Trabajos anteriores de traducción automática con modelos conexionistas han obtenido resultados interesantes pero han resultado muy problemáticos de adaptar a tareas reales. En este trabajo se parte del modelo RECONTRA (una red de Elman con ventana de entrada) y se abordan tareas de traducción más complejas, se explora cómo crear codificaciones automáticamente, se desarrollan nuevos modelos de traducción y se combinan distintas redes en un único sistema. Se han desarrollado varios modelos conexionista basados en Perceptrones Multicapa con ventanas de salida, por lo que tiene en cuenta el contexto de aparición de las palabras a representar. Además de diversos métodos de entrenamiento, se aplica poda para determinar el tamaño de las codificaciones. Se han creado variantes del modelo RECONTRA: con dos capas, en el que la primera capa oculta desarrolla representaciones de las palabras de la entrada; y con ventana de salida, en las que el traductor debe traducir un fragmento de la frase, no una única palabra. También se han explorado formas de combinar redes en único sistema de traducción, basándose en votación y la distancia entre la palabra producida por la red (o frase) y la palabra (o frase) más cercana.

La presente Tesis de Investigación Doctoral hace un análisis sistemático, sistémico y armónico del registro del potencial evocado hasta llegar a la codificación de esta señal bioeléctrica para su uso como registro individual específico mediante código de barras. El código nervioso de una señal sensorial, cuyos detalles falta descifrar, está conformado por un conjunto de señales eléctricas que procesan las redes neurales del sistema sensorial, los núcleos subcorticales y la corteza cerebral, el cual es posible analizar y decodificar. Las señales nerviosas sensoriales representan por sí solas el medio exterior, pero sus procesos esenciales son decodificados en la corteza cerebral, donde se activa la información psíquica correspondiente, el decodificar las señales neuronales y su significado. Estas señales se procesan en redes simétricas interconectadas en tiempo real, es decir, existen diferentes formas simétricas de señales en cualquier estructura del cerebro. Tomando al cerebro humano como sistema de emisión de señales bioelectromagnéticas, se crea una interfaz con el potencial evocado, lo que permite analizar las distintas latencias y amplitudes en forma de señales neuronales bioelectromágneticas, expresadas en minivoltios y hertzios, dentro de una longitud de onda que evoca el cerebro, utilizando modelos matemáticos como las series de Fourier, wavelets y fractales. En esta interfaz se introduce el código de barras que es un código basado en la representación mediante un conjunto de líneas paralelas verticales de distinto grosor y espaciado, que en su conjunto contienen una determinada información. De este modo, el código de barras permite reconocer rápidamente a una persona, en tanto permite generar un registro individual específico de esta persona. Con esta finalidad, se obtuvieron pruebas médicas del potencial evocado y se decodificaron mediante la trasformada de Fourier, lo que permitió la descomposición de la señal en componentes de frecuencias diferentes, g, que corresponde al espectro de frecuencias de la señal f. Luego, estas fueron procesadas mediante los modelos fractales, lográndose obtener una trasformada que se expresa en un código de barras personalizado. Es decir, el código nervioso es descifrado mediante la matematización con el uso de las series de Fourier y el procesamiento de la dimensión fractal y de su transformada, hacia un código de barras con múltiples aplicaciones en todas las ciencias. / The following Ph.D. thesis research presents a systematic, systemic and harmonic analysis from the evoked potential record until the encoding of this bioelectric signal; in order to use it as a specific individual record through barcode. The nervous code of a sensorial signal, which details need to be decoded, is formed by a group of electrical signal that processes the neural networks of the sensorial system, the sub cortical nuclei and the cerebral cortex. It is possible to analyze and decode. The sensorial nervous signals represent themselves the external mean, but their essential process is decoded at the cerebral cortex level, where it actives the respective psychic information. To decode the neural signals and their meaning. These signals are processed in real-time interconnected symmetrical networks, which mean there are different shapes of symmetrical signals within any brain structure. Taking the human brain as a bioelectromagnetic signal emission system, an interface is created with the evoked potential, which allows analyzing the different latencies and amplitudes through bioelectromagnetic neural signals, expressed on mini volts and hertz, within a wavelength that evokes the brain using mathematical models such as the Fourier series, wavelets and fractals. In this interface, a barcode is produced, which is a code based on the representation of a group of vertical parallel lines with different widths and spacings, storing specific information. In this manner, the barcode allows to recognize a person quickly, as it allows generating a specific individual record of this person. In this way, clinical tests of the evoked potential were obtained, they were decoded by the Fourier Transform, which allowed decomposing a signal into components of different frequency, g, represents the frequency spectrum of the signal f. Then, it was processed through fractal models obtaining a transform expressed by a personal barcode. In other words, the nervous code is decoded by mathematical means, using the Fourier series and the process fractal dimension and its transform, into a barcode with multiple applications to several sciences.

