Search

La clasificación de objetos estelares a partir de sus espectros electromagnéticos es una tarea ardua que necesita experiencia y largas horas de trabajo para completar. Cada estrella requiere de un meticuloso y dedicado análisis del espectro tanto en su forma general como en la búsqueda de picos de absorción y emisión. Es por ello que con las ingentes cantidades de espectros que se han estado obteniendo durante los últimos años con las más recientes misiones de exploración espacial, la búsqueda de una manera más rápida y eficiente de procesar estos datos cobra una mayor relevancia. Y con ello, los métodos de aprendizaje automático obtienen la oportunidad de hacer una entrada en el campo del análisis espectroscópico de estrellas. Basándonos en el artículo Dorda et al. (2016) [1], este trabajo se centra primero en la comprensión y reproducción de los resultados obtenidos en dicho artículo. A continuación, se aplica el mismo método a una muestra distinta de estrellas procedentes del brazo de Perseo analizadas también en Dorda et al. (2018) [2], se profundiza y expande en el método de clasificación automática utilizado en Dorda et al. (2016) en busca de mejorar los resultados obtenidos con el método y finalmente se implementan nuevos métodos de aprendizaje automático para comparar con el método original.

Non-functional requirements (NFRs) play an important role in the Software Engineering (SE) area, being associated with the construction, operation, and maintenance of a quality application. The success of the RNF classification manual task depends on the knowledge and experience of the requirements engineer and is time-consuming. Works have been developed aiming at the application of machine learning algorithms to automatically classify RNFs, a scenario in which the hyperparameters of the classifier model must be chosen. In this work, the Genetic Algorithm (GA) and the Particle Swarm Optimization (PSO) algorithm are used to find hyperparameters of the Multilayer Neural Perceptron Network (MLP), with the objective of classifying NFRs present in the PROMISE_exp dataset. The GA found a combination of hyperparameters that gave an F1 of 0.6349, while the PSO found a combination that got 0.6426 of F1. Los requisitos no funcionales (RNFs) juegan un papel importante en el área de Ingeniería de Software (IS), estando asociados con la construcción, operación y mantenimiento de una aplicación de calidad. El éxito de la tarea del manual de clasificación RNF depende del conocimiento y la experiencia del ingeniero de requisitos y requiere mucho tiempo. Se han desarrollado trabajos encaminados a la aplicación de algoritmos de aprendizaje automático para clasificar automáticamente los RNF, escenario en el que se deben elegir los hiperparámetros del modelo clasificador. En este trabajo, el Algoritmo Genético (GA, Genetic Algorithm) y el algoritmo de Optimización de Enjambre de Partículas (PSO, Particle Swarm Optimization) se utilizan para encontrar hiperparámetros de la Red de Perceptrón Neural Multicapa (MLP, Multilayer Perceptron), con el objetivo de clasificar los RNF presentes en el PROMISE_exp conjunto de datos. La GA encontró una combinación de hiperparámetros que dio un F1 de 0.6349, mientras que el PSO encontró una combinación que obtuvo 0.6426 de F1. Os requisitos não-funcionais (RNFs) desempenham um papel importante na área de Engenharia de Software (ES), estando associados à construção, ao funcionamento e à manutenção de uma aplicação de qualidade. O sucesso da tarefa manual de classificação de RNFs depende do conhecimento e da experiência do engenheiro de requisitos, além de demandar tempo. Trabalhos têm sido desenvolvidos visando a aplicação de algoritmos de aprendizagem de máquina para classificar automaticamente RNFs, cenário em que devem ser escolhidos os hiperparâmetros do modelo classificador. Neste trabalho, o Algoritmo Genético (GA, Genetic Algorithm) e o algoritmo de Otimização por Enxame de Partículas (PSO, Particle Swarm Optimization) são utilizados para encontrar hiperparâmetros da rede Neural Perceptron Multicamada (MLP, Multilayer Perceptron), com o objetivo de classificar RNFs presentes no conjunto de dados PROMISE_exp. O GA encontrou uma combinação de hiperparâmetros que resultou em F1 de 0,6349, enquanto o PSO encontrou uma combinação que obteve 0,6426 de F1.

