Search

Copyright of Procesamiento del Lenguaje Natural is the property of Sociedad Espanola para el Procesamiento del Lenguaje Natural and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

As evidenced in the literature, music has accompanied the human being for millennia, in different situations, emotions and activities. In addition, not only does it allow expressions of internal personal states and feelings, but it can also produce many positive effects in those who practice it. Various authors have explored these benefits that musical activity brings, mainly in children. They highlight positive aspects of learning music in different areas of knowledge, in school performance and even improvements in the IQ of infants. However, despite the large number of studies regarding the benefits of music in children and the different nascent teaching alternatives, in Colombia the situation continues to be dramatic in terms of the incorporation of musical activity in the school curriculum. The foregoing added to political factors, teaching spaces and teacher training. In this way, the present work offers a new musical learning alternative, aimed at children from 7 to 11 years old, through a musical software focused on the initial teaching of the instrumental keyboard. It is important to mention that the software has a feedback system based on decision trees, which allows reinforcing the topics covered in the application. Finally, a comparative analysis is presented between teaching using the software and traditional teaching with the book, through an Investigation-Action carried out over six days with two students from a public school in the city of Bogotá, Colombia. This Investigation-Action allowed to observe positive results based on the comments and performance of the participants, which opens a great possibility for the subsequent scaling of this application. [ABSTRACT FROM AUTHOR]

El presente trabajo se centra en la clasificación e identificación de fármacos en imágenes, con el propósito de facilitar su elección y/o administración adecuada a pacientes postrados. La implementación del algoritmo se realiza mediante la combinación de metodologías convencionales de visión artificial e inteligencia artificial. El preprocesamiento se emplea para llevar a cabo la segmentación de la imagen, utilizando la técnica de umbralización. Una vez completada la segmentación, se procede a la clasificación de las pastillas mediante técnicas de aprendizaje de máquina, también conocido como machine learning en inglés. En el contexto específico de este trabajo, se opta por el uso de máquinas de vectores de soporte (SVM por sus siglas en inglés), las cuales demuestran una notable eficacia en la clasificación de datos linealmente separables. Finalmente, el resultado es una imagen que muestra los distintos medicamentos clasificados y localizados en un plano cartesiano para su futuro suministro a cualquier paciente.

Introduction: This paper introduces the development and validation of a Machine Learning (ML) program aimed at discerning smooth and jittery arm movements during flexion/extension exercises. Objective: The study compares the efficacy of three classification algorithms--K-Nearest Neighbors (KNN), Support Vector Machine (SVM), and Logistic Regression--in differentiating flexion/extension movements with and without added weight. Method: Using a quasi-experimental design, participants voluntarily performed the exercise under two conditions: with and without a 5-kilogram dumbbell. Meticulous frame-by-frame extraction of movement parameters informed the data collection process. Results: Biomechanical analysis identified key features (minAngle, coefTrajectory, maxJerk, avgAcceleration, and frames) relevant for algorithm training. Post-normalization, KNN, Logistic Regression, and SVM demonstrated robust validation performance through metrics and confusion matrices. Detection of a userdependent data leak prompted a user-specific validation approach. Conclusion: This research amalgamates biomechanics and ML, yielding insights into algorithmic performance for detecting weighted exercises. Robust validation is crucial for ensuring the generalizability of classification models in real-world scenarios. [ABSTRACT FROM AUTHOR]

Copyright of Ingeniería (0121-750X) is the property of Ingenieria and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Revista Venezolana de Gerencia (RVG) is the property of Revista de Filosofia-Universidad del Zulia and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

The water scarcity is a concern of the agricultural industry as it uses four fifths of the of the total fresh water consumed for irrigation and two thirds of the total used for human consumption. For this reason, the development of systems that optimize the use of water in irrigation is essential. In the greenhouses of the UEB "Valle del Yabú" of the Santa Clara municipality, irrigation is carried out using a drip-based system that requires the presence of an operator for decisionmaking who does not have information about some of the hydrometeorological variables that govern the crop. This paper focused on to design a support system for decision-making in irrigation based on machine learning. As an important parameter of the system, the evapotranspiration coefficient of the crop is calculated using the Turc formula. The collected environmental data is conditioned and linear regression, regressive random forests, and gradient-boosted trees regression models are trained with them to determine future evapotranspiration values using the Apache Spark framework. The model that obtained the best results was the regressive random forest with a coefficient of determination (r2) of 0,79 and with it the volume of water lost by the crop is calculated. Finally, the system was able to provide the estimates of both variables, which favour decision-making by specialists. [ABSTRACT FROM AUTHOR]

