Göttingen, University, Diss., 2002.

University, Diss., 2000--Tübingen.

University, Diss., 2000--Dortmund.

Universiẗat, Diss., 2003--Bremen.

En la secuencia de la cadena de valor de la fibra de alpaca,la medición es realizada por observación basada en el conocimiento tradicional. La valorización depende en muchos casos de la experiencia empírica, lo cual dificulta entender la riqueza intrínseca del hato.Dando como consecuencia vellonespoco sostenibles en el tiempo.La contribución principal, pretende comprender el potencial de las alpacas, no sólo por el diámetro de la fibra, sino por sus otras características, estandarizando criteriosa través de los estereotipos. Este trabajo está sustentado sobre publicaciones relacionadas a las características de la fibra en sus diferentes dimensiones, proponiendo una solución que permita asignar un valor característico en los individuos, que resulte equiparable entre su morfología y genética. Diseñando un modelo de redes neuronales artificiales y reglas de asociación, quehizo posible transformar la percepción de los expertos en un valor característico definida por una escala de calificación. Se realizaron diferentes ensayos experimentales en Cusco, Puno y Huancayo. Aplicando la prueba de Friedman, como método de comparación entre tres tratamientos. Se utilizó el estadístico (H0, α<0.05), como parámetro de decisión. Finalmente, el artefactorespondió en forma similar a los otros tratamientos, manteniendo el estándar de la NTP 231.300:2004 y elOFDA-100. Con cierto grado de madurez, este artefacto puede convertirse en referente nacional y ayudar a la toma de decisiones en estrategias de mejoramiento de la especie. -- Palabras clave: Redes Neuronales Artificiales, Reglas de asociación, Fibra Fina, OFDA / -- In the sequence of the value chain the alpaca fiber, the measurement it’s made by observation and supported on classic knowledge. The quality depends in many cases of empirical experience, difficult to understand the herd intrinsic richness. Giving due fleece unsustainable in the time. The main contribution aims understand his alpaca potential. Don’t only for fiber diameter, but for his other characteristics been to standard criteria through of the sterotypes. This job to be supported of publish relational with fiber characteristics in his dimensions different, proposing a solve how allow to assign a characteristic value individuals, resulting comparable between his genetic and morphologic. Designing a model artificial neural network and rules of association, it made possible to transform the perception of the experts on characteristics value defined for a scale of qualify. Were different tests experimental in Cusco, Puno and Huancayo, applying the test of Friedmann, as method of comparison between three treatments. So used the statistical (H0, α<0.05), as parameter of decision. Finally, the artifact responded in form similar from others treatments, keeping the standard NTP 231.300:2004 y el OFDA-100.With true grade of maduraty, this artifact can become in a national framework and to help to making decision in strategies of improvement of the species. -- Keywords: Artificial Neural Network, Rules Association, Fine Fiber, OFDA. / Tesis