Mediante un modelo de perceptrón multicapa (MLP) de redes neuronales artificiales, se buscó realizar un modelo predictivo de efectos fisiológicos causados por el estrés académico. Para esto, se consideran variables como la procrastinación académica, el nivel de estrés percibido en el semestre, el estrés académico, la edad, el ingreso económico familiar e individual. Se obtuvo un porcentaje de pronósticos incorrectos en la fase de prueba y reserva de 38.5% y 19.2%, respectivamente; así como un porcentaje global de clasificación correcto de 80.8% y un valor de área bajo la curva ROC de .752. Las tres variables mayor importancia normalizada dentro del modelo fueron la procrastinación, el nivel de estrés percibido en el semestre y el estrés académico. Por último, se discuten los efectos de la procrastinación y el estrés académico sobre el bienestar físico y psicológico de los estudiantes.

En este trabajo se va a estudiar la aplicabilidad de distintos modelos de redes neuronales artificiales a la clasificación de datos tabulares. Recientemente, la transformación de problemas de “machine learning” entre dominios, con el fin de poder aplicar arquitecturas muy potentes, han ofrecido resultados muy prometedores [1][2]. Nuestro objetivo en este trabajo es comparar el rendimiento en modelos distintos: así como perceptrones multicapa (MLP) y redes convolucionales (CNN), combinando todos ellos con técnicas de ingeniería de características (“Feature engineering”) y la búsqueda de hiperparémetros para abordar el problema de clasificación de datos tabulares. Máster Universitario en Ingeniería Informática por la Universidad Pública de Navarra Nafarroako Unibertsitate Publikoko Unibertsitate Masterra Informatika Ingeniaritzan

Las salas de cirugía son de los ambientes en donde se aplican más protocolos de seguridad y de control, comparados incluso con ambientes como la aeronáutica (Hales et al., 2008). Uno de los protocolos de estricto control en las salas de cirugía del mundo o incluso aquí en Colombia, es el de esterilidad. Este protocolo previene las infecciones de sitio operatorio, las complicaciones posteriores a la cirugía, o las infecciones que pueden resultar en tratamientos incluso más complejos que los originales a los que se sometía el paciente, en primera instancia (Restrepo et al., 2011). Una de las fuentes de contaminación que se ha visto con mayor frecuencia se da por el uso de equipos fuera del campo quirúrgico tales como equipos de cómputo, equipos de visualización de imágenes, entre otros. Estos equipos proveen información al cirujano durante el procedimiento, información que es vital en momentos específicos para la toma de decisiones clínicas (Jimenez et al., 2017). Poder interactuar con estos equipos, desde el ambiente quirúrgico, se ha tornado en una necesidad imperativa tanto para la industria como para los equipos médicos. En la búsqueda de soluciones a esta necesidad, se ha encontrado que la electromiografía superficial combinada con la clasificación de movimientos mediante redes neuronales es una de las mejores opciones de bajo costo y facilidad de implementación (Tsuboi et al., 2017). Surgery rooms are one of the environments where more security and control protocols are applied, even compared to environments such as aeronautics (Hales et al., 2008). One of the protocols of strict control in the surgery rooms of the world or even here in Colombia, is that of sterility. This protocol prevents surgical site infections, post-surgery complications, or infections that can result in even more complex treatments than the original ones to which the patient underwent in the first instance (Restrepo et al., 2011). One of the most frequently seen sources of contamination is due to the use of equipment outside the surgical field, such as computer equipment, image display equipment, among others. These systems provide information to the surgeon during the procedure, information that is vital at specific times for clinical decision making (Jimenez et al., 2017). Being able to interact with these systems, from the surgical environment, has become an imperative need both for the industry and for medical teams. In the search for solutions to this need, surface electromyography combined with CNN movement clasification has been found to be one of the best low-cost and easy-to-implement options (Tsuboi et al., 2017).

