Ingeniero Civil Eléctrico / Los campos clínicos son establecimientos como clínicas, hospitales y diversas instituciones del área de la salud que atienden pacientes. Los alumnos universitarios del área de la salud requieren asistir a campos clínicos como requisito básico para aprobar los cursos prácticos incluidos en los currículos de las universidades. Cada universidad que imparte carreras del área de la salud debe conseguir campos clínicos que les faciliten sus instalaciones, y personal para que sus alumnos realicen sus cursos prácticos. Algunas universidades cuentan con sus propios campos clínicos; las que no los tienen, deben establecer convenios con instituciones que manejen campos clínicos. Estos convenios son acuerdos bajo contrato entre dos entidades, que reglamentan deberes y derechos para el uso de campos clínicos. La Universidad de las Américas no cuenta con campos clínicos como recurso propio y tiene más de 5000 estudiantes en carreras pertenecientes al área de salud que necesitan asistir a campos clínicos. Actualmente mantiene más de 100 convenios con diversas entidades de salud para cumplir con el requerimiento curricular. La asignación de cada uno de sus estudiantes a campos clínicos representa una tarea compleja, debido al alto número de alumnos a asignar y las distintas variables asociadas a los convenios y sus campos clínicos, como por ejemplo: el horario, las características propias cada curso, número máximo de alumnos asociado a un supervisor, etc. Un problema adicional es la falta de un estándar de convenios, una estructura de datos que indique cuales son las variables más relevantes de cada convenio para el proceso de asignación. Actualmente el proceso de asignación se realiza de forma manual. Considerando su complejidad, la falta de un estándar de convenios y una gran diferencia entre el costo predicho y el real del proceso, el equipo de gestión de la Universidad de las Américas estima que el proceso es ineficiente y mejorable. El objetivo del presente trabajo es implementar un sistema que permita automatizar y mejorar el proceso de asignación de campos clínicos a alumnos de la Universidad de las Américas. Para ello, se propone plantear el proceso de asignación como un problema de optimización multi-objetivo y el uso de herramientas de inteligencia computacional como principal método de resolución. El sistema se implementó exitosamente y en una prueba simplificada que simuló el proceso de asignación de los alumnos de la sede Viña del mar de la Universidad de las Américas en el primer semestre del año 2014, se logró una reducción de los costos de asignación de un 20% con respecto costo real.

No description available.

Gracias a la World Wide Web la idea de información compartida alrededor del mundo es común para todos, la información es ingresada desde diferentes fuentes para que todos puedan verla y usarla. Una Smart Web o Semantic Web tiene como objetivo estructurar los contenidos de forma tal que todo esté relacionado y por lo tanto, presente información consistente. Para ello, se requieren de estructuras que puedan ser accesadas por computadoras y contengan reglas de inferencia para un razonamiento automático. Una de estas estructuras es la ontología. Una ontología busca conceptualizar el conocimiento de un dominio específico valiéndose de representaciones. Como primer paso para construir una ontología, se debe obtener una taxonomía. Una taxonomía es una clasificación de entidades de información a manera de jerarquías. Las taxonomías ofrecen diversas ventajas como clasificar de la información, realizar búsquedas de manera más eficaz y navegar entre muchos conceptos, sin embargo, requieren mucho esfuerzo para ser construidas a mano. Para poder construir una taxonomía en base a un grupo de documentos, primero se debe extraer los conceptos más relevantes presentes en dichos textos. Luego, se debe deducir la jerarquía se convertirá en la taxonomía. Para extraer los conceptos más relevantes de un grupo de documentos, el método CFinder ha probado ser muy útil y dar buenos resultados. El objetivo del CFinder es que sea usado para la construcción de ontologías u otro tipo de estructura que requiera una fase de extracción de conceptos clave. No obstante, no se ha integrado con un método que permita estructurar la jerarquía entre los conceptos extraídos. En este proyecto se busca complementar el método CFinder con una fase para la deducción de jerarquías entre los conceptos extraídos y la construcción de una taxonomía, de esta manera, se está brindando una nueva opción para la construcción automática de taxonomías. Para ello, se realiza la implementación de una herramienta para la construcción automática de una taxonomía de un dominio que haga uso del método CFinder. El proyecto inicia con la implementación de un módulo que permite la extracción de conceptos clave de un conjunto de documentos usando el método CFinder. Luego, se procede a implementar un módulo que permita extraer una taxonomía usando los conceptos clave extraídos. Finalmente, se realizan las pruebas necesarias para medir la eficacia del método implementado y, con los resultados obtenidos, se concluye que se alcanzó el objetivo principal del proyecto. / Tesis

