Search

Copyright of GeSec: Revista de Gestao e Secretariado is the property of Sindicato das Secretarias e Secretarios do Estado de Sao Paulo (SINSESP) 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 Tecnología y Ciencias del Agua is the property of Instituto Mexicano de Tecnologia del Agua (IMTA) 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 determination of sex differences in anatomical structures is critical in establishing gold standard morphometric data in basic medical sciences, and in surgical and internal sciences in selecting the right area during invasive intervention and applying the correct intervention methodology appropriate to the area. The aim of this study is to determine the sex difference using Machine learning (ML) algorithms and Artificial neural networks (ANN) with parameters obtained from basilar artery. The study was performed on computed tomography angiography images of 63 women and 94 men. The following parameters were measured on the images: initial width of the right vertebral artery, initial width of the left vertebral artery, termination width of the right vertebral artery, termination width of the left vertebral artery, basilar artery width, and basilar artery length. The measurements were used in ML algorithms and ANN input to determine sex differences. As a result of the study, a sex difference rate of 0.84 was determined with the ML algorithms Random Forest (RF), Quadratic Discriminant Analysis (QDA), Extra Tree Classifier (ETC) and 0.84 with the Multilayer Perceptron Classifier (MLCP) algorithm of ANN. As a result of the study, sex difference was found with an accuracy rate of 0.84 using ML algorithms and ANN with parameters obtained from basilar artery. In this context, we think that this study will shed light on basic and clinical medical sciences. [ABSTRACT FROM AUTHOR]

Entre los meses de diciembre a abril, regiones del norte del Perú, entre ellas Lambayeque, se ven afectados por eventos extremos máximos, ocasionando estragos en viviendas, inundación de campos de cultivo, colapso de obras hidráulicas y, lo más irreparable, pérdida de vidas humanas. En esa línea, el objetivo de la presente investigación fue aplicar redes neuronales artificiales al modelamiento de lluvia-escorrentía en una cuenca del norte de Perú, en específico, en la cuenca del río Chancay Lambayeque, perteneciente a la vertiente del Pacífico. Para ello se recopilaron registros de precipitación y caudales de 30 años (normal hidrológica), de 12 estaciones hidrometeorológicas pertenecientes tanto a la cuenca como aledañas a ésta. Así, aplicando un modelo de redes de memoria a largo y corto plazo (LSTM), se procedió a modelar la lluvia, buscando seguir el comportamiento de los caudales observados en la estación hidrométrica Racarrumi; con un 80 % de la información se entrenó al modelo y con un 20 % se validó. En suma, se obtuvo que en la etapa de validación del modelamiento, el coeficiente de Nash fue de 0.93, correspondiéndole el calificativo de “muy bueno”.

Esta investigación tiene como objetivo predecir zonas susceptibles a procesos de remoción en masa aplicando modelo matemático red neuronal artificial en la localidad de Guatapurí y Chemesquemena. Se delimitaron zonas susceptibles a fenómenos de remoción en masa a partir de la identificación de factores condicionantes ((1) Unidades Geológicas Superficiales, (2) Pendiente del terreno, (3) Cobertura vegetal, (4) Índice de Rugosidad de Terreno, (5) Geomorfología y (6) Acuenca)) y realización de mapas y procesamiento de imágenes satelitales (Landsat) aplicando modelos matemáticos de tipo redes neuronales artificiales. La evaluación de susceptibilidad destacó una distribución desigual en Guatapurí y Chemesquemena. Las zonas de "muy alta" susceptibilidad (43% del área) se caracterizaron por presentar pendientes pronunciadas, patrones distintos de flujo y relieves moderados a muy elevados. En contraste, las zonas catalogadas como de "muy baja" susceptibilidad (34% del área), presentan pendientes suaves a casi planas, con escorrentía lenta y materiales menos propensos a deslizamientos.