La calidad en el servicio es una variable que tiene consigo un propósito subyacente que es la satisfacción del cliente, los indicadores de calidad en el servicio del sector hotelero han sido analizados en investigaciones múltiples. El artículo tiene como objetivo identificar los indicadores más significativos de la calidad en el servicio, se presenta una metodología experimental cuantitativa disruptiva que utiliza el aprendizaje de máquina, particularmente K-medias como técnica de aprendizaje no supervisado para agrupar el conjunto de datos que describe la calidad en el servicio. Los resultados del análisis estadístico demuestran que los indicadores más importantes fueron Asertividad y Aclaraciones del capital humano. El uso de nuevas metodologías contribuye a modelar aquellos indicadores de la calidad en el servicio hotelero y se promueve información multidisciplinar que pueden llegar a tener otros escenarios de información para tomar decisiones gerenciales en el sector hotelero.

En la actualidad, la tecnología se ha convertido en una herramienta imprescindible para mejorar la calidad de vida de las personas y facilitar el desarrollo de las ciudades y comunidades. En este contexto, los sistemas inteligentes conversacionales, también conocidos como chatbots, han adquirido una gran importancia en múltiples campos de las novedosas “ciudades inteligentes”. Aunque simple en apariencia, una aplicación de mensajería con la capacidad de sostener un gran número de conversaciones con sus usuarios, que puede mantener un flujo de información mayor que cualquier otra herramienta utilizada hasta el momento, es de inmenso interés para entidades públicas y privadas. Utilizando tecnologías de Inteligencia Artificial (IA), redes neuronales recurrentes y aprendizaje de máquina, puede analizar enormes volúmenes de datos, comprender intenciones y comportamientos para ofrecer las respuestas correctas a cualquier usuario estudiando su contexto. En el presente artículo se describe el trabajo realizado para aplicar la tecnología de los sistemas inteligentes en la creación de un asistente virtual orientado a la Oficina de Empleo local de Caleta Olivia. Se realiza un estudio de los conceptos de procesamiento de lenguaje natural, análisis de modelos de lenguaje y de redes neuronales, para la creación del chatbot capaz de resolver consultas y entregar la información solicitada a cualquier posible ciudadano que desee interactuar con esta oficina de empleo. Todo esto teniendo en cuenta el uso de un lenguaje natural, sencillo y fácil de comprender, personalizado y accesible, competente en la detección de intenciones poco claras y un alto nivel de expansión con auto aprendizaje.

Over the last decade, optimization of a massive set of industrial tasks has been achieved by taking advantage of repeatability and precision of robotic arms. While the new era of robotic arms introduces high-tech tools to fix positioning and tracking issues, upgrading older units is a significant challenge due to hardware incompatibilities, outdated mechanisms, and operation restrictions. This work introduces a new visual system to determine the position of a robotic arm using a two-stereo-cameras array. The visual-positioning system estimates the position of the end-effector using an inverse model of the robot and the full point cloud acquired with the stereo cameras. An Iterative Point Cloud algorithm merges the partial point clouds of each depth sensor, and with a yellow color detector, the algorithm extracts the Region of Interest (ROI). Experimental results show that the proposed device can estimate the relative position of the end-effector with respect to the robotic arm base with errors in the longitudinal, lateral, and vertical positions of around 19.6%, 15.7% and 9.2%, respectively. [ABSTRACT FROM AUTHOR]

Social media have established a new way of communicating and understanding social relationships. At the same time, there are downsides, especially, their use of algorithms that have been built and developed under their umbrella and their potential to alter public opinion. This paper tries to analyse the YouTube recommendation system from the perspectives of reverse engineering and semantic mining. The first result is that, contrary to expectations, the issues do not tend to be extreme from the point of view of polarisation in all cases. Next, and through the study of the selected themes, the results do not offer a clear answer to the proposed hypotheses, since, as has been shown in similar works, the factors that shape the recommendation system are very diverse. In fact, results show that polarising content does not behave in the same way for all the topics analysed, which may indicate the existence of moderators –or corporate actions– that alter the relationship between the variables. Another contribution is the confirmation that we are dealing with non-linear, but potentially systematic, processes. Nevertheless, the present work opens the door to further academic research on the topic to clarify the unknowns about the role of these algorithms in our societies. [ABSTRACT FROM AUTHOR]

Copyright of Comunicar (English Edition) is the property of Oxbridge Publishing House and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Estudios Económicos is the property of El Colegio de Mexico AC and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

This document presents an approach to help visually impaired people find the closest-to-user traversable region in a point cloud. Our work aims to reduce the processing time of this task. The proposed approach uses a convolutional neural network to segment floor regions in the point cloud and criteria to determine which of these regions are traversable based on their size and position. We design the convolutional neural network to classify patches, allowing the floor to be searched at selected locations in the point cloud. We find that by searching only in the lower section of the point cloud, the processing time is reduced while the closest-to-user traversable region to the user is located. We evaluate our work using NYU-v2 dataset and determine that it has better balance between accuracy and processing time than similar works. [ABSTRACT FROM AUTHOR]