No description available.

No description available.

Tesis para optar al grado de Magíster en Finanzas / No cabe duda de que el mayor reto para administradores e investigadores en el campo de las finanzas, es la presencia de incertidumbre acerca de los acontecimientos futuros, y de cómo estos pueden afectar el valor de un determinado portafolio de inversión. De ahí, el estudio, análisis e implementación, a lo largo de los años, de diversas teorías y técnicas de predicción que permitieran disminuir la incertidumbre asociada a la toma de dediciones financieras, y su posterior efecto sobre un portafolio. En este sentido, recordadas son la teoría moderna de carteras (MPT) de Harry Markowitz, la teoría de los mercados eficientes y el CAPM planteada por Fama (1970) y Sharpe (1964), así como los modelos Multifactor de Fama-French (1992), entre otros. Sin embargo, la mayoría de estas teorías y técnicas se basan en la linealidad de las relaciones y en supuestos específicos acerca de los retornos de los activos estudiados. Considerando lo anterior, autores como los hermanos Parisi han aportado a la literatura financiera, a través del uso de sistemas predictivos no paramétricos, tales como redes neuronales, lógica borrosa y algoritmos genéticos para proyectar variables financieras y conformar portafolios de inversión. Dichas técnicas no basan sus capacidades predictivas en la utilización de supuestos específicos acerca de los retornos de los activos financieros, mostrando que es posible obtener altas capacidades predictivas, estadísticamente significativas y económicamente rentables, sin depender de dichos supuestos. No obstante lo anterior, destaca el hecho de que la mayoría de estos estudios han sido aplicados a mercados de acciones, tasas de interés, monedas y metales preciosos, dejando al mercado de metales base, y en lo específico al cobre, en un segundo plano. Lo anterior resulta extraño considerando que portafolios compuestos exclusivamente por este tipo de metales, han superado en rentabilidad a portafolios de renta fija y variable, siendo lo suficientemente rentables como para proteger a los inversionistas de la inflación. Lo anterior es claramente apreciable en la rentabilidad obtenida, en los años 2003 y 2004, por el cobre, aluminio y cinc en la Bolsa de Metales de Londres. De esta forma, y con el objetivo de realizar un aporte, esta investigación analiza la capacidad de los modelos de redes neuronales para predecir el signo de las variaciones semanales del precio del cobre en la Bolsa de Metales de Londres, comparado sus resultados con la capacidad predictiva de distintos modelos utilizados en el mundo de las finanzas. Lo anterior, entendiendo que la predicción de la dirección del movimiento del precio es relevante para desarrollar estrategias de transacción efectivas, las cuales pueden arrojar mejores resultados que aquellas basadas en la proyección del valor de la variable observada (Leung, Daouk & Chen, 2000). En el mismo orden de ideas, esta investigación se centrará en el empleo de redes neuronales multicapas dinámicas, con aprendizaje supervisado, así como alguna de sus variantes (Redes Ward). Se utilizarán estos modelos de redes ya que actúan como funciones mapeadoras universales, desempeñándose muy bien con las series de tiempo. Adicionalmente, un hecho importante en esta investigación, es que la aplicación de redes neuronales dinámicas, a través del uso de las técnicas “Rolling” y “Recursivo”, permiten encontrar relaciones cambiantes entre las variables a lo largo del tiempo, es decir, esto permite que los modelos sean alimentados semana a semana con la última información disponible, adaptando sus parámetros a las características más recientes de la muestra, y por lo tanto del mercado. En particular, el funcionamiento “Recursivo” agrega, a través de un algoritmo iterativo, nueva información a la ya estudiada por la red. Asimismo, el funcionamiento “Rolling” trata de capturar el hecho de que los agentes, al formar sus expectativas, no utilizan la totalidad la información histórica, sino que desechan la más antigua a medida que ésta se va haciendo obsoleta, agregando la información más reciente a su conjunto de información relevante para tomar decisiones. En lo especifico, las conclusiones del estudio apuntan a que, efectivamente, se pueden lograr capacidades predictivas estadísticamente significativas y económicamente rentables para el precio del cobre, a través del uso de Redes Neuronales Dinámicas, logrando un 66,7% de acierto en la predicción del signo de la variación semanal del precio, para el período comprendido entre enero de 2003 y diciembre de 2004. Esto último implicó que, para el mejor modelo neuronal analizado, se obtuviera una rentabilidad de un 138,13% durante el período, superando ampliamente a otros modelos utilizados en finanzas, como los modelos ARIMAX, Análisis Técnico y osciladores. Finalmente, el resto de la presente investigación se estructura como sigue: en el capítulo dos se presentan los objetivos y metodología utilizada en este estudio; en el capítulo tres se presenta una breve descripción del mercado del cobre, poniendo énfasis en su estructura, participantes, proceso de formación de precios y comercialización; el capítulo cuatro desarrolla el marco teórico de la investigación, profundizando los principales aspectos que envuelven a las redes neuronales; en el capitulo cinco se presenta el estudio empírico realizado, para finalmente en el capitulo seis presentar las principales conclusiones y líneas futuras de acción.

