underdeveloped field in the distributed machine learning branch. The only algorithms that can solve this kind of problems and are completely integrated in Spark's machine learning library [2] are the Random Forests and the Neural Networks; not even the Support Vector Machines are able to do it because there are no Kernel implementations integrated yet. Our model aims to solve this problem based on a Linear Regression Mixture Model. The idea behind this is that, if we combine several Linear Regressions, we are able to break a non linear problem into several clusters that can be solved by linear algorithms. This way we manage to solve non linear problems and, furthermore, to do it in a more simple and interpretable way than other algorithms such as Random Forests or Neural Networks. The first part of this bachelor`s thesis will be to describe the different technologies and algorithms needed to fully understand the work developed here. Firstly, we explain all that we need to know about computer clusters and distributed computing. With a computer cluster we manage to have an excellent computing capacity without the need of a supercomputer. The problem here is that every computer in the cluster will only have a small part of the total data, thus not every algorithm is capable of being parallelized. For an algorithm to be parallelizable, we have to check if we need all the data to obtain the result or if we can apply it to partitions of it. If we can apply it to small parts of the dataset, then our algorithm will be parallelizable. That will be an important point in our work, because some algorithms will not be able to be parallelized and we will have to use alternative, parallelizable algorithms. In this part we also give a brief introduction to Apache Spark in its Python implementation, PySpark. We explain the most importants aspects of it. One important aspect of Spark is to understand the different kind of nodes in the computer clusters: Driver: Driver: manage the resources of the cluster and schedules all the tasks to be performed. Workers: performs the different transformations and actions over the partitions of the dataset. We also explain the RDDs or Resilient Distributed Databases, which are the basic parallelizable element in Apache Spark, and the two most important methods for the development of our algorithm in Apache Spark: map(): takes every data in the RDD and performs any function - passed as a parameter - we want individually. Usually, we will use a lambda function as the parameter. It returns a new RDD with the transformed data. reduce(): takes the data in the RDD and performs a binary, commutative and associative operation - passed as a parameter - to pairs of values and keeps the cumulative value in one of them, until it runs out of data and returns a single data, which will be returned to out driver. After that, we introduce the gradient descent optimization based algorithms. The simplest one is the Gradient Descent. This is an iterative method that, for each step, gives a better solution of the problem until it converges to a local minimum. In each step, it computes the gradient of the loss function. The idea here is that the gradient gives us the direction in which the slope is steepest, so, if we move in the opposite direction of the gradient, we will end up in a local minimum. Here, the magnitude that we move, or step size, will be critical, because if the step size is too large the algorithm will diverge, and if it is too small it will take too long until it converges. Once we have explained the basic gradient descent optimization algorithm, we are going to explain different evolutions that will fit better our problem and, in general, the distributed computing paradigm. Those algorithms are the Stochastic Gradient Descent and the Mini-Batch Gradient Descent. They take a small sample of the dataset - even only one in the case of the Stochastic Gradient Descent - and calculate a subgradient that will have the same expected value as the gradient. The subgradient will not be as precise as the gradient, but the computing time is much lower, which is critical when you are dealing with such big databases. Also, the Mini-Batch Gradient Descent, the one we will use here, usually converges very close to the point in which the standard Gradient Descent would have converged. In the next part, we explain the different Machine Learning algorithms that will have relevance in the development of this bachelor`s thesis. The first one are the Linear Regressions, which are based on, given a dataset, find a linear combination of a given set of functions, being the simplest case a line. To do it, we compute the minimum of the loss function, usually the Mean Squared Error or MSE. Big Data es un concepto que hace referencia a bases de datos tan grandes que las aplicaciones informáticas tradicionales de análisis de datos son incapaces de procesarlos. Por ello, surge el concepto de aprendizaje distribuido. En él, los datos se distribuyen en diferentes sistemas de almacenamiento y procesadores dentro de un clúster; de este modo, cada procesador trabaja en paralelo sobre un subconjunto de datos y, combinando las salidas parciales de cada procesador, se consigue así reducir la complejidad, coste y tiempo de computación en el tratamiento de los mismos [1]. Sin embargo, la implementación distribuida limita considerablemente el tipo de algoritmos de aprendizaje que pueden emplearse, ya que su formulación debe poder integrarse en el paradigma MapReduce. Así, por ejemplo, si nos fijamos en los algoritmos de clasificación y regresión disponibles en la librería MLlib [2], todos ellos utilizan implementaciones lineales basadas en el método de descenso por gradiente (Gradient Descent, GD). El objetivo de este proyecto es conseguir una implementación distribuida de algoritmos de regresión no lineales. Para ello, utilizaremos modelos de mezclas de regresiones lineales (Linear Regression Mixture Models, LRMM) [3]. De este modo, resolveremos un problema no-lineal como una mezcla de problemas lineales, a la vez que ganamos en interpretabilidad en los resultados y lo hacemos con un algoritmo completamente integrado en el modelo MapReduce, en el cual se basa el desarrollo de Apache Spark. En la Figura 1 se muestra un ejemplo de un problema con unos datos de entrada x y sus respectivos valores observados t. Vemos que estos no siguen una relación lineal, con lo que sería impensable ajustar dichos datos utilizando una regresión lineal para ajustar los datos de salida a los de entrada, ya que obtendríamos resultados inaceptables en cualquier aplicación. Sin embargo, si tomamos pequeñas porciones del conjunto de datos, vemos que dichos subconjuntos se pueden aproximar de forma bastante precisa con varias componentes, donde cada una de ellas es una regresión lineal diferente. Así, mezclando tres regresiones lineales, hemos resuelto de manera bastante satisfactoria un problema de regresión que no podía ser resuelto mediante una regresión lineal simple ... Ingeniería de Sistemas Audiovisuales