Este artículo aborda la falta de información oportuna sobre la pobreza multidimensional en México. Tres algoritmos de aprendizaje de máquina —la regresión LASSO logística, el bosque aleatorio y las máquinas de vectores de soporte— son entrenados con la ENIGH para encontrar patrones generalizables de pobreza multidimensional en los datos. Los modelos se utilizan para clasificar a cada individuo en la ENOE como pobre o no-pobre para obtener tasas de pobreza trimestrales. Estas estimaciones son más cercanas a los niveles de pobreza multidimensional que la pobreza laboral y brindan una perspectiva precisa sobre la pobreza con más de un año de antelación a la medición oficial.

Copyright of Revista Médica Clínica Las Condes is the property of Editorial Sanchez y Barcelo and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Revista Tecno Lógicas is the property of Instituto Tecnologico Metropolitano and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Este artículo presenta una revisión de investigaciones realizadas mediante diferentes estrategias de control aplicadas en hornos cementeros rotatorios, sistema donde se da la fabricación de clínker, material indispensable para la elaboración del cemento. Esta exploración menciona estudios que se han desarrollado desde los años ochenta hasta el presente, destacando en cada una la metodología de control utilizada, los beneficios obtenidos en el proceso y sus futuras aplicaciones, esto con el fin de brindar al lector una visión global del uso de técnicas de control para hornos cementeros rotatorios y de cómo los avances científicos, con el paso de los años, han contribuido a esta industria en la eficiencia y mejora de sus procesos productivos; por tanto, se mencionan aportes y métodos de control como sistemas expertos (SE), control predictivo basado en modelo (MPC), redes neuronales artificiales y lógica difusa. Al finalizar la mencionada revisión se infiere que tecnologías de inteligencia artificial y de la industria 4.0 que se tienen actualmente como la computación en la nube, el procesamiento de grandes volúmenes de datos, el uso de los gemelos digitales, la ejecución de algoritmos de aprendizaje automático (machine learning) y sus herramientas de predicción, junto con la aplicación de SE y demás técnicas de control mencionadas, permitirían realizar un control avanzado, que pueda responder de forma satisfactoria a las necesidades de producción actuales y ofrecer múltiples beneficios como el tiempo de respuesta del control, la estabilidad, y mejoras en producción y calidad del material en un horno rotatorio.

When using climate data, researchers have difficulty determining the clustering algorithm and the best performing parameters for processing a specific dataset. We evaluated of the following unsupervised machine learning algorithms: K-means, K-medoids and Linkage-complete, which are applied to three datasets with climatological variables (temperature, rainfall, relative humidity, and solar radiation) for three meteorological stations located in the department of Caldas, Colombia, at different heights above sea level. Five scenarios are defined for 2, 3, and 5 clusters for each of the two partitioned algorithms, and five scenarios for the hierarchical algorithm, in each one of the meteorological stations. Different quantities and groupings of variables are applied for the different scenarios by using Euclidean distance. Davis-Bouldin is the applied method of quality evaluation of clusters. Normalization with techniques such as range-transformation and Z-transformation, as well as some iterations of the algorithm and reduction of dimensionality with PCA. In addition, the computational cost is evaluated. This study can guide researchers on certain decisions in cluster analysis used in meteorological data, as well as identify the most important algorithm and parameters to take into consideration for the best performance, according to particular conditions and requirements. [ABSTRACT FROM AUTHOR]

Copyright of Ensaio: Avaliação e Políticas Públicas em Educação is the property of Ensaio: Avaliacao e Politicas Publicas em Educacao and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Este trabajo propone un esquema de detección y localización de fallas en los actuadores de un vehículo aéreo no tripulado (VANT) del tipo cuadrirrotor. Para ello, se considera un enfoque basado en datos haciendo uso de técnicas de aprendizaje de máquina. En este enfoque se construye un modelo implícito del sistema a través de la información proporcionada por los sensores del VANT. Primero, a través de un plataforma de vuelo de tipo giroscópica, se captan las vibraciones correspondientes a la orientación, posición angular y aceleración lineal cuando el vehículo se encuentra en vuelo estacionario en condiciones nominales. Estos datos se procesan mediante Análisis en Componentes Principales (PCA) para la extracción de características. Posteriormente, se induce una falla a los actuadores a través de un recorte en cada una de las hélices del VANT que ocasionan una reducción del empuje generado por los rotores. Estos datos se proyectan también al subespacio de componentes principales y se comparan con los datos nominales. Para discernir entre los datos nominales y los datos cuando el vehículo presenta falla, se emplea el estadístico T2 de Hotelling. Finalmente, el desarrollo se complementa con los algoritmos de clasificación de k-vecinos más cercanos (k-NN) y de máquina de vectores de soporte (SVM). Los resultados muestran una tasa de clasificación correcta del 89.6 % (k-NN) y 92.4 %(SVM) respectivamente para 423 conjuntos de datos de validación.