Resumen La clasificación de la madera aserrada es una de las actividades más subjetivas de la fase final del proceso de aserrado de trozas en los aserríos. La presente investigación tuvo como objetivo proponer herramientas de auxilio en la clasificación de madera aserrada de coníferas. El estudio se realizó en el aserrío Combate de Tenerías de la Empresa Forestal Integral (EFI) Macurije, Pinar del Río, Cuba. Los datos utilizados proceden de 259 tablas de Pinus caribaea var. caribaea clasificadas siguiendo las exigencias (24 variables) y clases establecidas por el clasificador de madera aserrada de coníferas utilizado en Cuba. Se procedió al ajuste de un modelo de Regresión Logística Multinomial Ordinal (RLMO) y al entrenamiento de Redes Neuronales Artificiales (RNAs). Los parámetros del modelo RLMO fueron estimados usando el método de máxima verosimilitud optimizada con el algoritmo de Newton-Raphson. El entrenamiento de las RNAs se realizó con el algoritmo Broyden-Fletcher-Goldfarb-Shanno (BFGS). El problema de multicolinearidad, casi siempre presente en modelaciones con numerosas variables predictivas, fue abordado con el análisis factorial, utilizando los factores retenidos como entradas de los modelos. Con base en el porcentaje de aciertos en la clasificación, la RNA RBF 24-8-4 fue superior a las ecuaciones de regresión logística ordinal. Abstract Lumber classification is one of the most subjective activities of the final phase of log sawing process in sawmills. The objective of this research was to propose tools that assist in conifers lumber grading. The research was carried out at the sawmill Combate de Tenerías of Macurije integrated forest company, Pinar del Río, Cuba. The data used comes from 259 lumber pieces of Pinus caribaea var. caribaea classified following the requirements (24 variables) and classes established by the conifers lumber grader used in Cuba. We proceeded to fit a Multinomial and Ordinal Logistic Regression (MOLR) model and train Artificial Neural Networks (ANNs). The parameters of the MOLR model were estimated using the maximum likelihood method optimized with the Newton Raphson algorithm. ANNs were trained with Broyden-Fletcher-Goldfarb-Shanno (BFGS) algorithm. The multicollinearity problem, usually present in modeling with numerous predictive variables, was addressed with factor analysis, using the factors retained as inputs to the models. Based on the percentage of correct classification, the ANN RBF 24-8-4 was superior to the ordinal logistic regression equations.

En el campo de la biónica se han llevado a cabo proyectos que, usando algoritmos de aprendizaje automático, pueden realizar clasificación de señales, mostrar estadísticas o controlar prótesis. El trabajo desarrollado es un aporte al área de rehabilitación de miembros, se trata de un algoritmo capaz de aprender y reconocer el movimiento de los dedos de la mano de forma individual (menique, anular, corazón, índice y pulgar). El artículo presenta el diseño del algoritmo que a través un sensor electromiográfico (Myo desarrollado por Thalmic Labs), procesa las señales generadas por los miembros superiores. Para esto se realiza el diseño de una etapa de filtrado, una etapa de entrenamiento y una interfaz gráfica que le permita al usuario interactuar con las señales obtenidas. El desarrollo propone el uso de una red neuronal artificial tipo perceptrón multicapa usando las herramientas que proporciona el software de MATLAB como las librerías Multi-Layer Perceptron y el Add-On MinGW-w64. Los resultados de este desarrollo muestran cómo el algoritmo identifica las diferencias entre las características principales de las señales de cada dedo con una exactitud del 75.71% y utiliza la información recopilada para identificar nuevas muestras. Los resultados de este desarrollo muestran las fortalezas y debilidades del algoritmo, y permiten concluir que los algoritmos de aprendizaje automático ofrecen una solución escalable para el control de prótesis de brazo. In the field of bionics, projects have been carried out that can perform signal classification, display statistics or control prostheses using machine learning algorithms. The work developed is a contribution to the area of ​​limb rehabilitation, it is an algorithm capable of learning and recognizing the movement of the fingers of the hand individually (little, ring, heart, index and thumb). This article presents the design of the algorithm that processes the signals generated by the arms through an electromyographic sensor (Myo developed by Thalmic Labs). It contains the design of a filtering stage, a training stage and a graphical interface that allows the user to interact with the obtained signals. The project proposes the use of an artificial neural network (multilayer perceptron) using the tools provided by MATLAB software such as the Multi-Layer Perceptron library and the MinGW-w64 Add-On. The results of this development show how the algorithm identifies the differences between the main characteristics of the signals of each finger with an accuracy of 75.71% and uses the collected information to identify new samples. The results of this development show the strengths and weaknesses of the algorithm, and allow to conclude that machine learning algorithms offer a scalable solution for the control of arm prostheses. Ingeniero Electronico http://unidadinvestigacion.usta.edu.co Pregrado