Este trabajo persigue evaluar la rentabilidad que habría obtenido un inversionista que hubiese seguido las recomendaciones de Redes Neuronales Artificiales para la conformación semanal de sus carteras de bonos durante casi 245 semanas. A la vez, se busca predecir la rentabilidad de un inversionista en periodos cortos de tiempo, prediciendo los cambios diarios, de las variaciones porcentuales de las variables de los distintos modelos. Ambos casos fueron comparados con modelos ingenuos de Buy & Hold, para los mismos intervalos. En este trabajo se encontró que la red Ward tenía satisfactoria capacidad predictiva para el signo que seguirá el cambio del precio de un bono. Se encontró que para periodos cortos de tiempo, lapsos de un año con variables diarias, todos los factores son determinantes al momento de la predicción (el monto transado, la tasa interbancaria, el Benchmarck rezagado). Mientras que para los promedios semanales, dentro de un lapso de 4 años, se encontró que el monto transado no era una variable significativa, por lo que se intuye que su efecto en la predicción se basa exclusivamente en las transacciones diarias, debido a que está sujeto a una mayor volatilidad. Finalmente se confirma que el Benchmark UF‐5 es altamente autoregresivo, y sólo para periodos cortos de tiempo, variables como el monto transado y la tasa interbancaria, reflejan un aporte significativo para la predicción del Benchmark.

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.

Este trabajo persigue evaluar la rentabilidad que habría obtenido un inversionista que hubiese seguido las recomendaciones de Redes Neuronales Artificiales para la conformación semanal de sus carteras durante casi 4 años. Lo que se busca es ver no sólo si la proyección de las RNA constituyen una mejor predicción del retorno de las acciones que el promedio histórico de estos, si no que además busca ver si al usar una metodología Rolling para las predicciones se puede lograr un mejor desempeño de las RNA y por ende una mayor rentabilidad de la conformación de carteras. Para esto se usa una red Ward que se vuelve a entrenar con los nuevos datos cada vez que se quiere proyectar una nueva semana (Método Rolling). En este estudio se usaron datos de 29 de las 30 acciones del Dow Jones Industrial Average para el período comprendido entre el 4 de febrero de 1994 y el 10 de septiembre del 2004. Como Benchmark para el método propuesto se usó la metodología tradicional de conformación de carteras tomando el coeficiente Beta de correlación con el mercado como medida del riesgo y el promedio de los retornos históricos como medida del retorno esperado, este método se denominará como portfolios por Betas. En este trabajo se encontró que la red Ward tenía excelente capacidad predictiva para el signo que seguirá el cambio del precio de una acción. También se mostró que cuando se permite venta corta la estrategia por RNA obtiene mayor rentabilidad acumulada en promedio que la estrategia por Betas. En cambio, cuando no se permite la venta corta los portfolios por Betas superan a los de RNA en este mismo indicador

No autorizado por el autor para ser publicada a texto completo / El objetivo de esta memoria de título es la integración de un cromatógrafo rápido de gases que mide los aromas de vinos con un sistema diseñado para clasificarlos según las cepas Cabernet Sauvignon, Merlot y Carménère. El sistema integrado está compuesto por una nariz electrónica (cromatógrafo rápido de gases) que genera una señal con las características del aroma del vino y que interactúa con dos programas computacionales; el primero, de tipo propietario para controlar la nariz electrónica y el segundo, desarrollado en el Laboratorio de Sistemas de Instrumentación que clasifica vinos chilenos. En el desarrollo de la integración se diseña un nuevo clasificador que permite distinguir a aquellos líquidos que tienen compuestos volátiles orgánicos (CVO) que no son vinos. El clasificador es implementado con Máquinas de Soporte Vectorial Una-Clase alcanzando un porcentaje de clasificaciones correctas de 99,42%. Cuando una muestra es presentada a la nariz electrónica, este clasificador verifica si es vino. Si la muestra es vino, entonces es pasado al clasificador diseñado previamente el cual fue mejorado, alcanzando un 93.44% de clasificaciones correctas. El resultado es el desarrollo del software AdiVINO que entrega una interfaz amigable con el usuario. En este software se implementaron además funcionalidades para simplificar la operatoria que el usuario realiza con el sistema en la obtención de datos y en la clasificación de las muestras. Otra característica de este programa, es la reducción de los tiempos de procesamiento de los datos y su representación gráfica, alcanzando tiempos inferiores al segundo en la clasificación y 17 segundos para la representación gráfica. En conclusión, los objetivos de esta memoria fueron cumplidos completamente al desarrollar un sistema portátil permitiendo la movilidad del sistema a los lugares de producción de vinos para la realización de pruebas in-situ.