Las entidades fiscalizadoras superiores, y en específico su ente rector, la Organización Internacional de las Entidades Fiscalizadoras Superiores (INTOSAI), han impulsado en los últimos cuatro años iniciativas encaminadas al uso de tecnologías y métodos para sus procesos de vigilancia y fiscalización que sean replicables y que generen resultados tangibles en el contexto fiscal. En este sentido, la Contraloría General de la República de Colombia viene fortaleciendo su infraestructura tecnológica y capacidades técnicas con mirar a mejorar y optimizar sus esfuerzos en cuanto a la vigilancia de los recursos de los colombianos. Aunque dicha tarea no es sencilla, esta entidad ha logrado detectar patrones de aquellos contratistas que acaparan la contratación estatal, logrando estar en diferentes sectores económicos sin tener probablemente la competencia técnica para cumplir el objeto contractual estipulado. A estos se les conoce en el ámbito de la Contraloría General como contratistas “multiobjeto”. En el presente artículo se muestra la construcción de un conjunto de datos de 1.998 registros etiquetado por expertos, que corresponden a contratos del sector educativo en Colombia. Con este instrumento se llevó a cabo el entrenamiento y las pruebas sobre un clasificador automático construido para los objetos contractuales a fin de detectar presuntos contratistas “multiobjeto”. Adicionalmente, se encontró que el mejor algoritmo de clasificación fue “Máquina de Soporte Vectorial Lineal”, con una exactitud de 84 %, el cual permitió finalmente listar por agrupamiento los presuntos contratistas de este tipo.

Population ageing is considered to be one of the most significant social phenomena that is transforming economies and societies around the world. According to the World Health Organization (WHO), ageing is on the rise. In Colombia, demographic growth exhibits a natural increase, which shows a notable difference between birth and general mortality rates. According to DANE, in Colombia, natural growth rates denote a precipitous decline over time. The Central and local governments can help with decision-making in order to establish sexual and reproductive health policies. Machine Learning (ML) therefore appears as a support tool, in which there are algorithms that allow creating models to learn from data and identify patterns that aid in supporting government entities in the decision-making process. Based on the above, this work proposes a method for ensemble ML algorithms, which supports decision-making regarding demographic control focused on birth. The prediction method made it possible to show that the decrease in births in Colombia in recent years is due to the change in the priorities of women and men. Women face discrimination and difficulty in accessing and staying in employment due to maternity. Consequently, it is difficult for them to articulate their professional life with the job market. Women have to assume a disproportionate burden of care, which is why they want to have fewer children, namely one or two at most. [ABSTRACT FROM AUTHOR]

Copyright of Revista Médica Clínica Las Condes is the property of Editorial Sanchez y Barcelo and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

This article presents an Internet data analysis model based on Web Mining with the aim to find knowledge about large amounts of data in cyberspace. To test the proposed method, suicide web pages were analyzed as a study case to identify and detect traits in students with suicidal tendencies. The procedure considers a Web Scraper to locate and download information from the Internet, as well as Natural Language Processing techniques to retrieve the words. To explore the information, a dataset based on Dynamic Tables and Semantic Ontologies was constructed, specifying the predictive variables in young people with suicidal inclination. Finally, to evaluate the efficiency of the model, Machine Learning and Deep Learning algorithms were used. It should be noticed that the procedures for the construction of the dataset (using Genetic Algorithms) and obtaining the knowledge (using Parallel Computing and Acceleration with GPU) were optimized. The results reveal an accuracy of 96.28% on the detection of characteristics in adolescents with suicidal tendencies, reaching the best result through a Recurrent Neural Network with 98% accuracy. It is inferred that the model is viable to establish bases on mechanisms of action and prevention of suicidal behaviors, which can be implemented in educational institutions or different social actors. [ABSTRACT FROM AUTHOR]

The prediction of soil properties through spectral information is widely discussed in the current scientific literature. The objective of this review was to find algorithms with the highest predictive potential for soil physicochemical properties based on spectral information captured with different instruments. A systematic review was carried out in which 121 articles were found, and 19 of them were chosen which met a determination coefficient greater than 0.80 or a root mean square error close to 0. It was determined that the most used spectral range corresponds to the range from 350 to 2500 nm; the partial least squares, support vector machine, and adjusted support vector machine algorithms are suitable for predicting pH, organic matter, and organic carbon. Furthermore, linear regression is only effective in predicting calcium carbonate, organic matter, moisture, and water content using individual bands. [ABSTRACT FROM AUTHOR]