Ingeniero Civil Eléctrico / El análisis de series de tiempo es de gran importancia ya que la gran mayoría de los datos que se miden cada día son función del tiempo. Su estudio está motivado tanto por el deseo de entender la naturaleza del sistema que se está midiendo, como también predecir su comportamiento futuro. Una técnica de análisis consiste en realizar una cuantificación espacio temporal, es decir, identificar y clasificar las secuencias de datos que presenten una dinámica espacio temporal similar. La red neuronal artificial (RNA) Gas Neuronal Creciente (GNG: Growing Neural Gas) es un algoritmo diseñado para la cuantificación espacial de datos. Este trabajo de título busca extender la cuantificación espacial del algoritmo GNG a una cuantificación espacio temporal en series de tiempo. La extensión se realiza sobre la unidad básica, la neurona, la cual es extendida a un segmento temporal. Se proponen dos extensiones de GNG las cuales son: (i) uso de conexiones temporales en lugar de conexiones espaciales, y (ii) utilización de segmentos en lugar de puntos. Los algoritmos propuestos se llaman GSG (Growing Segment Gas) y MGSG (Merge Growing Neural Gas). Este último introduce en GSG el uso de contextos para la cuantificación espacio temporal. Dada la forma en la que se extendió el algoritmo GNG, los algoritmos propuestos GSG y MGSG, resultan ser una generalización de GNG y MGNG, respectivamente. El desempeño de GSG y MGSG se evalúa utilizando como métrica, el error de cuantificación temporal (TQE) para distintos retardos y se comparan los resultados con los obtenidos con la redes GNG y MGNG. Los resultados obtenidos en MGSG muestran una ventaja estadísticamente significativa en 3 de las 4 series de datos evaluadas, mientras que GSG sólo muestra ventajas sobre GNG en 2 de las 4 series de datos evaluadas. Además se muestran ventajas en términos de la visualización que otorgan la redes resultantes de GSG y MGSG. Considerando el buen desempeño de MGSG se propone como trabajo futuro construir algoritmos predictivos basados en MGSG para el estudio de series de tiempo. Por último los algoritmos propuestos son una primera aproximación a la cuantificación espacio temporal utilizando segmentos, por esta razón se exponen posibles mejoras de los algoritmos propuestos para trabajos futuros.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação. / Made available in DSpace on 2012-10-21T04:14:35Z (GMT). No. of bitstreams: 1 192457.pdf: 582899 bytes, checksum: cbbb7374270531fb3d2f0cb9f4310116 (MD5) / A gerência de redes de computadores é uma atividade computacional que precisa ser implementada de maneira a obter os dados ou enviar ações ao ambiente gerenciado da melhor forma possível. Dentre as formas de implementação da coleta dos dados destacamos os agentes móveis, que possuem características interessantes: podem variar a quantidade de agentes envolvidos ou o momento de entrega dos dados ao gerente. Essa variação abre um ponto de decisão: qual a melhor configuração de agentes móveis, dada uma gerência? Esse trabalho inicia investigando as variações das configurações de agentes móveis, obtendo métricas que podem ser classificadas e avaliadas, dando subsídios para a decisão de qual a melhor configuração. Por fim, apresenta soluções de decisão baseadas em paradigmas de inteligência computacional, notadamente redes neurais, lógica fuzzy e regras de inferência.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação. / Made available in DSpace on 2012-10-19T17:11:20Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-26T02:07:34Z : No. of bitstreams: 1 190254.pdf: 11156867 bytes, checksum: e104c9093ea96de92fbf409f773de811 (MD5) / Esta pesquisa apresenta um estudo sobre medição de Inteligência de Máquina inspirado na Teoria das Inteligências Múltiplas de Howard Gardner. Após uma análise dessa Teoria, é feita uma comparação das principais características de cada uma das sete inteligências de Gardner com as funcionalidades centrais de uma máquina computacional. Baseando-se nessas comparações são propostos paralelos, representando as inteligências de máquina. A mensuração é feita associada a uma tarefa, através de um Sistema Especialista com inferência Nebulosa. Um questionário analisa, em módulos, as características da tarefa com relação a cada uma das inteligências propostas. Essas informações representam as entradas do Sistema Especialista. O sistema então retorna os valores das inteligências necessários para resolver a tarefa, permitindo ao engenheiro do conhecimento decidir a melhor forma de abordar computacionalmente o problema.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro de Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica / Made available in DSpace on 2012-10-19T20:57:28Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-26T02:28:23Z : No. of bitstreams: 1 183135.pdf: 11455154 bytes, checksum: 78f44a203e8565a27d3d1028c137afb6 (MD5)