Para facilitar el acceso de las personas no-videntes al contenido de un texto se han desarrollado diversos sistemas, tanto mecánicos como electrónicos. De todos ellos, los lectores computarizados de textos han demostrado presentar mayores ventajas en cuanto a su facilidad de uso, cobertura, costo y calidad. Además, permiten el acceso directo a textos de publicación periódica, como diarios o páginas web. Los de mejor calidad de síntesis descomponen el problema de generación de voz en etapas sucesivas para resolver problemas como: acentuación, conversión de texto a fonemas, puntuación,incorporación de entonación, y síntesis de voz. En particular, para las etapas de acentuación y conversión de texto a fonemas, se han utilizado varias metodologías como: redes neuronales, reglas por defecto, pronunciación por analogía y análisis morfológico. En esta memoria se desarrollaron dos métodos alternativos para la conversión de texto a fonemas: redes neuronales y reglas por defecto. Existe un sistema llamado NETtalk en el que se desarrolló un método de conversión de texto a fonemas para el idioma inglés, que utiliza redes neuronales de tipo perceptrón demúltiples capas. En este trabajo de título se realizó una adaptación de NETtalk para conversión de texto a fonemas más acentuación en el español hablado en Chile. Se usaron tres arquitecturas de red: traducción a fonemas, traducción más acentuación, y sólo acentuación. Se elaboraron conjuntos para entrenamiento, validación y prueba, utilizando para ello criterios basados en reglas fonéticas y ortográficas. El desempeño de la red que traduce texto a fonemas y acentúa, medido en el conjunto de prueba, fue 100% en traducción y 95,8% en acentuación. Se detectaron dos causas de error: conjunto de entrenamiento poco diverso y segmentos de palabras que se escriben igual pero tienen diferente acentuación. Para mejorar el desempeño de las redes se propone incorporar al conjunto de entrenamiento palabras con casos no contemplados y separar la traducción y la acentuación en redes especializadas. Se detectó empíricamente que las últimas 6 letras definen la vocal acentuada de cualquier palabra. Para la acentuación se propone usar una red que reciba esas 6 letras y codifique la posición del acento en la capa de salida. Para la traducción a fonemas, se propone usar una red que reciba 3 letras, que es la información necesaria para detectar el fonema mediante reglas. Alternativamente se desarrolló un método de conversión de texto a fonemas del español chileno más acentuación utilizando reglas fonéticas y ortográficas. El desempeño obtenido fue 100% en lostresconjuntosdepalabras,mejor que lo obtenido con redes neuronales. Se midió el tiempo requerido para traducir el conjunto de entrenamiento de 1491 palabras a fonemas más acentuación mediante reglas, en un computador Pentium II de 350MHz con 288 MB de RAM, y fue 0,11 segundos, mientras que la red neuronal demora 620 veces ese tiempo. Se desarrolló una aplicación en C como apoyo a la lectura de no-videntes, controlada íntegramente a través del teclado, llamada Asistente de Lectura, que convierte texto a fonemas con acentuación mediante reglas y redes neuronales. Para realizar síntesis de voz se utilizó un paquete de desarrollo de software para Windows 3.1 de Creative Labs. La aplicación permite abrir y traducir archivos de texto a fonemas, controlar la reproducción del texto y las características de la voz sintetizada. Al evaluar la calidad de síntesis con 10 usuarios se concluyó que la voz de español chileno presenta alta inteligibilidad pero es deficiente en naturalidad. Por ello se recomienda crear una nueva aplicación, utilizando las herramientas y estándares gratuitos para el diseño de conversores de texto a voz, y realizar un estudio detallado de las características fonéticas y prosódicas del español chileno para elaborar una base de datos de voz de buena calidad.