University spaces generate entrepreneurial ideas that manifest themselves in classroom tasks, and some of them materialize as real ventures. The aim of this research is to understand how the creative characteristics present in the academic environment impact Technological Readiness Level (TRL) development. It is a correlational cross-sectional study with a quantitative, non-experimental approach, and a non-probabilistic consecutive sample of 384 subjects obtained through an instrument validated by expert judgment, covering 77% of Higher Education Institutions in the studied territory. Through exploratory factor analysis with SPSS and confirmatory analysis with AMOS, speci- fic knowledge, motivation for entrepreneurship, and sought impact are identified as determining creative factors; gender identity shows no incidence. Additionally, using Artificial Neural Networks (ANN), a model proposing the normalized importance of factors with 67.2% assertiveness is suggested. [ABSTRACT FROM AUTHOR]

En inteligencia artificial, las redes neuronales artificiales son modelos muy precisos en tareas como la clasificación y la regresión en el estudio de fenómenos naturales, pero se consideran “cajas negras” porque no permiten explicación directa de aquello que abordan. Este trabajo revisa la posibilidad de explicación científica a partir de estos modelos y concluye que se requieren de otros esfuerzos para entender su funcionamiento interno. Esto plantea retos para acceder a la explicación científica a través de su uso, pues la naturaleza de las redes neuronales artificiales dificulta a primera instancia la comprensión científica que puede extraerse de estas.

Este estudio propone un modelo matemático basado en redes neuronales artificiales (ANN) para evaluar el desgaste de superficies metálicas debido a la oxidación y corrosión. Dada la necesidad de sistemas eficientes para monitorizar estas superficies en ambientes adversos, se justifica el uso de técnicas avanzadas de procesamiento de imágenes e inteligencia artificial. El objetivo principal es aplicar estas técnicas para determinar la degradación de las superficies, incluyendo el diseño de una base de datos para entrenar ANN, la detección de oxidación mediante procesamiento de imágenes avanzado, y el desarrollo de una aplicación web que integre estas soluciones. Se emplearon redes neuronales convolucionales para clasificar el grado de oxidación tras procesar las imágenes, utilizando dos conjuntos de datos para el entrenamiento: uno sin descomposición en valores singulares (SVD) y otro optimizado con SVD. Los resultados indican una mejora significativa en la precisión y el tiempo de entrenamiento con el uso de SVD, logrando una estabilización en los indicadores de pérdida durante la cuarta época de entrenamiento. Las conclusiones subrayan la efectividad del SVD para potenciar el rendimiento de las ANN en la identificación de desgaste metálico, con beneficios notables para la industria en reducción de costos y seguridad operativa. Se sugiere expandir la aplicación de SVD en otros modelos de ANN para análisis de materiales y procesos industriales, maximizando así la eficiencia y exactitud de los modelos de inteligencia artificial.

Los métodos para la clasificación de uso y cobertura del suelo (UCS) han mostrado avances importantes en los últimos años, como la incorporación de las técnicas de aprendizaje automático (machine learning-ML) que han ganado popularidad y aceptación por sus resultados. Sin embargo, la falta de consensos metodológicos ha provocado una aplicación desordenada de los métodos ML en la clasificación de UCS. Por lo que a través de la revisión bibliográfica practicada se identificaron puntos de la forma en que se están implementando los métodos, así como posibles implicaciones en la clasificación de UCS al darse de esta manera. Para dicha revisión se utilizaron únicamente artículos científicos publicados entre el año 2000 al 2020 y que consideraran alguno de los siguientes algoritmos para la clasificación de UCS: k vecinos más cercanos (K-nearest neighbor-KNN), bosque aleatorio (random forest-RF), máquina de soporte de vectores (support vector machine-SVM), redes neuronales artificiales (artificial neural network-ANN) y árboles de decisión (decision trees-DT). A través de los resultados obtenidos en la revisión bibliográfica, se reafirma el potencial de los algoritmos y se identifican puntos de mejora para la aplicación de ML en la clasificación de UCS, especialmente en la integración de los conjuntos de datos, la parametrización de los algoritmos y la evaluación de los resultados, generando a su vez una selección de buenas prácticas a partir de las recomendaciones de diversos autores las cuales consideramos serán de utilidad para usuarios interesados en estos métodos.

Los espacios universitarios originan ideas emprendedoras que suelen evidenciarse en tareas de aula y algunas se materializan en emprendimientos reales. Esta investigación busca comprender mediante evidencia empírica como las características creativas presentes en el entorno académico inciden sobre el Desarrollo de Madurez Tecnológica (TRL). Es una investigación de alcance correlacional transversal, con enfoque cuantitativo, no experimental, de muestra no probabilística consecutiva obtenida mediante instrumento ad hoc validado por juicio de expertos, con cobertura del 77% las Instituciones de Educación Superior del territorio estudiado. A partir de un análisis factorial exploratorio con SPSS y uno confirmatorio con AMOS se identifican como factores creativos determinantes los conocimientos específicos, la motivación para emprender y el impacto buscado. Paralelamente recurriendo al análisis con Redes Neuronales Artificiales (RNA) se propone un modelo de importancia normalizada de los factores con el 67.2% de asertividad.