Introducción-Al conducir, la persona se encuentra expuesta a diferentes estímulos que pueden llevar a que se ocasione accidentes. Aunque Numerosas propuestas tecnológicas se han presentado para mantener monitoreado al conductor, estas han pasado por alto el estado anímico en el que este se encuentra, el cual podría generar efectos negativos en la capacidad de reacción al conducir. Objetivo- Buscar diferentes alternativas de inteligencia artificial para el análisis permanente de rostros de conductores, con el fin de encontrar un buen modelo de clasificación de expresión facial (feliz, enojo, sorpresa, neutral). Metodología- La metodología utilizada consiste en la selección de una base de datos que es preprocesada, para posteriormente entrenar diferentes modelos y realizar comparaciones de precisión entre ellos. Resultados- Se logra encontrar una precisión mayor al 80% en la detección del estado anímico del usuario. Y se logra migrar el modelo a un sistema de monitoreo portátil. Conclusiones- En este caso particular los métodos de aprendizaje de maquina tradicionales (machine learning) consumen menos tiempo a la hora de clasificar, sin embargo, estos son superados en precisión por un aprendizaje profundo.

Este documento presenta la implementación de un software de reconocimiento de lenguaje de señas colombiano para personas sordas. Para este propósito, el Aprendizaje de Máquina será usado como base del sistema específico. Hoy en día no existe un repositorio público de imágenes o video que contenga estas señas ni la información necesaria para alcanzar esta meta, siendo uno de los principales impedimentos para iniciar la tarea. Por esta razón, se comenzó con la construcción de un repositorio. Pese a las dificultades de tiempo de los participantes, cinco personas realizaron las señas ante una cámara de video, de donde se obtuvieron las imágenes que compondrían el repositorio. Una vez hecho esto, las imágenes se usaron como datos de entrenamiento de un modelo computacional óptimo que puede predecir el significado de una nueva imagen presentada. Evaluamos el rendimiento del método utilizando medidas de clasificación y comparando diferentes modelos. La medición conocida como Accuracy fue un factor importante para medir los diferentes modelos obtenidos y así elegir el más adecuado. Los resultados muestran que es posible proporcionar nuevas herramientas a las personas sordas para mejorar la comunicación con otras personas que no conocen el lenguaje de señas. Una vez que se han elegido los mejores modelos, se prueban con nuevas imágenes, similares a las del entrenamiento, donde se puede ver que el mejor modelo logra una tasa de éxito de alrededor del 68 % de las 22 clases utilizadas en el sistema.

En la literatura científica actual se discute ampliamente acerca de la predicción de propiedades edáficas mediante información espectral. El objetivo de esta revisión fue encontrar algoritmos con el mayor potencial predictivo para las propiedades fisicoquímicas del suelo, basados en información espectral capturada con diferentes instrumentos. Se realizó una revisión sistemática en la cual se encontraron 121 artículos de los cuales se eligieron 19, que cumplieran con un coeficiente de determinación mayor a 0,80 o una raíz del error cuadrado medio cercana a 0. Se determinó que el rango espectral más utilizado corresponde al rango desde 350 hasta 2500 nm; los algoritmos mínimos cuadrados parciales, máquina de soporte vectorial y máquina de soporte vectorial ajustado son adecuadas para predecir pH, materia orgánica y carbono orgánico. Además, la regresión lineal solo es efectiva para predecir el carbonato de calcio, materia orgánica, humedad y contenido de agua mediante bandas individuales.

El trabajo describe el proceso semi-asistido de desarrollo del estado del arte en investigación. Así, se presenta un prototipo de software basada en inteligencia artificial, un estudio de caso de un proyecto de doctorado y los resultados de una encuesta llevada a cabo a 40 estudiantes de maestría y doctorado, quienes reportan la utilidad de la herramienta. En el documento se presenta la arquitectura, la implementación del prototipo de software y un estudio comparativo con las herramientas existentes. Se discuten las potencialidades del proceso asistido por la herramienta y el impacto positivo que puede tener en la investigación, principalmente en el contexto colombiano. Así también se discuten las técnicas de inteligencia artificial implementadas, la escalabilidad de la herramienta y la facilidad de integrar nuevos análisis y visualizaciones.