Tesis para optar al grado de Magíster en Finanzas

Ingeniera Civil / Actualmente se vive una situación de estrechez hídrica prolongada en la mayor parte del territorio nacional, donde se observa que desde la VI región hacia el norte, la demanda de agua dulce supera la oferta. Una de las principales fuentes de agua dulce la constituyen aquellas provenientes del derretimiento de nieves, por lo cual el modelar su derretimiento a escalas temporales finas, es decir, escalas temporales menores a la mensual, con el objeto de gestionar y utilizar el recurso hídrico de forma óptima, resulta de gran importancia. La presente memoria consiste en la elaboración de distintas redes neuronales artificiales con el objetivo de pronosticar caudales de deshielo a tres escalas temporales, las cuales son la escala diaria, semanal y quincenal, para la cuenca Mapocho en los Almendros. Adicionalmente, se evalúan y analizan los efectos de incluir datos hidrometeorológicos provenientes de la estación en Valle Nevado, tales como humedad del aire, temperatura y precipitación, en las redes neuronales. La metodología consta de cinco partes, en primera instancia se estudian las redes neuronales artificiales (RNA) mediante revisión bibliográfica, luego se realiza un análisis teórico del fenómeno en estudio con el objetivo de definir las variables significativas y poder formular las RNA para el pronóstico de caudales de deshielo a los distintos niveles temporales y seleccionar la RNA óptima para cada nivel. Finalmente se realiza la inclusión de los datos hidrometeorológicos de la estación Valle Nevado en los modelos RNA, concluyendo con un análisis de resultados, en el cual se simulan las RNA óptimas para la temporada de deshielo 2013 2014. Los resultados indican que se obtuvieron RNA con coeficientes de correlación de Pearson R2 mayores a 0.99 en el caso de las escalas temporales diaria y quincenal y mayores a 0.98 en el caso de la escala temporal semanal. Al simular las RNA óptimas para la temporada de deshielo 2013-2014, se obtuvieron caudales con errores absolutos promedio de 0.18 m3/s (5.6 %) para la escala temporal diaria, 0.39 m3/s (11.6%) para la escala temporal semanal y 0.38 m3/s (11.5%) para la escala temporal quincenal. Respecto a los parámetros de entrada, se concluye que aquellos más significativos, son los relacionados al caudal y la temperatura máxima, lo cual se observa tanto para las RNAs entrenadas con datos de la estación Mapocho en Los Almendros como de la estación Valle Nevado. Por último, debido a la escasa disponibilidad de datos y a la baja calidad de los mismos, los resultados obtenidos a partir de las RNAs entrenadas con datos de la estación Valle Nevado, no permiten decir con certeza si la inclusión de datos provenientes de una estación ubicada a 3.000 m.s.n.m. implican una mejora en los pronósticos de caudales de deshielo.

Memoria para optar al título de Ingeniero Civil / En el contexto socio económico actual de Chile la mayoría de los sistemas tradicionales de control de crecidas son reactivos y resulta imprescindible, en respuesta a un nivel recurrente sin prevenciones claras, ofrecer soluciones a los problemas asociados a fenómenos de crecidas e inundaciones, cambiando el modelo de acción defensiva por un modelo de acción proactiva. En los últimos años se han realizado estudios de pronóstico de crecidas más adecuados a la realidad dentro del campo de las redes neuronales artificiales, mayormente prealimentadas. Continuando los estudios, en esta memoria se utilizan redes neuronales de tipo recurrente, redes dinámicas que liberan el supuesto de que los parámetros característicos de la cuenca sean estacionarios, capaces de modelar la alta NO linealidad del fenómeno y almacenar la historia relevante de la crecida. Se aplican específicamente para el pronóstico en la parte alta de la cuenca del río Mapocho, perteneciente a la hoya hidrográfica del río Maipo. Las variables relevantes son definidas a partir de registros de caudales, precipitaciones y temperaturas en tiempo horario. Posteriormente, se elige como red neuronal óptima aquella que entrega el menor error en el caudal pronosticado, cuya arquitectura, configuración y tipo de entrenamiento constituye un modelo de pronóstico. Se concluye la eficiencia y menor complejidad de considerar una crecida con amplias componentes de frecuencia como set de datos de entrenamiento, en comparación a un set de crecidas “pegadas”, independiente del tipo de red neuronal utilizada y marcadamente en el caso de una red neuronal recurrente. Los pronósticos de caudal obtenidos mediante redes neuronales recurrentes de Elman son de buena calidad tanto en valor como en el tiempo de ocurrencia. Se obtienen errores menores que para otros modelos de pronóstico como son las redes recurrentes de Hopfield, las redes prealimentadas y los modelos paramétricos. En el caso de crecidas pluviales, en la cuenca del Estero Arrayán en La Montosa se obtienen pronósticos certeros hasta con 12 horas de anticipación y en la cuenca del río Mapocho en Los Almendros se recomienda realizar pronósticos sólo hasta con 6 horas de anticipación. En el caso de crecidas de deshielo, en ambas cuencas es posible obtener pronósticos certeros con más de 24 horas de anticipación.

Ulm, Univ., Diss., 2009.

We consider autoregressive neural network (ARNN) processes driven by additive noise. Sufficient conditions on the network weights (parameters) are derived for the ergodicity and stationarity of the process. It is shown that essentially the linear part of the ARNN process determines whether the overall process is stationary. A generalization to the case of integrated ARNN processes is given. Least squares training (estimation) of the stationary models and testing for non-stationarity are discussed. The estimators are shown to be consistent and expressions on the limiting distributions are given. / Series: Working Papers SFB "Adaptive Information Systems and Modelling in Economics and Management Science"