En México y el mundo, el maíz es una de las plantas más susceptible a padecimientos graves que afectan su desarrollo y el rendimiento de la semilla. Factores como el cambio climático y la llegada poco común de insectos vectores en la actualidad han propiciado que los patógenos que afectan este tipo de cultivos se vuelvan más resistentes. Tener la certeza del tipo de enfermedad que afecta a las plantas es importante en la agricultura ya que genera una mejor toma de decisiones sobre la actuación previa a afectaciones graves. En la actualidad se estima que el 65% del sector agrícola no cuenta con tecnología aplicada a la sanidad vegetal. Se ha trabajado constantemente en el desarrollo de herramientas de visión artificial, procesamiento digital de imágenes y aprendizaje automático para realizar diagnósticos de enfermedades en cultivos. El presente estudio brinda una perspectiva reciente de los avances tecnológicos en la detección de enfermedades en cultivos, su eficiencia y la relación con la búsqueda de la construcción de un sector agrícola productivo y sustentable. Se muestra además un caso de aplicación de detección de enfermedades comunes en cultivos del centro de México, donde se logró un error de identificación mínimo

Copyright of Revista Iberoamericana de Ingeniería Mecánica is the property of Editorial UNED 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 Foco (Interdisciplinary Studies Journal) is the property of Revista Foco 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 Cubana de Ciencias Informáticas is the property of Universidad de las Ciencias Informaticas (UCI) 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 Sociedad Colombiana de Oftalmología is the property of Sociedad Colombiana de Oftalmologia 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 Técnica Energía is the property of Centro Nacional de Control de Energia CENACE 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 Cirugía y Cirujanos is the property of Publicidad Permanyer SLU 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.)

Due to the lack of precipitation in recent years, some regions of Turkey are in danger of drought. This situation increases the importance of planning water resources and makes it necessary to develop water budget calculations. One of the important steps in water budget calculations is the correct estimation of the amount of evaporation. For this reason, a different method has been developed for evaporation estimation and the applicability of this developed method has been tested with the meteorological parameters of Lake Eğirdir, one of most important freshwater resources of Turkey. Eğirdir Lake is located within the borders of Isparta province in the Mediterranean Region, Turkey. Firstly, evaporation estimation models were developed by artificial neural networks (ANN) method using 490 days of air temperature, water temperature, sunshine duration, and solar radiation parameters of Lake Eğirdir. After the meteorological parameters were transformed into a dimensionless form through normalization, the norm function was applied to these parameters as a part of the modeling process. The values obtained by the function are used as input parameters in the N-ANN method. In both cases, the pan evaporation values obtained with different network structures were compared and it was seen that the N-ANN models developed with the norm operator in general gave more appropriate results. [ABSTRACT FROM AUTHOR]

For road maintenance and rehabilitation, it is important to develop procedures to evaluate pavement condition. Imaging methods can be used to obtain data to analyze a pavement surface. A methodology for crack detection is presented in this paper that is based on image processing techniques and artificial neural networks. The methodology is implemented in four stages: 1. image acquisition, 2. image processing, 3. feature extraction, and 4. classification using an artificial neural network. The methodology was used to detect deterioration in the form of longitudinal cracks, potholes, and alligator cracking. The classification was performed using a multilayer perceptron (MLP) neural network within a (12 14 3) configuration, resulting in an accuracy of 95.56% and a precision of 94.44%. The proposed methodology could be used to help governmental organizations evaluate a road network. [ABSTRACT FROM AUTHOR]

Copyright of Revista Pediatría de Atención Primaria is the property of LUA Ediciones 3.0 S.L. 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.)