En este documento se explorará cómo algunos algoritmos de aprendizaje de máquina pueden ser mejorados, cuadrática y exponencialmente, gracias a la computación cuántica. Se hace una breve introducción al mundo de los datos y por qué es importante realizar un procesamiento adecuado de los mismos, y dando las bases tanto del aprendizaje de máquina como de la computación cuántica, se describirá y se mostrará la implementación en un simulador cuántico, de un algoritmo de maquina de vectores de soporte (SVM), capaz de reconocer y clasificar imágenes de los dígitos 6 y 9, desarrollado e implementado físicamente por Zhaokai Li, Xiaomei Liu, Nanyang Xu, Jiangfeng Du, en la Universidad de Ciencia y Tecnología de China, Hefei, demostrando cómo se puede tener una mejora exponencial en complejidad temporal con respecto a su contraparte clásica., In this paper we will explore how some machine learning algorithms can be improved, quadratically and exponentially, thanks to quantum computing. There is a brief introduction to the world of data and why it is important to perform an adequate processing of them, and laying the foundations for both machine learning and quantum computing, the implementation of a support vector machine algorithm (SVM) in a quantum simulator will be described and shown, capable of recognizing and classifying images of digits 6 and 9, developed and implemented physically by Zhaokai Li, Xiaomei Liu, Nanyang Xu, Jiangfeng Du, at the University of Science and Technology from China, Hefei, demonstrating how one can have an exponential improvement in temporal complexity with respect to its classical counterpart., Pregrado, Ingeniero(a) de Sistemas

[EN] The search for models which can accurately forecast the market trend has developed over the past decades. Technical indicators and oscillators are the most usually employed inputs in the prediction models. These inputs basically rely on prices and the evolution of the index itself, which may cause some problems like multicolinearity and autocorrelation, in the case of linear models, or overoptimization and noise, in the case of neural networks. This paper proposes filtering the inputs to be employed in the models. To this end, their impact on the forecast will be analysed. A support vector machine will be used to this end, in order to characterize both inputs (indicators and oscillators) and output (market trend). Doing this, it can be assessed whether the relationship between the different inputs and the market trend offers relevant information regarding the contribution of the inputs in the prediction process and whether this contribution remains constant over time. Those inputs will be selected, which obtain more stable forecasts in order to obtain more consistent predictions., [ES] La búsqueda de modelos para la predicción de la tendencia de los índices bursátiles se ha desarrollado en las últimas décadas. Los indicadores y osciladores técnicos son los inputs más utilizados en todos los modelos. Éstos se basan fundamentalmente en los precios y dirección del propio índice. Esto puede provocar ciertos problemas en las estimaciones y procesos de aprendizajes de los diferentes modelos, como multicolinealidad y autocorrelación para el caso de modelos lineales y problemas de sobreoptimización y ruido en otros casos como en las redes neuronales. Se plantea filtrar los diferentes indicadores y osciladores técnicos a utilizar en los diferentes modelos. Para ellos, se va a analizar el impacto que tienen éstos en el proceso de predicción de la tendencia de un índice bursátil. El modelo utilizado es la support vector machine que permite encontrar las características tanto de los inputs (indicadores y osciladores) como del output (la tendencia del índice). Este mapeo de la relación de los indicadores y la tendencia ofrece información relevante sobre si dicha contribución a su predicción es estable en el tiempo. Por tanto, se seleccionarán aquellos inputs cuyas características estabilicen las predicciones en los modelos. Así pues, se deben descartar aquellos indicadores irregulares, aunque puntualmente puedan alcanzar ratios de acierto algo más elevadas que los más estables. Este proceso provocará obtener predicciones de la tendencia más consistentes.