Automatic recognition of human activities is an important task in computer vision applications. Robust approaches using one or more sensors generally link redundant features that consume computing resources and computation time during the sub-activity classification process. This article explores dimension reduction for recognizing human activities and primitive movements by merging data from Kinect visual depth sensors, IMUs inertial sensors, and electrodes of electromyographic record (EMGs). It shows a comparative study where the different techniques of reduction of state of the art are evaluated characteristics; behavior is analyzed based on performance in recognition of activities and computation time of the methods under study. The results show that state-of-the-art methodologies could have a lower temporary cost when implementing them without significantly affecting performance when recognizing the activity. [ABSTRACT FROM AUTHOR]

This article explains the design and simulation of a controller based on neural networks to regulate the output voltage of a flyback converter. Neural networks are used since they do not require a mathematical model of the converter, with the advantage of a greater operating range than traditional control methods. In the training process, changes were made in the database and in the neural network architecture to get a more appropriate controller that the guaranteed line and load regulation of the converter. The functional neural controller validation was made on Simulink with the circuital model of a flyback converter, putting it to changes of output load and input voltage. The results obtained show the effectiveness of neuronal control with its ability to regulate lines in a range of 20V to 50V, load regulation between 8Ω and 12Ω, and whose architecture is made up of four neurons. [ABSTRACT FROM AUTHOR]

Este artículo presenta el diseño y simulación de un controlador basado en redes neuronales para regular la tensión de salida de un convertidor flyback. Se usan redes neuronales, ya que estas no requieren de un modelo matemático del convertidor, y, por tanto, se obtiene un mayor rango de operación respecto a métodos de control tradicional. En el entrenamiento se realizan cambios en la base de datos y en la arquitectura para obtener el controlador más apropiado, que garantice la regulación de línea y carga del convertidor. La validación del controlador neuronal funcional se realiza en Simulink con el modelo circuital de un convertidor flyback, sometiéndolo a cambios en la tensión de entrada y en la carga resistiva. Los resultados obtenidos muestran la efectividad del control neuronal para la regulación de línea entre 20 V y 50 V, regulación de carga entre 8 Ω y 12 Ω, y cuya arquitectura está conformada por cuatro neuronas.

Introduction--The use of coherent detection jointly with high-level modulation formats such as 16 and 64-QAM seems to be a convenient strategy to increment capacity of future optical access networks. However, coherent detection requires high complexity digital signal processing to mitigate different impairments. Objective--Mitigate signal distortions using nonsymmetrical demodulation techniques based on Machine Learning (ML) algorithms. Methodology--First, a single channel Nyquist m-QAM system at 28 and 32 Gbps was simulated in VPIDesignSuite software. Then, different signals modulated at 16 and 64-QAM were generated with different laser linewidth, transmission distances and launch powers. Two ML algorithms were implemented to carry out the demodulation of the generated signals. The performance of the algorithms was evaluated using the Bit Error Rate (BER) in terms of different system parameters as laser linewidth, transmission distance, launch power and modulation format. Results--The use of ML allowed gains up to 2 dB in terms of optical signal-to-noise ratio at a BER value of for 16-QAM and 1.5 dB for 64-QAM. Also, the use of ML showed that it is possible to use a lower cost laser (100 kHz linewidth vs 25 kHz) with a better BER performance than using conventional demodulation. Conclusions--We showed that the use of both algorithms could mitigate nonlinear effects and could reduce computational complexity for future optical access networks. [ABSTRACT FROM AUTHOR]

el presente artículo expone el diseño de una arquitectura de red para reconocimiento de patrones orientada a la clasificación automática de dos tipos de peces: mojarra y tilapia. Se emplea una arquitectura basada en aprendizaje profundo mediante una red neuronal convolucional (RNC) para la cual se determina la base de datos a emplear y los diferentes hiperparámetros que la componen. Se logra obtener, mediante análisis por matriz de confusión, un desempeño del 100% de la red bajo las condiciones controladas el sistema de clasificación, es decir: color de banda transportadora uniforme y uso de luz día.

Harmonics espera apoyar a la pedagogía musical, ofreciendo un producto concreto con el cual los interesados en aprender a tocar un instrumento puedan practicar. Se entrenó un modelo para identificar y aislar las pistas singulares de una canción, por medio de TensorFlow y herramientas para realizar la separación de fuentes auditivas y producir partituras genuinas, basadas en un algoritmo de transcripción musical (para pianos, bajos, batería y voz, específicamente), que los principiantes puedan visualizar, editar y descargar (en formatos .PDF y .MIDI), ajustándose a su ritmo de práctica. Se consideraron tres métodos de separación de fuentes, bajo las siguientes restricciones: emplear una única canción como archivo de entrada, que ésta fuera moderadamente compleja (compuesta por un conjunto de entre tres y seis instrumentos) y que la cantidad de muestras –canciones compuestas por instrumentos relevantes y pistas de cada instrumento por separado– aptas para el entrenamiento del modelo, sean sumamente escasas.