Trabajo Fin de Grado. Grado en matemáticas. Curso académico 2020-2021., [ES]El trabajo consta de dos partes: La primera parte abarca los capítulos 2, 3 y 4 que se centran en la explicación teórica de las redes neuronales artificiales (rna), en qué se inspiran, qué forma y distribución tienen, cuáles son sus características y cómo funcionan algunas de las redes más importantes. La segunda parte abarca los capítulos 5 y 6 que se centran en la parte experimental del trabajo, se da una breve explicación de qué es el covid-19 y luego se usa una de las redes estudiadas en la primera parte para predecir el avance de la enfermedad en distintos campos. Para ello se han recogido datos del covid-19 desde el 14 de marzo de 2020 al 30 de abril de 2021 de todas las provincias de la comunidad de castilla y león. Finalmente se detallan las conclusiones, las líneas futuras de investigación y la bibliografía utilizada., [EN]The job consists of two parts: The first part covers chapters 2, 3 and 4 which focus on the theoretical explanation of articial neu ronal networks (ann), what they are inspired, what form and distribution they have, what are their characteristics and how they work. Of the most important networks. The second part covers chapters 5 and 6 which focus on the experimental part of the work, a brief expla nation is given of what covid-19 is and then one of the networks studied in the first part is used to pre dict the progress of the disease in different fields. For this, data on covid-19 has been collected from march 14, 2020 to april 30, 2021 of all the provinces of the community of castilla y león. Finally, the conclusions, the future lines of research and the bibliography used are detailed

El escaso avance en los últimos tiempos en la detección de hipoxia fetal intraparto, hace necesario nuevos estudios en este campo con los objetivos de evitar secuelas en los bebés que sufran hipoxia y disminuir las cesáreas innecesarias, mejorando así la recuperación de la madre. En este trabajo se utiliza el aprendizaje automático, siguiendo la línea de trabajos recientes, con la intención de ayudar en este campo. Gracias al uso de una base de datos de cardiotocografías pública, se nos permite entrenar tres modelos de aprendizaje automático: un perceptrón multicapa, un bosque aleatorio y una máquina de vectores de soporte. En este trabajo se procesarán estos datos, eliminando el ruido que puedan tener y extrayendo características lineales de las cardiotocografías. Estas características serán las utilizadas para el entrenamiento de los tres modelos. Gracias a que la base de datos es pública, se podrá comparar nuestro trabajo con estudios previos y futuros, permitiendo así un mayor avance que acabará benefciando a los equipos obstétricos, encargados de monitorizar los partos.