Resumen Contexto: Se considera el marco técnico, organizacional y ambiental (TOE, por sus siglas en ingles) para el análisis de proyectos de gran escala como contexto para el desarrollo de clasificadores de avance de megaproyectos, según las necesidades del Departamento Nacional de Planeación, Colombia. Método: Se establecen algunas características para la clasificación del avance de proyectos de inversión pública, tomadas del marco TOE; a partir de estas, se construye una base de datos que se utiliza para entrenar dos clasificadores del avance de los proyectos reportados en la plataforma de seguimiento de proyectos de inversión del departamento de planeación nacional. Se empleo la información de cerca de 3200 proyectos registrados entre el 2008 y 2012, correspondientes a cuatro sectores económicos (medio ambiente y desarrollo sostenible, minas y energía, salud y protección social y transporte). La base de datos fue depurada siguiendo un enfoque analítico y cuantitativo. Se empleo el 70 % de los datos para entrenamiento y el 30 % para validación. Resultados: Se obtienen algunos modelos con tasas de clasificación superiores al 70 %, lo que valida la elección de características a partir del análisis del marco TOE. Conclusiones: Este trabajo es un punto de partida para la configuración de una herramienta que pueda ser usada por el departamento nacional de planeación en la evaluación a priori del retraso de megaproyectos de inversión pública. Abstract Context: The TOE (Technical, Organizational, and Environmental) framework for the analysis of large scale projects is considered as the basis for the development of megaproject progress classification in accordance with the needs of the national planning agency in Colombia. Method: Classification of a megaproject progress is supported in the selection of several features taken from the TOE. These feature set is used to configure a database from the projects registered in the project-surveillance platform of the national planning agency in Colombia. The database is used to train two classification models. Information about 3200 projects from 2008 to 2012 was used, covering four economic sectors (Environment and sustainable development, Energy and mining, Health and social care and transportation). Debugging of the database was carried out by an analytic and quantitative approach. Model training and validation were computed with 70 % and 30 % of data respectively. Results: Obtained models have similar performances beyond 70 % in precision and agree in relevant input features. Conclusions: This work is a starting point to develop an automatic tool that can be used by the national planning agency of Colombia in the a-priori evaluation of delays in public investment Megaprojects.

RESUMEN: Hoy en día, con el avance en el ámbito de las tecnologías motivado en parte por la generación de grandes volúmenes de datos, son muchas las empresas que se plantean sacarles un rendimiento que les proporcione la información suficiente para una posterior toma de decisiones. Desde el punto de vista de la industria, estos avances permiten hacer uso de los datos recopilados a través de distintas fuentes de origen. Varias de estas fuentes de información se pueden encontrar en sensores o controladores lógicos programables (PLC). Por lo tanto, la industria en su denominada versión 4.0 tiene por objetivo proporcionar las herramientas necesarias para automatizar parte de su proceso a través del intercambio de información entre los distintos dispositivos que lo conforman, ya sean sensores, máquinas, servidores o sistemas de control y monitorización. En este trabajo se plantea desarrollar la lógica de una serie de componentes software para el producto de monitorización IDbox de la empresa CIC Consulting Informático, que sean capaces de realizar predicciones sobre series de tiempo. Para ello, el uso de algoritmos de aprendizaje automático facilita la generación de modelos matemáticos sobre los que obtener las predicciones. ABSTRACT: Nowadays, with the progress in the technology field motivated in part by the generation of large volumes of data, many companies are considering using this data to extract valuable information for further decition making policies. From an industry point of view, these advances allow to make use of the data collected from very different sources. Several of these information sources are represented by sensors or programmable logic controllers (PLCs). Therefore, the industry in its so-called version 4.0 aims to provide the necessary tools to automate part of its process through the information exchange between the different devices that make it up, such as sensors, machines, servers or control and monitoring systems. This work aims to develop the logic of a series of software components for the IDbox monitoring product of the CIC Consulting Informático for time series forecasting. For this, Machine Learning algorithms are used to generate mathematical models to obtain predictions. Grado en Ingeniería Informática