This article presents an exciting application of machine learning for loan origination in microfinance. Microfinance targets people who cannot build a credit history and therefore cannot access loans from banks or other financial institutions. We use data from a Mexican microfinance company that operates in several regions throughout the country. The objective is to guide intermediate lenders to choose their clients and achieve a lowerr credit default risk. We use several statistical models such as principal component analysis, clustering analysis and a regression tree. We obtain, as a result, a series of recommendations based on the characteristics of the clients. [ABSTRACT FROM AUTHOR]

Se presenta una interesante aplicación de aprendizaje de máquina en la originación de créditos en microfinanzas. El objetivo de microfinanzas son las personas que no pueden construir un historial crediticio y, en consecuencia, no pueden acceder a préstamos de bancos u otras instituciones financieras. Usamos datos de una compañía microfinanciera mexicana que opera en varias regiones del país. De igual modo, se pretende guiar a prestamistas intermediarios para escoger sus clientes y alcanzar un menor riesgo de crédito. Usamos varios modelos estadísticos como análisis de componentes principales, análisis de grupos y árboles de regresión. Obtenemos, como resultado, una serie de recomendaciones basadas en las características de los clientes.

In recent years, new trends and methodologies have emerged that greatly favor the education sector. E-learning as an alternative to regular teaching and learning processes has transformed the educational dynamics thanks to the inclusion of MOOCs, personal learning environments, allowing the educational process to be carried out at a personalized level where the focus is on learning styles and the profile of the student. This article presents a review of current works around machine learning mechanisms to make recommendations in the educational environment, where it is found that besides the discovery of the student's learning style, it is important to know their level of knowledge and learning speed, in addition to the tools used by the student to carry out their studies. Finally, the opportunity for implementation and research of these issues in Colombia is highlighted. [ABSTRACT FROM AUTHOR]

Supreme audit institutions, and specifically its governing body, the International Organization of Supreme Audit Institutions (intosai), have promoted during the last four years a series of initiatives in the fiscal context aimed at the use of technologies and methods that are replicable and generate tangible results, thus reinforcing the surveillance and auditing processes carried out by supreme audit institutions. In this sense, the Comptroller General of the Republic of Colombia has been strengthening its technological infrastructure and technical capacities in order to improve and optimize its efforts in the monitoring of the resources of Colombian citizens. Although this task is not an easy one, this entity has managed to detect patterns of contractors who monopolize state contracting and are inserted into different economic sectors, without probably having the technical competence to fulfill stipulated contractual deeds. These subjects are known in the field of the General Comptroller's office as "multi-object" contractors. This article explains the construction of a data set of 1,998 records labeled by experts that correspond to education sector contracts. Training and tests were carried out with this tool on an automatic classifier built for the contractual objects in order to detect suspected "multi-object" contractors. It was found that the best classification algorithm was the "Linear Vector Support Machine," with an accuracy of 84%, which will eventually find presumed multi-object contractors by grouping. [ABSTRACT FROM AUTHOR]

Hoy en día, las redes neuronales artificiales y el deep learning, son dos de las herramientas más poderosas del aprendizaje de máquina, que tienen por objetivo desarrollar sistemas que aprenden automáticamente, reconocen patrones, predicen comportamientos y generalizan información a partir de conjuntos de datos. Estas dos herramientas se han convertido en un potencial campo de investigación con aplicaciones a la ingeniería, no siendo la ingeniería biomédica la excepción. En este artículo se presenta una revisión actualizada de las principales aplicaciones de las redes neuronales y el deep learning a la ingeniería biomédica en las ramas de la ómica, la imagenología, las interfaces cerebro-máquina y hombre-máquina, y la gestión y administración de la salud pública; ramas que se extienden desde el estudio de procesos a nivel molecular, hasta procesos que involucran grandes poblaciones.

En el presente artículo se expone el entrenamiento de una Red Neuronal Convolucional (RNC) para discriminación de herramientas de uso común en tareas de mecánica, electricidad, carpintería y similares. Para el caso, se toman como objetivos de entrenamiento pinzas, destornilladores, tijeras y alicates, los cuales puedan ser identificados por la red, y permite dotarle a un brazo robótico la facultad de identificar una herramienta deseada - de entre las anteriores - para su posible entrega a un usuario. La arquitectura neuro convolucional empleada para la red presenta un porcentaje de acierto del 96% en la identificación de las herramientas entrenadas.