Deep Learning (DL) is acquiring more and more applications in the industry, but not all professionals who need it have knowledge on the topic. For this reason, I have developed my own DL library for Python that includes multilayer perceptrons and convolutional neural networks, completely from scratch and with the aim of being easy to use, as I have shown when it has been used by some students from my old high school. Furthermore, keeping this objective in mind, I have also developed an evolutionary meta-learning algorithm to automatically find the optimal combination of hyperparameters for the input data, which achieves better results than the RandomSearch and GridSearch techniques. On the other hand, taking advantage of the fact that I implement neural networks from scratch, this article explains its foundations at a theoretical and mathematical level, as well as some interesting comments about its real implementation. Finally, some internal experiments are included that could not be easily performed with high-level libraries, such as the technique that I propose for standardization of values between layers, which allows using high learning rate values without the inconveniences that this usually implies. El Deep Learning (DL) está siendo cada vez más usado en la industria, pero no todos los profesionales que lo necesitan tienen conocimientos sobre el tema. Por ello, he desarrollado mi propia librería de DL para Python que incluye perceptrones multicapa y redes neuronales convolucionales, completamente desde cero y con el objetivo de que sea fácil de usar, como he demostrado cuando la han utilizado algunos alumnos de secundaria de mi antiguo instituto. Además, manteniendo en mente este objetivo, he desarrollado también un algoritmo evolutivo de meta-aprendizaje para encontrar automáticamente la combinación de hiperparámetros óptima para los datos de entrada, y que consigue resultados mejores que las técnicas de RandomSearch y GridSearch analizadas. Por otro lado, aprovechando que implemento las redes neuronales desde cero, este artículo repasa sus fundamentos a nivel teórico y matemático, así como algunos comentarios interesantes sobre su implementación real. Finalmente, se incluyen algunos experimentos internos que no podrían ser fácilmente realizados con librerías de alto nivel, como la técnica que propongo de estandarización de valores entre capas, que permite utilizar tasas de aprendizaje elevadas sin los inconvenientes que esto suele implicar. El Deep Learning (DL) està sent cada vegada més utilitzat a la indústria, però no tots els professionals que ho necessiten tenen coneixements sobre el tema. Per això, he desenvolupat la meva pròpia llibreria de DL per a Python que inclou perceptrons multicapa i xarxes neuronals convolucionals, completament des de zero i amb l'objectiu que sigui fàcil d'usar, com he demostrat quan l'han fet servir alguns alumnes de secundària del meu antic institut. A més, mantenint en ment aquest objectiu, he desenvolupat també un algorisme evolutiu de meta-aprenentatge per trobar automàticament la combinació d'hiperparàmetres òptima per a les dades d'entrada, i que aconsegueix resultats millors que les tècniques de RandomSearch i GridSearch analitzades. D'altra banda, aprofitant que implemento les xarxes neuronals des de zero, aquest article repassa els seus fonaments a nivell teòric i matemàtic, així com alguns comentaris interessants sobre la seva implementació real. Finalment, s'hi inclouen alguns experiments interns que no es podrien realitzar fàcilment amb llibreries d'alt nivell, com la tècnica que proposo d'estandardització de valors entre capes, que permet utilitzar taxes d'aprenentatge elevades sense els inconvenients que això sol implicar.

Uno de los problemas clave a los que se enfrentan las empresas de distribución de alimentación y bebidas es el mantenimiento y reducción de inventario o stock de productos. La previsión de stock es una ventaja competitiva muy importante en las empresas de este sector ya que así se logra un abastecimiento óptimo al menor coste posible. La optimización de la predicción del stock constituye, por tanto, un problema real de las empresas del sector que constituye una oportunidad para el desarrollo de herramientas de software adecuadas. En España, la mayoría de los softwares ERP del sector utiliza métodos estadísticos (media móvil, suavizado exponencial, etc.) para la previsión y optimización del stock de productos en diferentes periodos de demanda. El objetivo principal de este Trabajo de Fin de Grado es el de explorar la aplicación de técnicas de inteligencia artificial como alternativa a las técnicas estadísticas habituales de gestión y optimización de stock utilizadas por las empresas de distribución de alimentación y bebidas. Para lograr este objetivo, se han utilizado los datos suministrados por dos empresas del sector que me han permitido entrenar diferentes modelos y evaluar aquellos que mejor se adaptan a la problemática planteada. Para ello, he aplicado algoritmos de aprendizaje automático y profundo que, al contrario que los modelos estadísticos, no asumen a priori una relación particular del histórico de stock, sino que aprenden los patrones de demanda de la demanda histórica de stock de productos de estas empresas. En este estudio, he evaluado tanto modelos de aprendizaje automático (árbol de regresión, bosque extremadamente profundo, AdaBoost con árboles de regresión como clasificadores base, y Extreme Gradient Boosting) como modelos de aprendizaje profundo (Perceptrón Multicapa). Entre las dos bases de datos suministradas por las empresas, se obtuvo el consumo diario de 2200 productos que cumplían una serie de requisitos, filtrándose éstos en base a parámetros intrínsecos al tipo de negocio de las empresas de este sector (depósitos, rapples, tasa de consumo, etc.), ya que los modelos presentan unos resultados muy deficientes si no se consideran adecuadamente estos parámetros. Un aspecto clave de la gestión de datos es la segmentación de datos en función del periodo de demanda — obteniéndose los mejores resultados usando un periodo de una semana— y consumo del producto, ya que un consumo bajo genera atipicidades. En su conjunto, el mejor rendimiento de los modelos investigados se obtiene cuando ambas bases de datos se tratan conjuntamente y separando los productos en dos conjuntos en función del consumo promedio de demanda; indagar en la causa de esta mejora requeriría un mayor volumen de datos de diferentes empresas del sector. El análisis de la precisión de los resultados de los modelos investigados usando diferentes indicadores (BIAS, MAE y RMSE) muestran que lo modelos con mejor rendimiento en la predicción de stock son el Extreme Gradient Boosting (XGB) y el Perceptrón Multicapa. El modelo XGB presenta un sesgo más elevado cuando se enfrenta a conjuntos de datos con muchas atipicidades, pero muestra un excelente rendimiento en relación con los otros modelos de aprendizaje automático. El Perceptrón Multicapa presenta, asimismo, un alto sesgo en conjuntos de datos con muchas atipicidades, pero muestra un excelente rendimiento en las entradas que no poseen tantas atipicidades. Estos dos modelos han sido los mejores en la predicción de stock de estas empresas con los datos proporcionados.