El objetivo de la investigación se fundamentó en utilizar técnicas estadísticas multivariadas: Máquinas Vector Soporte (SVM), Análisis Discriminante (AD), K-vecinos más próximos (KNN) y Regresión Logística (RL) para clasificar a los estudiantes de pregrado de la Universidad Nacional de Colombia Sede Medellín en dos poblaciones (con posibilidad o no de desertar) a partir de la información que se tenía disponible de las variables definidas e identificadas como determinantes de la deserción estudiantil Universitaria. Para el estudio se utilizó la información que suministraron los estudiantes que ingresaron a la Universidad Nacional de Colombia Sede Medellín desde el primer semestre del año 2009 hasta el primer semestre del año 2016, su correspondiente rendimiento académico en cada periodo matriculado y la identificación de cuáles de ellos perdieron la calidad de estudiante en la Universidad por bajo rendimiento y cuáles continuaron con sus estudios. Lo que permitió contar con un porcentaje de datos que fueron utilizados para el entrenamiento de los modelos y el resto de los datos como validación. Los resultados permitieron identificar la técnica que permite obtener el modelo con menor porcentaje de error y mayor sensibilidad, y que podría ser utilizada para hacer predicciones de deserción en nuevos individuos a partir de la información de las variables seleccionadas. Abstract: The objective of the research was based on the use of multivariate statistical techniques: support vector machines (SVMs), Discriminant Analysis, k-nearest neighbors (kNN) and Logistic Regression for classify the pregrade students of the Universidad Nacional de Colombia Sede Medellin in two Populations (with or without possibility of deserting) taking the information that was available of the variables defined and identified as determinants of student dropout For the study was used the information supplied by the students that entered in the National University of Colombia in Medellin from the first semester of 2009 until the second semester of 2016, their corresponding academic performance in each registered period and the identification of which of them lost de student quality in the university for poor performance and which of them continued with their studies. This allowed that was used a percentage of data for the training of the models and the rest of the data as validation. The results allowed identify the technique that allows obtain the model with lower percentage of error and greater sensitivity, and that could be used to make predictions of desertion in new individuals from the information of the selected variables. Maestría

In Spain, the wind energy sector has consolidated as one of the main sources of renewable energy with a coverage of demand of 19.4%. One of the objectives of the wind power sector is to ensure maximum availability of wind farms without increasing maintenance costs. A practical way to achieve this goal is to apply effective monitoring techniques. In this context, the present work aims to apply the conformal regression for the monitoring of wind turbines based on the information recorded in the Supervisory Control and Data Acquisition System (SCADA). The discrepancies between the observed and predicted data using the model could be indicative of the presence of faults or degradations in the components of the system. In order to evaluate this discrepancy a non-conformance measure is used which is obtained using the Support Vector Machine (SVM) as the underlying algorithm. Finally, a case of application to wind turbines of a wind farm located in Spain is presented., En España, el sector eólico se ha consolidado como una de las principales fuentes de energía renovable con una cobertura de la demanda del 19.4%. Uno de los objetivos del sector eólico es garantizar la máxima disponibilidad de los parques eólicos sin aumentar los costes de mantenimiento. Una forma práctica de conseguir este objetivo es la aplicación de técnicas de monitorización efectivas. En este contexto, el presente trabajo tiene por objetivo la aplicación de la regresión conformal para la monitorización de aerogeneradores a partir de la información registrada en el Sistema de Supervisión, Control y Adquisición de Datos (SCADA). Las discrepancias entre los datos observados y los predichos mediante el modelo podrían ser indicativos de la presencia de fallos o degradaciones en los componentes del sistema. Para evaluar dicha discrepancia se utiliza una medida de no conformidad la cual se obtiene utilizando como algoritmo subyacente Máquina de Soporte Vectorial (SVM). Finalmente, se presenta un caso de aplicación a aerogeneradores de un parque eólico situado en España., [CA] A Espanya, el sector eòlic s'ha consolidat com una de les principals fonts d'energia renovable amb una cobertura de la demanda del 19.4%. Un dels objectius del sector eòlic és garantir la màxima disponibilitat dels parcs eòlics sense augmentar els costos de manteniment. Una forma pràctica d'aconseguir aquest objectiu és l'aplicació de tècniques de monitoratge efectives. En aquest context, el present treball té per objectiu l'aplicació de la regressió conformal per al monitoratge d'aerogeneradors a partir de la informació registrada en el Sistema de Supervisió, Control i Adquisició de Dades (SCADA). Les discrepàncies entre les dades observades i els predits mitjançant el model podrien ser indicatius de la presència de fallades o degradacions en els components del sistema. Per a avaluar aquesta discrepància s'utilitza una mesura de no conformitat la qual s'obté utilitzant com a algorisme subjacent màquina de suport vectorial (SVM). Finalment, es presenta un cas d'aplicació a aerogeneradors d'un parc eòlic situat a Espanya.