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós -Graduação em Computação. / Made available in DSpace on 2012-10-20T03:56:51Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-26T01:52:17Z : No. of bitstreams: 1 181944.pdf: 4890524 bytes, checksum: b9f5bbe1f8ca94583ee7f28323ac6f9e (MD5) / O objetivo principal deste trabalho é explorar as possibilidades de estender as atuais fronteiras dos campos de aplicação dos paradigmas de IA, através de uma cópia mais fiel de inspirações biológicas. Dessa forma, o objetivo global foi dividido em quatro idéias principais: i) Verificar as possíveis soluções oferecidas pela Natureza, ainda não exploradas pela IA, especialmente pelos paradigmas de Computação Evolucionária; ii) Desenvolver um modelo para implementar no AG uma daquelas soluções; iii) Testar este modelo em uma situação prática; iv) Estudar a proposição de uma possível metodologia para mensurar as variações de inteligência entre sistemas de IA Simbólicos, Conexionistas , Evolucionários ou outros. Como conseqüência de uma avaliação geral das metodologias de IA, apontar a necessidade de definições mais precisas, juntamente com a utilidade de uma métrica para sistemas de IA. É mostrada a conveniência de dotar os sistemas de IA com a visão dada pelo Prêmio Nobel de Química, Ilya Prigogine, que indicou formas para analisar os fenômenos evolucionários com a ajuda das leis físicas, como as da termodinâmica. São feitos testes para verificar os resultados práticos da adoção de "métodos mais naturais" na construção de sistemas de IA Evolucionária no tratamento de problema com espaço de soluções finito, vulgarmente conhecido por "quadrado mágico". Foi executada uma segunda implementação para verificar estas idéias, usando AG para evoluir redes neurais com dados extraídos de sintomas de doenças reumáticas. Neste caso, os resultados obtidos mostram que algoritmos evolutivos que sigam mais cuidadosamente os fenômenos da Natureza podem ter sua eficiência melhorada em relação aos que simplesmente adotam os operadores comuns.

Las series de tiempo estudiadas en astronomía, también conocidas como “Curvas de Luz”, contienen información del brillo estelar versus tiempo y se caracterizan por estar irregularmente muestreadas, poseer múltiples espacios sin datos (gaps) y ser ruidosas. El análisis de curvas de luz permite estudiar el comportamiento del objeto estelar en cuestión, detectar eventos de interés, despejar otros parámetros del objeto y realizar tareas de clasificación estelar. En la actualidad son múltiples los catálogos de curvas de luz producidos por sondeos astronómicos alrededor del mundo. La extensión de estas bases de datos sumada a las características ya mencionadas de las curvas de luz, hacen que el análisis de series de tiempo astronómicas sea una tarea difícil y costosa. Es por esto que existe un gran interés por el desarrollo de métodos inteligentes que sean capaces de analizar automáticamente los extensos catálogos de curvas de luz. En el presente trabajo de memoria se propone y prueba una metodología para la detección automática de período orbital en series de tiempo astronómicas, basada en la correntropía y su espectro de potencia. La correntropía es una medida de similitud en un espacio de alta dimensionalidad entre muestras separadas en el tiempo en el espacio de entrada. La correntropía también puede definirse como una generalización de la auto-correlación ya que es capaz de detectar no linealidades y no está restringida a procesos Gaussianos. El método propuesto combina la densidad espectral de la correntropía con la técnica de folding, la técnica del ranurado, y otras técnicas convencionales de análisis de señales. La aplicación propuesta en esta memoria de título está enfocada a un aspecto del análisis de curvas de luz, el cual corresponde a la detección de período de estrellas variables periódicas. El método desarrollado se prueba sobre una base de datos de 193 curvas de luz de estrellas binarias eclipsantes obtenidas del proyecto MACHO y cuyo período es conocido. La mejor versión de la implementación desarrollada obtiene un 58% de aciertos (91% si se consideran los múltiplos), superando a la auto-correlación convencional (20% de aciertos) y a una batería de aplicaciones de detección de período en curvas de luz compuesta por Period04, SigSpec y VarTools (todas disponibles en la literatura). Sin embargo, el desempeño del método debe ser mejorado si se desea aplicar en bases de datos de tamaño real. Por lo tanto se propone una serie de modificaciones, entre las que se incluye: Incorporar una etapa de ajuste fino de períodos candidatos; diseñar una métrica de calidad basada en la entropía cuadrática de Renyi; y diseñar una estrategia para escoger los parámetros de los kernel utilizados.

No description available.