Ultra-trail races take place in remote places and runners need several hours to complete. This represents a challenge for organizers, who need to guarantee the safety of the race. The Centre Excursionista Torello organizes the ultra-trail race named Pels Camins dels Matxos and wants to incorporate a tool to estimate the time a runner should pass through an intermediate checkpoint, and with this prevent possible accidents. Multiple linear regression models are commonly used to predict the time needed for a runner to finish a race. The inconvenient of this method is that assumes runners’ performance is constant along the race. Another issue is the difficulty to obtain the most important predictor variables, for they commonly are anthropometric parameters measured in the lab. To address these issues, this study proposes the use of two machine learning algorithms to solve the problem of estimating race times as a non-linear regression problem, trained using checkpoint times, sex and age of the participants. Specifically, Random Forests (RF) and Multilayer Perceptron (MLP). The precision of the algorithms was evaluated using the Mean Absolute Error (MAE) when estimating the time at arrival from an intermediate checkpoint. The results show that MLP improves the precision of RF by 56% (MAE MLP 9.8 minutes; MAE RF 22.4 minutes). However, the MAE in the MLP shows a random trend and does not correlate with the number of known checkpoints used in the prediction. The model based on RF was integrated within the software stack of the Race Control Centre. Las carreras de montaña de ultradistancia transcurren por entornos remotos y se necesitan varias horas para completarlas. Esto representa un reto para los organizadores que deben garantizar la seguridad de la carrera. El Centre Excursionista Torelló organiza la carrera Pels Camins dels Matxos, y quiere incorporar una herramienta para estimar el tiempo en que un corredor debería pasar por un control y con esto anticiparse a posibles accidentes. Los modelos de regresión lineal múltiple se usan habitualmente para predecir el tiempo que necesitará un corredor para finalizar una carrera. El inconveniente de este método es que presupone un desarrollo lineal de la carrera y no tiene en cuenta cómo cambia el rendimiento del corredor a lo largo de la prueba. Otro problema habitual es no disponer de las variables predictoras más importantes ya que suelen ser parámetros antropométricos medidos en el laboratorio. Para abordar estos inconvenientes este trabajo de investigación propone probar dos tipos de algoritmos de machine learning, modelos de regresión no lineal, en concreto Random Forests (RF) y Perceptrón Multicapa (MLP), y entrenarlos utilizando los tiempos de los controles intermedios, la edad y el sexo de los corredores. Los algoritmos propuestos son comparados mediante el error medio absoluto (MAE) en la predicción de la llegada desde un control intermedio. Los resultados muestran que el MLP mejora en un 56% la precisión de RF (MAE MLP 9,8 minutos; MAE RF 22,4 minutos). Sin embargo, la tendencia del MAE en el MLP es aleatoria y no correlaciona con el número de tiempos conocidos usados en la predicción. El modelo basado en RF se ha integrado con la aplicación actual del Centro de Control de Carrera.