In recent years, a number of significant methodological re-evaluations have taken place in various disciplines of science due to machine learning developments. This is particularly evident in STEM disciplines, while the behavioral and social sciences seem to approach these phenomena with some reserve. A good example is the use of artificial neural networks. Yet, acknowledging their characteristics, it can be safely assumed that they are relatively well designed to solve many problems in political science. This is due to the nature of many social phenomena that are characterized by at least three features: (1) their theoretical basis is not ultimately determined, (2) they lack fully recognized functional relations, and (3) they are described by data that occur in a form that may be cumbersome for traditional modeling. Therefore, the article proceeds with some encouragement for the use of neural networks. At the same time, however, we need to proceed with caution. To mitigate possible opacity, a new political science-informed conceptualization of neural networks categorization scheme is proposed. This aims to help social scientists come to terms with one of the exponentially developing methods in the machine learning toolbox. En los últimos años, se han llevado a cabo una serie de reevaluaciones metodológicas significativas en varias disciplinas de la ciencia, debido a los desarrollos del aprendizaje automático. Esto es particularmente evidente en las matemáticas y la informática, mientras que en las ciencias sociales y del comportamiento estos fenómenos parecen abordarse con cierta reserva. Un buen ejemplo es el uso de redes neuronales artificiales. Sin embargo, reconociendo estas características, se puede suponer que están relativamente bien diseñados para resolver muchos problemas de la ciencia política. Esto se debe a la naturaleza de los fenómenos sociales que, al menos, se caracterizan por lo siguiente: (1) Su base teórica no está en última instancia determinada, (2) Carecen de relaciones funcionales plenamente reconocidas y (3) Se describen mediante datos que de manifestarse en cierta forma puede ser engorroso para el modelado tradicional. El presente artículo insiste en los estímulos para el uso de redes neuronales, aunque reconocemos que se debe proceder con cautela. Para mitigar la posible opacidad, se propone una nueva conceptualización del esquema de categorización de redes neuronales basada en la ciencia política. Esto tiene como objetivo ayudar a los científicos sociales a aceptar uno de los métodos de desarrollo exponencial en esa caja de herramientas que es el aprendizaje automático.

Predecir el comportamiento hidrológico en cuencas hidrográficas compuestas por ecosistemas altoandinos que tienen una variedad de climas, con geología compleja, topografía muy variada y suelos con alto contenido de materia orgánica generadoras de una cobertura vegetal muy heterogénea es muy difícil, y si a ello se adiciona la escasez de información hidrométrica en las redes hidrográficas se genera gran incertidumbre al planificar el aprovechamiento del recurso hídrico. La tendencia predominante para la predicción es a través de modelos hidrológicos que relacionan precipitación y escorrentía, los cuales requieren información histórica no disponible en la mayoría de los casos. La aplicación de la técnica de redes neuronales artificiales, en contraste, permite disponer de una metodología adaptable a la información disponible en cada cuenca para analizar la relación entre precipitación y escorrentía, y gracias a su robustez se pueden obtener resultados con gran precisión. El objetivo de esta investigación fue estimar y predecir los caudales promedio mensuales para la cuenca del río Crisnejas, ubicada en la región norte de los Andes peruanos; para ello se contó con registros históricos de 12 estaciones meteorológicas y una estación hidrométrica, utilizando datos de caudal, precipitación, temperatura e índice de vegetación de diferencia normalizada (NDVI), mediante una red neuronal artificial del tipo perceptrón multicapa, con bondad de ajuste del 81 %. Luego, con el registro generado de caudales, se entrenó otra red del tipo recurrente para predecir caudales medios mensuales de ocho años con una bondad de ajuste del 71 %.

La diabetes mellitus es una enfermedad crónica que aparece cuando el páncreas no secreta suficiente insulina o cuando el organismo no utiliza apropiadamente la insulina que produce. Dado que la insulina es una hormona que regula la concentración de glucosa en la sangre, uno de los efectos más comunes de la diabetes no controlada es la hiperglucemia, que con el tiempo daña gravemente muchos órganos y sistemas del cuerpo. Por ello, es importante el desarrollo de software predictivo para el diagnóstico y posterior tratamiento de esta enfermedad, en particular para la diabetes tipo 1 y 2, que concentran la mayoría de los casos. El presente trabajo realiza una revisión sistemática de literatura a fin de determinar los métodos y la problemática en la construcción de sistemas de identificación de tendencias orientados a la diabetes. Los resultados muestran 16 métodos diferentes de construcción utilizados en estos sistemas, de los cuales los más eficientes son la regresión logística y las redes neuronales artificiales.

Este estudio se centra en identificar los factores que influyen en la percepción de la calidad del consumidor en restaurantes de servicio a mesa en el pueblo mágico Real del Monte, Hidalgo, México. La metodología se basa en dos perspectivas, en primer lugar, en el análisis de los factores más importantes de los resultados de una encuesta de 22 ítems por medio de redes neuronales artificiales aplicada a 320 comensales y, en segundo lugar, en la aplicación de entrevistas semiestructuradas a ocho comensales. Los hallazgos muestran que los aspectos fundamentales que influyen en la percepción de los consumidores son la capacidad del personal para responder preguntas, la música de fondo, así como la calidad y el sabor de los alimentos.