[EN] In this paper, we present an aspect-based sentiment analysis system that allows to automatically extract the characteristics of an opinion and to determine their associated polarity. The proposed system is based on a model that uses domain ontologies for the detection of aspects and a classifier based on the Support Vector Machines formalism for assigning the polarity to the detected aspects. The experimental work was conducted using the dataset developed for Task 5, Sentence-level ABSA in SemEval 2016 for Spanish. The proposed system has obtained a 73.07 in F1 in the aspect extraction subtask (slot2) and a 46.24 of F1 in the categorization and aspect extraction subtask (slot1,2) using an ontology-based approach. For the sentiment classification subtask (slot3) an 84.79% in terms of Accuracy has been obtained using an approach based on Support Vector Machines and polarity lexicons. These results are better than those reported in SemEval., [ES] En este artículo se presenta un sistema de análisis de sentimientos a nivel de aspecto que permite extraer automáticamente las características de una opinión y determinar la polaridad asociada. El sistema propuesto está basado en un modelo que utiliza ontologías de dominio para la detección de los aspectos y un clasificador basado en Máquinas de Soporte Vectorial para la asignación de la polaridad a los aspectos detectados. El trabajo experimental se ha realizado utilizando el conjunto de datos desarrollado para la Tarea 5, Sentence-level ABSA en SemEval 2016 para el español. El sistema propuesto ha obtenido un 73.07 en F1 en la extracción de aspectos (slot2) y un 46.24 de F1 en la subtarea conjunta de categorización y extracción de aspectos (slot1,2) utilizando una aproximación basada en ontologías. Para la subtarea de clasificación de sentimientos (slot3) se ha obtenido una Accuracy de 84.79 % utilizando una aproximación basada en el uso de Máquinas de Soporte Vectorial y lexicones de polaridad. Estos valores superan los mejores resultados obtenidos en SemEval., Este trabajo ha sido parcialmente subvencionado por el proyecto ASLP-MULAN: Audio, Speech and Language Processing for Multimedia Analytics (MINECO TIN2014-54288-C4-3-R y fondos FEDER). La estancia realizada, de enero a marzo de 2017, por Carlos Henríquez en la UPV, ha sido subvencionado por el programa Colciencias (convocatoria 727), Universidad Nacional de Medellín y Universidad Autónoma del Caribe Barran-quilla.

El presente trabajo de tesis de maestría se desarrolló para el establecimiento de una metodología, que permita el diseño e implementación de sensores inferenciales basados en datos, bajo tres técnicas seleccionadas, por la creciente atención que vienen despertando en tareas de modelamiento y estimación de variables industriales. Las técnicas seleccionadas son las redes neuronales artificiales, las máquinas de vectores de soporte y los sistemas de inferencia neuro-difusa, que adicionalmente utilizan bases distintas para la solución del problema de regresión. Teniendo en cuenta lo anterior, se diseñaron 3 sensores inferenciales basados en estas técnicas, explorando las etapas necesarias para establecer una predicción de buen desempeño y por consiguiente diferentes técnicas para el preprocesamiento de los datos, selección de modelo y el entrenamiento y validación de las técnicas. Para llevar a cabo estas tareas se obtuvo el modelo matemático de una columna de destilación con el fin de acercar el entorno de simulación a datos con características típicas del ambiente industrial. Con el desarrollo de los 3 sensores inferenciales se estableció una metodología que puede ser aplicada en la industria y que desemboca en un desempeño adecuado para predecir variables de difícil o impráctica medición. Abstract: The present master's thesis work was developed for the establishment of a methodology, which allows the design and implementation of data-based inferential sensors, under three selected techniques. Due to the increasing attention they have been arousing in modeling and estimation of industrial variables. The techniques selected are artificial neural networks, support vector machines and neuro-diffuse inference systems, which additionally use different methods for the solution of the regression problem. Taking into account the above, 3 inferential sensors based on these techniques has been designed, by exploring the steps to establish a prediction of good performance and by means of different techniques for pre-processing of data, model selection and training of the techniques. To carry out these tasks, the mathematical model of a distillation column was obtained in order to bring the simulation environment closer to data with typical characteristics of the industrial environment. With the development of the 3 inferential sensors, a methodology was established that can be applied in the industry and that leads to adequate performance to predict variables of difficult or impractical measurement. Maestría