The artificial neural network (RNA) is a computational model that emulates the biological neural system in information processing. The originating models are suitable for the purpose of describing long-term specifics, in addition to nonlinear relationships. This tool is used to predict physical chemical and microbiological parameters that influence water quality. The United States National Sanitation Foundation proposed a water quality index, known as the NSF WQI. This article describes the design, training and use of the three-layer neural perceptron neural model for the calculation of the NSF WQI of the Utcubamba River and its tributaries. Using the Matlab software and applying the Levenberg-Marquardt training algorithm, the optimal RNA architecture was found to be 6-12-1, plus the percentage for the training, validation, and test sets of 70%, 10%, and 20 % respectively. RNA performance has been evaluated using the root of the root mean square error (RMSE) and the correlation coefficient (R). High correlations (greater than 0.94) were made between the measured and predicted values. Finally, the RNA proposal offers a useful alternative for the calculation and prediction of the water quality index in relation to dissolved oxygen (DO), biochemical demand for oxygen (BOD), nitrates, fecal coliforms, potential for hydrogen ions (pH) and turbidity., La red neuronal artificial (RNA) es un modelo computacional que emula el sistema neuronal biológico en el procesamiento de información; los modelos que se originan son adecuados con el propósito de describir pronósticos para tiempos prolongados, además de relaciones no lineales. Se utiliza esta herramienta con el fin de predecir parámetros físico-químicos y microbiológicos que influyen en la calidad de agua. La Fundación Nacional de Saneamiento de Estados Unidos propuso un índice de calidad de agua, conocido como NSF WQI. Este artículo describe el diseño, entrenamiento y uso del modelo de la red neuronal perceptrón de tres capas para el cálculo del NSF WQI del río Utcubamba y sus afluentes. Empleando el software Matlab y aplicando el algoritmo de entrenamiento de Levenberg-Marquardt, se encontró que la arquitectura óptima de la RNA es 6-12-1, además, el porcentaje para los conjuntos de entrenamiento, validación y prueba fue de 70%, 10% y 20%, respectivamente. El rendimiento de la RNA se ha evaluado utilizando la raíz del error cuadrático medio (RMSE) y el coeficiente de correlación (R). Se mostraron correlaciones altas (mayores que 0.94) entre los valores medidos y predichos. Finalmente, la RNA propuesta ofrece una alternativa útil para el cálculo y la predicción del índice de calidad de agua en relación con el oxígeno disuelto (OD), la demanda bioquímica de oxígeno (DBO), nitratos, coliformes fecales, potencial de iones hidrógeno (pH) y la turbidez.

En los últimos años, la creciente preocupación por el elevado consumo energético de los edificios se ha focalizado a través de la rehabilitación energética con el objetivo de reducirlo. En este sentido, la transmitancia térmica de los cerramientos determina en gran medida este consumo energético, por lo que existe un gran interés por disponer de métodos que permitan evaluarla de manera precisa. Esta propiedad se puede determinar a través de diferentes procedimientos tanto teóricos como experimentales. Todos estos métodos pueden verse afectados por una serie de factores que pueden derivar en la obtención de resultados atípicos. Aspectos tales como el uso de variables tabuladas, los errores metrológicos, la inercia térmica o los factores ambientales pueden influir de manera significativa en los resultados. Ante esta circunstancia, en esta tesis se realizaron una serie de estudios para abordar las principales debilidades detectadas en la literatura científica: el análisis del término convectivo utilizado en los métodos de termografía infrarroja cuantitativa, el análisis y la optimización del método termométrico y, por último, la estimación de la transmitancia térmica de la ISO 6946:2007 a través de mediciones in situ. Para obtener una gran cantidad de datos, se llevaron a cabo dos campañas experimentales cuyos diseños se adaptaron a las necesidades particulares de cada planteamiento. Asimismo, la combinación de los datos experimentales con otras técnicas, como procesos de simulación y la aplicación de algoritmos de aprendizaje automático, permitió desarrollar diferentes investigaciones. La utilización de las correlaciones experimentales de números adimensionales para el método interior de termografía infrarroja cuantitativa resultó ser la aplicación más adecuada para este método. En esta línea, el análisis de los datos obtenidos para este aspecto mostró que el número de resultados válidos conseguidos fue superior al de otras correlaciones experimentales interiores y exteriores. Además, la realización de los ensayos en el interior permite garantizar la disminución de la influencia de las condiciones ambientales. Con respecto al método termométrico, los resultados obtenidos en la tesis mostraron las posibilidades de aplicación del método en cerramientos, siempre que se reúnan las condiciones aceptables en dos aspectos operacionales (un gradiente térmico elevado y equipos apropiados), así como un filtrado de datos adecuados. Las limitaciones relacionadas con la carencia de otros procedimientos de cálculos para correcciones por almacenamiento de calor y las posibles desviaciones por el empleo de valores teóricos para el coeficiente de transferencia de calor total interior se resolvieron utilizando perceptrones multicapa. Finalmente, el uso de bosques aleatorios y de perceptrones multicapa permitió conseguir estimaciones ajustadas de la transmitancia térmica de la ISO 6946:2007 a través de variables medidas experimentalmente, siendo el primero de ellos el que obtuvo un mejor grado de ajuste. Premio Extraordinario de Doctorado US