En este artículo se propone un Controlador Predictivo Neuronal (ANN-MPC) para controlar un sistema no lineal de tanque cuádruple, el cual es complejo de controlar debido a la no linealidad de sus válvulas y a la interacción entre sus variables controladas. Además, el problema se agrava ya que el proceso presenta una respuesta transitoria con dinámica inversa por estar en fase no mínima. El ANN-MPC emplea una estructura modular de red neuronal artificial y el algoritmo de entrenamiento Levenberg-Marquardt para estimar con mayor precisión y rapidez las salidas del proceso no lineal y evitar el sobreajuste del modelo. Se generaron datos operativos a partir de la planta para entrenar la red neuronal empleando Matlab. Se probó el rendimiento del ANN-MPC ante cambios de referencia y se comparó con un MPC lineal y un MPC no lineal. Los resultados de simulación mostraron que el ANN-MPC produjo un menor tiempo de establecimiento que el MPC lineal y generó valores RMSE de las salidas similares a los del NMPC. Además, se redujo el tiempo de cómputo requerido para calcular la variable de control óptima comparado con el NMPC.

In the present work, mono and multicomponent adsorption systems of heavy metals (Hg2+, Cu2+ y Ni2+) as adsorbates and carbon nanotubes (CNT) as adsorbents were studied. First, the thermodynamic and QSAR properties at 298.15 and 30815K were determined using computational simulation. Subsequently, Feedforward backprop and Elman backprop artificial neural networks were developed, where the network with the highest precision of the thermodynamic and QSAR properties was the Elman Backprop with the Logsig function using 5 and 3 neurons in the hidden layer at 298.15 and 308.15 K, finally, the networks had an r2 of 0.999, and a mean square error of 0.021, 0.024 and 0.214 respectively. [ABSTRACT FROM AUTHOR]

Copyright of DYNA - Ingeniería e Industria is the property of Publicaciones Dyna SL 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 ESPOCH Congresses: The Ecuadorian Journal of S.T.E.A.M. is the property of Knowledge E DMCC 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 health situation caused by the SARS-Cov2 coronavirus, posed major challenges for the scientific community. Advances in artificial intelligence are a very useful resource, but it is important to determine which symptoms presented by positive cases of infection are the best predictors. A machine learning approach was used with data from 5,434 people, with eleven symptoms: breathing problems, dry cough, sore throat, running nose, history of asthma, chronic lung, headache, heart disease, hypertension, diabetes, and fever. Based on public data from Kaggle with WHO standardized symptoms. A model was developed to detect COVID-19 positive cases using a simple machine learning model. The results of 4 loss functions and by SHAP values, were compared. The best loss function was Binary Cross Entropy, with a single hidden layer configuration with 10 neurons, achieving an F1 score of 0.98 and the model was rated with an area under the curve of 0.99 aucROC. [ABSTRACT FROM AUTHOR]

Copyright of ESPOCH Congresses: The Ecuadorian Journal of S.T.E.A.M. is the property of Knowledge E DMCC 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.)

Objetivo: Proponer una metodología que permita la clasificación de inventarios y el pronóstico de la demanda, en empresas comercializadoras de productos mayoristas, los cuales son factores claves para optimizar su desempeño. Métodos y técnicas: La metodología se sustenta en el uso de una red neuronal artificial tipo perceptrón multicapa creada con el software Weka; con el agregado de resolver problemas de clasificación de ítems del inventario, basados en ABC y el proceso de análisis jerárquico AHP. La metodología constó de tres fases, la primera encargada de la clasificación de los inventarios, la segunda del pronóstico, y la tercera del análisis integrado de los resultados. Principales resultados: Se propuso una escala jerárquica de variables para la clasificación de ítems del inventario, así como de los pesos de los criterios y subcriterios que la conforman, y su rango de selección. Se mostró una manera efectiva para pronosticar la demanda de forma individualizada para cada ítem del inventario. Conclusiones: La aplicación de la herramienta metodológica en la empresa ACINOX UEB Holguín comercializadora, de la provincia Holguín, Cuba, validó su efectividad para resolver problemas de clasificación de inventarios y pronóstico de demanda. Como derivado de su aplicación, se proporcionó a sus directivos, un instrumento que permite la toma de decisiones en aras de favorecer aquellos ítems mejor clasificados y sus pronósticos.