En este trabajo se emplean métodos de inteligencia computacional, tales como las máquinas de soporte vectorial (MSV) para optimizar la predicción de la solubilidad de compuestos. Estas se entrenan con una base de datos de compuestos solubles e insolubles conocidos, y dicha información es posteriormente empleada para mejorar la predicción obtenida mediante cribado virtual. Los grandes avances en el campo de la computación de alto rendimiento ofrecen nuevas oportunidades en la simulación de sistemas biológicos y aplicaciones en bioinformática, biología computacional y química computacional. El uso de bases de datos de mayor tamaño aumenta las posibilidades en la generación de candidatos potenciales, pero el tiempo de cálculo necesario no sólo aumenta con el tamaño de la base de datos, sino también con la exactitud de los métodos de cribado virtual (CV) y del modelo. Se discuten los beneficios del uso de arquitecturas masivamente paralelas, en particular las unidades de procesamientos gráfico, demostrando empíricamente que están bien adaptadas para la aceleración de las MSV, obteniendo una aceleración de hasta 45 veces, en comparación con su versión secuencial. In this work we discuss the benefits of using computational intelligence methods, like Support Vector Machines (SVM) for the optimization of the prediction of compounds solubility. SVMs are trained with a database of known soluble and insoluble compounds, and this information is being exploited afterwards to improve Virtual Screening (VS) prediction. The landscape in the high performance computing arena opens up great opportunities in the simulation of relevant biological systems and for applications in bioinformatics, computational biology and computational chemistry. Larger databases increase the chances of generating hits or leads, but the computational time needed for the calculations increases not only with the size of the database but also with the accuracy of the VS methods and the model. We discussed the benefits of using massively parallel architectures, in particular graphics processing units. We empirically demonstrate that GPUs are well-suited architecture for the acceleration of SVM, obtaining up to 15 times sustained speedup compared to its sequential counterpart version. Este trabajo ha sido parcialmente financiado por los proyectos: NILS Mobility Project 012-ABEL-CM-2014A y Fundación Séneca 18946/JLI/13.

En este artículo se presenta una comparación de cinco métodos de normalización de datos para un método de clasificación basado en la máquina de soporte vectorial (SVM), con el objetivo de determinar cuál es la influencia de éstos métodos en la precisión y el esfuerzo computacional del localizador de fallas en sistemas de distribución. La metodología propuesta se prueba en un sistema de distribución estándar de 34 nodos de la IEEE, el cual se subdivide en 11 zonas, de donde se obtiene una base de datos de 6442 registros de falla monofásica a diferentes condiciones de carga. La comparación de estos métodos de normalización muestra que el método Min-Max presentó un mejor rendimiento en tiempo computacional y precisión promedio del localizador de fallas, en los casos estudiados. Aimed to determine the effect of data normalization on the accuracy and the computational effort of a fault locator based on support vector machines (SVM), a comparison of five different data preprocessing strategies are analyzed in this paper. The proposed methodology is tested on an IEEE 34-bus test feeder, which is subdivided in eleven zones, by using a database of 6442 single-phase to ground faults obtained under different load conditions. Considering the testing scenarios, the comparison of the proposed preprocessing methods shows that Min-Max method has the best performance mainly considering computational effort and average accuracy on the fault locator.

Objetivo: Realizar una revisión sobre la implementación de algoritmos basados en máquinas de soporte vectorial para sistemas eléctricos. Método: Se realiza una búsqueda de artículos principalmente en Índices bibliográficos (IB) y Bases Bibliográficas con Comité de Selección (BBCS) acerca de las máquinas de soporte vectorial. Este trabajo presenta una descripción cualitativa y/o cuantitativa acerca de los avances y aplicaciones en el entorno eléctrico, abordando temas como: predicción del mercado eléctrico, predicción de la demanda, perdidas no técnicas de electricidad (hurto), energías alternativas, trasformadores, entre otros; en cada trabajo se realiza la respectiva citación con el fin de garantizar los derechos de autor y permitirle al lector el movimiento dinámico entre lo consignado en este trabajo y los trabajos citados . Resultados: Se realiza la revisión de una manera detallada, centrando la búsqueda en algoritmos implementados en sistemas eléctricos y en áreas de aplicación novedosas. Conclusión: Las máquinas de soporte vectorial tienen bastantes aplicaciones debido a sus múltiples beneficios, sin embargo en el área de energía eléctrica, estas no se han aplicado en su totalidad, esto permite identificar un área prometedora de trabajos de investigación. Objective: To perform a review of implementation of algorithms based on support vectore machine applied to electric systems. Method: A paper search is done mainly on Bibliographic Indexes (BI) and Bibliographic Bases with Selection Committee (BBSC) about support vector machine. This work shows a qualitative and/or quantitative description about advances and applications in the electrical environment, approaching topics such as: electrical market prediction, demand prediction, non-technical losses (theft), alternative energy source and transformers, among others, in each work the respective citation is done in order to guarantee the copy right and allow to the reader a dynamic movement between the reading and the cited works. Results: A detailed review is done, focused on the searching of implemented algorithms in electric systems and innovating application areas. Conclusion: Support vector machines have a lot of applications due to their multiple benefits, however in the electric energy area; they have not been totally applied, this allow to identify a promising area of researching.