En este artículo se presenta una evaluación de descriptores espacio frecuencia y técnicas de análisis de texturas para la clasificación de textiles. La metodología de trabajo consta de tres etapas fundamentales: la caracterización, la clasificación y la validación. En la etapa de caracterización se utilizan descriptores como la Transformada Wavelet, la Transformada de Fourier, un método de caracterización de textura del estado del arte como lo es segmentación fractal para el análisis de texturas (SFTA) y la adaptación de la transformada corta de Fourier en espacio. Para la etapa de clasificación se analiza el uso de tres métodos del estado del arte, como lo son las Redes Neuronales Artificiales (RNA), Máquinas de Soporte Vectorial (SVM) y el Proceso Gaussiano (GP), a estos dos últimos se les incluyeron el uso de kernels lineales, Gaussianos y polinomiales. Para validar el método se construye una base de datos anotada con diez tipos de telas, con un total de 1.000 fotos, a las cuales se les aplica el proceso caracterización y clasificación por medio de un experimento Montecarlo. En esta etapa se generan configuraciones aleatorias de entrenamiento (70 %) y prueba (30 %), obteniendo el desempeño de cada modelo de clasificación. Por último, se obtiene la matriz de confusión y se determinan los porcentajes de acierto de cada experimento, adicionalmente se realiza un análisis de tiempos para cada uno de los algoritmos, tanto a nivel de descriptor como a nivel de clasificador, con el fin de determinar la configuración que mejores prestaciones presenta y su costo computacional.

Density Classification Task (DCT) is a well-known problem, where the main goal is to build a cellular automaton whose local rule gives rise to emergent global coordination. We describe the methods used to identify new cellular automata that solve this problem. Our approach identifies both the neighborhood and its stochastic rule using a dataset of initial configurations that covers in a predefined way the full range of densities in DCT. We compare our results with some models currently available in the field. In some cases, our models show better performance than the best solution reported in the literature, with efficacy of 0.842 for datasets with uniform distribution around the critical density. Tests were carried out in datasets of diverse lattice sizes and sampling conditions. Finally, by a statistical non-parametric test, we demonstrate that there are no significant differences between our identified cellular automata and the best-known model. [ABSTRACT FROM AUTHOR]

Nowadays, artificial neural networks and deep learning, are two of the most powerful machine learning tools, which aim to develop systems that learn automatically, recognize patterns, predict behaviors and generalize information from data sets. These two tools have become a potential field of research with applications to engineering, with biomedical engineering not being the exception. This article presents an updated review of the main applications of neural networks and deep learning in the areas of omics, imaging, brain-machine and body-machine interfaces, and the management and administration of public health; these areas extend from the study of processes at molecular level, to processes that involve large populations. [ABSTRACT FROM AUTHOR]

Introduction/Context: The use of coherent detection jointly with high-level modulation formats such as 16 and 64-QAM seems to be a convenient strategy to increment capacity of future optical access networks. However, coherent detection requires high complexity digital signal processing to mitigate different impairments. Objective: Mitigate signal distortions using nonsymmetrical demodulation techniques based on Machine Learning (ML) algorithms. Methodology: First, a single channel Nyquist m-QAM system at 28 and 32 Gbps was simulated in VPIDesignSuite software. Then, different signals modulated at 16 and 64-QAM were generated with different laser linewidth, transmission distances and launch powers. Two ML algorithms were implemented to carry out the demodulation of the generated signals. The performance of the algorithms was evaluated using the bit error rate (BER) in terms of different system parameters as laser linewidth, transmission distance, launch power and modulation format. Results: The use of ML allowed gains up to 2 dB in terms of optical signal-to-noise ratio at a BER value of 1 × 10-2 for 16-QAM and 1.5 dB for 64-QAM. Also, the use of ML showed that it is possible to use a lower cost laser (100 kHz linewidth vs 25 kHz) with a better BER performance than using conventional demodulation. Conclusions: We showed that the use of both algorithms could mitigate nonlinear effects and could reduce computational complexity for future optical access networks. [ABSTRACT FROM AUTHOR]

O algoritmo CART tem sido aplicado de forma extensiva em estudos preditivos. Porém, pesquisadores argumentam que o CART apresenta sério viés seletivo. Esse viés aparece na preferência do CART pelos preditores com grande número de categorias. Este artigo considera esse problema e compara os algoritmos CART e CTREE, este considerado não enviesado, tomando como resultado seu poder preditivo. Os algoritmos foram aplicados no Exame Nacional do Ensino Médio de 2011, no qual estão incluídos vários preditores nominais e ordinais com muitas categorias, o que pode produzir um viés seletivo. Foram geradas uma árvore do CTREE e outra do CART, ambas com 16 folhas, provenientes de um modelo com 53 variáveis preditoras e a nota da redação, como desfecho. A árvore do algoritmo CART apresentou uma melhor predição. Para grandes bancos de dados, possivelmente o algoritmo CART é mais indicado do que o algoritmo CTREE. [ABSTRACT FROM AUTHOR]