Perceptrón memoria de correlación multicapa para predecir la violencia sistemática contra la mujer por su pareja en la Sierra del Perú Multilayer Perceptron correlation memory to predict systematic violence against woman by their partner in the Sierra of Peru María Estela Ponce Aruneri y Erwin Kraenau Espinal Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas. Lima 01 DOI: https://doi.org/10.33017/RevECIPeru2013.0008/ Resumen En este trabajo se muestra que el modelo perceptrón memoria de correlación multicapa permite predecir el tipo de violencia que sufren las mujeres mayores de 14 años unidas o alguna vez unidas, residentes habituales en las viviendas circundantes de los Centros de Emergencia Mujer ubicados en la sierra del Perú; así como asociaciones importantes entre algunos estilos de crianza, relaciones familiares y percepciones acerca de los roles de género, con el tipo de violencia que ejerce el esposo/ compañero. Utilizamos 1126 casos de la base de datos proporcionada por el Ministerio de la Mujer y Poblaciones Vulnerables (MIMP); para los que se construyeron catorce variables de entrada, una que se refieren a estilo de crianza recibido, tres a relaciones familiares, nueve sobre percepciones acerca de los roles de género y una referida al ámbito geográfico; siete variables de salida que se refieren al tipo de violencia contra la mujer por parte de su pareja o ex –pareja. Para la etapa de diseño del modelo perceptrón memoria de correlación y entrenamiento de la red aplicamos el algoritmo de retropropagación (backpropagation), la función de activación utilizada para este caso fue sigmoidal (logística), calculamos el error cuadrático para evaluar el error cometido por la red en cada patrón(observación); y finalmente regla delta generalizada para modificar pesos y umbrales. Se elaboraron dos programas en Matlab, para aplicar el modelo perceptrón memoria de correlación multicapa con una y dos capas ocultas. El modelo perceptrón memoria de correlación multicapa, con dos capas ocultas proporciono mejores resultados, 80.34% de predicciones correctas; y muestra que la violencia familiar y la percepción acerca del rol de género son factores importantes en la predicción del tipo de violencia que padece la mujer unida o alguna vez unida por su pareja, y que reside en la sierra del Perú. Descriptores: Memorias de Correlación, perceptrón multicapa, predicciones, violencia contra la mujer. Abstract In this research shows that the correlation model memory multilayer perceptron to predict the type of violence experienced by women over 14 have ever joined or united, ordinarily resident in the houses surrounding the Women's Emergency Centers located in the sierra del Peru, as well as significant associations between certain parenting styles, family relationships and perceptions about gender roles, with the kind of violence exercised by the husband / partner. We use 1126 cases of women from the database provided by the Ministry of Women and Vulnerable Populations (MIMP); for which fourteen input variables were built, one relating to parenting style received, three family relationships, nine out of perceptions about gender roles and one referring to the geographical, seven output variables relate to the type of violence against women by their partner or ex-partner. For the design stage memory model and correlation perceptron network training apply the backpropagation algorithm, the activation function used in this case was sigmoidal (logistic), we calculated the mean square error to evaluate the error committed by the network in each pattern (observation), and finally generalized delta rule to change weights and thresholds. Two programs were developed in Matlab to implement the memory mapping model multilayer perceptron with one and two hidden layers. The model multilayer perceptron correlation memory with two hidden layers I provide better results, 80.34% of correct predictions, and shows that family violence and perceptions about gender roles are important factors in predicting the type of violence that women have ever joined or united by their partner, and reside in the sierra of Peru. Keywords: Correlation memories, multilayer perceptron, predictions, violence against women