En este trabajo, un esquema de computo GPU es propuesto. El principal objetivo de dicho esquema es dar a conocer adecuadamente la información ms relevante a partir de un conjunto de datos de alta dimensión para mejorar el rendimiento de los principales enfoques dentro del área de visión por computador: detección de objetos basado en vídeo y seguimiento. Con este fin, se propone diseñar e implementar un esquema de cómputo GPU con el fin de tratar con el problema del seguimiento y la detección de objetos a través de la aplicación de técnicas de procesamiento de imágenes y técnicas de aprendizaje automático para as explotar el paralelismo masivo hilo dentro de la GPU. Por lo tanto, nuestro objetivo es mejorar la precisión y robustez del sistema y reducir los problemas de carga computacional. El esquema presentado se divide en tres etapas principales: En primer lugar, un enfoque de extracción de características implementadas en la GPU se propone con el fin de explotar la arquitectura multinúcleo y el desempeño de alto rendimiento masivamente paralelo haciendo uso del modelo de programación CUDA. A continuación, se compara el rendimiento del enfoque paralelo que se ejecuta en la GPU con la aplicación CPU secuencial con el fin de demostrar el aumento de velocidad y la eficacia de nuestras estrategias paralelas. En segundo lugar, una metodología de selección de características se presenta para estimar las características Haar-Like relevantes en la detección de objetos basado en vídeo y sistemas de seguimiento. Nuestra propuesta emplea un criterio de variabilidad y un método de Eigen-descomposición para identificar un subconjunto de características Haar-Like como expositoras de información discriminativa. De este modo, la representación proporcionada permite mejorar la separabilidad de las muestras, evitando al mismo tiempo la información redundante. En tercer lugar, la detección de objetos en el mundo real y el seguimiento problema se prueba. En concreto, el método propuesto se implementa para la detección de automóviles y la localización usando algunas secuencias de video e imágenes de internet para entrenar el sistema. Diferentes características Haar-Like se extraen de cada muestra y nuestro método de selección de características es llevado a cabo para garantizar una exactitud del sistema que tienen las características Haar-Like ms relevantes utilizando una máquina de vectores de soporte clasificador con fines de discriminación. Una vez extraído el modelo fuera de línea se implementa en C ++ también para validar el sistema en condiciones de tiempo real en algunos vídeos de vigilancia y escenas de carretera obtenidos de Internet. Los resultados obtenidos muestran cómo nuestro enfoque permite conseguir actuaciones aceptables en comparación con los algoritmos del estado del arte para la detección de objetos basado en vídeo y seguimiento mediante la formación fuera de línea. Por otra parte, nuestra metodología de análisis de relevancia es útil para poner de relieve las principales dependencias de pixeles en el modelado de un objeto dado Abstract : In this work, a GPU Computing Framework is proposed. Our main goal is to properly reveal the most relevant information from high-dimensional data for enhancing the performance of two different computer vision approaches: video based object detection and tracking. To this end, we propose to design and implement a GPU computing framework in order to deal with the tracking and detection problem through the implementation of image processing and machine learning techniques to exploits the massive thread parallelism within the GPU. Hence, we aim to enhance the accuracy and robustness of the system and to reduce computational burden issues. The introduced framework is divided in three main stages: First, a feature extraction approach implemented on GPU is proposed in order to exploits the multicore architecture and the massively parallel high performance trough the use of the NIVIDA CUDA programming model. Then, We compare the performance of the parallel approach running on the GPU with the sequential CPU implementation in order to demonstrate the speedup and effectiveness of our parallel strategies. Second, a feature selection methodology is presented to estimate relevant Haar-like characteristics in video-based object detection and tracking systems. Our proposal employs a variability criterion and an eigendecomposition method to identify a subset of Haar-like features exhibiting discriminative information. Thereby, provided representation allows enhancing samples separability while avoiding redundant information. Third, a real-world object detection and tracking problem is tested. Specifically, proposed method is implemented for car detection and tracking using some World Wide Web video and image sequences to train the system. Different Haar-like features are extracted from each sample and our feature selection method is carry out to ensure a suitable system accuracy with the most relevant Haar-feature using a Support Vector Machine classifier for discrimination purposes. Computed off-line model is implemented in C++ also to validate the system in real-time conditions in some surveillance and highway scenes videos obtained from internet to. Attained results show how our approach allows achieving acceptable performances in comparison to state-of-the-art algorithms for videobased object detection and tracking using off-line training. Moreover, our relevance analysis methodology is useful for highlighting the main pixel dependencies when modeling a given object Maestría