In order to detect potato crop pests from symptom images, a web platform was developed to facilitate the diagnosis of early and late blight from images of affected leaves. The Python programming language, the Flask framework, Bootstrap for platform styling, the necessary libraries, and Pycharm as development environment were used. Image recognition and artificial intelligence software tools, specifically artificial neural networks, were used to implement the diagnostic module. The system also includes the field monitoring record with the incidences of pests, allows incorporating new data, and provides information on management in correspondence with climate variability. For the diagnosis validation, images of symptoms confirmed by experts were taken. The neural network model used was 94.6 % accurate. Future work will include the detection of viruses, bacteria and other fungi from images. The tool is a useful and novel application at the service of agri-food safety, serving as a coordinated platform for plant protection technicians and farmers involved in potato cultivation. [ABSTRACT FROM AUTHOR]

In recent years, a number of significant methodological re-evaluations have taken place in various disciplines of science due to machine learning developments. This is particularly evident in STEM disciplines, while the behavioral and social sciences seem to approach these phenomena with some reserve. A good example is the use of artificial neural networks. Yet, acknowledging their characteristics, it can be safely assumed that they are relatively well designed to solve many problems in political science. This is due to the nature of many social phenomena that are characterized by at least three features: (1) their theoretical basis is not ultimately determined, (2) they lack fully recognized functional relations, and (3) they are described by data that occur in a form that may be cumbersome for traditional modeling. Therefore, the article proceeds with some encouragement for the use of neural networks. At the same time, however, we need to proceed with caution. To mitigate possible opacity, a new political science-informed conceptualization of neural networks categorization scheme is proposed. This aims to help social scientists come to terms with one of the exponentially developing methods in the machine learning toolbox. [ABSTRACT FROM AUTHOR]

Traditional data processing applications are unsuitable for handling large amounts of data. To achieve an efficient manipulation and extraction of characteristics or samples that the information represents, it is necessary to know aspects such as data collection and treatment. In this document, a database corresponding to the behavior of electrical energy consumption in a residential load was refined. The debugging and statistical analysis of the samples were carried out using the principal component analysis. The training of the smallest data set to the original database was made using vector support machine techniques and artificial neural networks. Finally, a proposal is presented for the analysis of samples that are within the operating limits or not using updating dynamic patterns for the unsupervised validation of new samples. [ABSTRACT FROM AUTHOR]

Copyright of Tecnología y Ciencias del Agua is the property of Instituto Mexicano de Tecnologia del Agua (IMTA) 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 TECHNO Review is the property of Eurasia Academic Publishing Group 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 Cubana de Ciencias Informáticas is the property of Universidad de las Ciencias Informaticas (UCI) 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 Gerenciales is the property of Universidad ICESI 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.)

Objetivo: Proponer una metodología que permita la clasificación de inventarios y el pronóstico de la demanda, en empresas comercializadoras de productos mayoristas, los cuales son factores claves para optimizar su desempeño. Métodos y técnicas: La metodología se sustenta en el uso de una red neuronal artificial tipo perceptrón multicapa creada con el software Weka; con el agregado de resolver problemas de clasificación de ítems del inventario, basados en ABC y el proceso de análisis jerárquico AHP. La metodología constó de tres fases, la primera encargada de la clasificación de los inventarios, la segunda del pronóstico, y la tercera del análisis integrado de los resultados. Principales resultados: Se propuso una escala jerárquica de variables para la clasificación de ítems del inventario, así como de los pesos de los criterios y subcriterios que la conforman, y su rango de selección. Se mostró una manera efectiva para pronosticar la demanda de forma individualizada para cada ítem del inventario. Conclusiones: La aplicación de la herramienta metodológica en la empresa ACINOX UEB Holguín comercializadora, de la provincia Holguín, Cuba, validó su efectividad para resolver problemas de clasificación de inventarios y pronóstico de demanda. Como derivado de su aplicación, se proporcionó a sus directivos, un instrumento que permite la toma de decisiones en aras de favorecer aquellos ítems mejor clasificados y sus pronósticos.

Copyright of Revista de la Sociedad Química del Perú is the property of Sociedad Quimica del Peru 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 Journal Computer Technology is the property of ECORFAN-Mexico S.C. 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.)