Grado en Ingeniería de Tecnologías de Telecomunicación

The aim of the present paper is twofold. Firstly an introduction to the ideas of Support Vector regression is given. then a new and simple algorithm, suggested by the work of Campbell y Cristianini in [16], is proposed which solves the corresponding quadratic programming problem in an easy fashion. The algorithm is illustrated by example and compared with classical regression. El propósito del presente artículo es doble. Primero se proporciona una introducción a las ideas básicas de la Máquinas de Vector Soporte para regresión. Posteriormente, se presenta un algoritmo novedoso y sencillo, basado en el trabajo de Campbell y Cristianini [16], que resuelve de manera fácil el correspondiente problema de programación cuadrática. Se ilustra el algoritmo con ejemplos, y se compara con el método de regresión clásico.

La identificación exacta de nubes precipitantes es una tarea difícil. En el presente trabajo se aplicaron los algoritmos Máquinas de Soporte Vectorial, Árboles de Decisión y Bosques Aleatorios para discriminar entre nubes precipitantes y nubes no precipitantes, a partir de una imagen meteorológica del satélite GOES-13 que cubre el territorio colombiano. El objetivo del trabajo fue evaluar el desempeño de los algoritmos de aprendizaje de máquina (ML), para la clasificación digital de masas nubosas, en términos de la exactitud temática de la clasificación usando como referencia el algoritmo convencional distancia de Mahalanobis. Los resultados muestran que los algoritmos ML proporcionan una clasificación de masas de nubes más exacta que la obtenida por algoritmos convencionales. La mejor exactitud fue obtenida usando Bosques Aleatorios (RF), con una exactitud temática global de 97%. Adicionalmente, la clasificación obtenida con RF fue comparada pixel a pixel con estimaciones de precipitación de la NASA Tropical Rainfall Measurement Mission (TRMM) obteniendo una exactitud global del 94%. De acuerdo con este estudio, los algoritmos ML pueden ser usados para mejorar los actuales métodos de identificación de nubes precipitantes. Accurate identification of precipitating clouds is a challenging task. In the present work, Support Vector Machines, Decisión Trees and Random Forests algorithms were applied to discrimínate between precipitating clouds and non-precipitating clouds from a satellite weather image GOES- 13 covering the Colombian territory. The objective of this study was to evaluate the performance of machine learning (ML) algorithms for digital classification of cloud masses in terms of thematic accuracy classification using the conventional Mahalanobis algorithm as benchmark. Results show that ML algorithms provide more accurate classification of cloud masses than conventional algorithms. The best accuracy was obtained using Random Forests (RF), with an overall thematic accuracy of 97%. Furthermore, the classification obtained with the RF algorithm was compared pixel-to-pixel with NASA Tropical Rainfall Measurement Mission (TRMM) rainfall estimates, obtaining an overall accuracy of 94%. ML algorithms can therefore be used to improve current precipitating clouds identification methods.

El problema de establecer similitudes o diferencias en áreas como la genética, biología, ciencias médicas, ingeniería, entre otras, es llamado problema de clasificación, consiste en asignar una pertenencia a determinado individuo ya sea por sus características, orden o estructura. En un trabajo previo Salazar, Vélez y Salazar comparan vía simulación la eficiencia de las máquinas de soporte vectorial y la Regresión Logística, para datos que necesiten la clasificación en dos grupos y que posean una distribución univariada. En este trabajo se compara la eficiencia de Regresión Logística, Máquinas de Soporte Vectorial, Análisis Discriminante y Clasificador Fuzzy, para clasificar un grupo de datos en dos categorías mutuamente excluyentes, en el escenario de datos multivariados provenientes de poblaciones con distribución normal multivariada, normal asimétrica y t multivariada. Dicha eficiencia o desempeño se medirá con la tasa de clasificación errónea. medical sciences, engineering, just to mention some of them is known as classification. This process consists on assigning a subject to a specific group according to his/her features, order or structure. In a previous work, Salazar and Salazar compared the efficiency of both Support Vector Machines -SVM- and Logistic Regression -LR-, using two groups and univariate distributions by means of a simulation study. In this work, we compare the efficiency of the following classifiers to classify a dataset in two category mutually exclusive: Support Vector Machines -SVM-, Logistic Regression - LR-, Discriminant Analysis -DA- and Fuzzy Classifier. The comparison is carried out using multivariate data coming from several multivariate populations. Such efficiency is measured through the False Discovery Rate -FDR-. Maestría