1,720,986 research outputs found
Manejo de escenarios a la hora de calcular el capital de riesgo operacional, aplicando inteligencia borrosa.
Get PDF56 páginasEl riesgo operacional es uno de los factores empresariales que es más se está evaluando en los últimos tiempos, en parte gracias al auge de las firmas aseguradoras que asumen el riesgo ajeno a través de sus pólizas y también con el fin de evadirlo, disminuirlo o aceptarlo.
Aunque los métodos para medir el riesgo operacional se establecieron hace menos de 20 años con Basilea II, ya es evidente que hay ciertos problemas al calcular el capital por riesgo operacional con estos. Uno de los problemas principales se encuentra a la hora de integrar los escenarios empleando el método AMA, para el cálculo del capital por riego operacional.
La razón de esta problemática, radica en el tipo de dato que son los escenarios, pues ellos se caracterizan por su incertidumbre tanto en el costo que le pueden generar a la empresa, como en el periodo de tiempo en que puedan suceder. Igualmente, la cantidad de estos datos es mínima, ya que provienen de la opinión de expertos y no de una recolección histórica.
Por esta razón estudiarlos con métodos que son idóneos para datos que siguen determinado orden, no es lo ideal y puede generar como resultado requerimientos de capital erróneos por riesgo operacional.
En el presente trabajo de grado, se aplica la lógica difusa para el estudio de los escenarios, con el fin de integrarlos de la manera adecuada a los requerimientos de capital por riesgo operacional.
Aunque los requerimientos de capital que se obtienen son 4 veces mayor a los que se originan al integrar los escenarios con el método tradicional, la realidad ha demostrado que los métodos originalmente empleados por Basilea II, no fueron lo suficientemente acertados al calcular el capital por riesgo operacional, razón por la cual Basilea III invita a utilizar un nuevo método con el cual el capital por riesgo operacional es mayor. Por lo cual los resultados de este proyecto podrían ser adecuados.PregradoIngeniero(a) de Sistemas y Computació
Software para reconocimiento automático de acordes en canciones
No full text30 páginasRESUMEN: En este trabajose plantea un modelo de Machine Learning para extraer informaciónmusicológica contenidaen los acordes de obrasmusicalesprocesadas. Posteriormente, se realiza la clasificación de esta información en 25 clases: 12 acordes mayores, 12 acordes menores y acorde no presente. El modelo propuesto está compuesto por capas de procesamiento Dense y Dropout, lo cual facilita una mayor velocidad de procesamiento.Para evaluar el desempeño del modelo, se utiliza como indicador la precisión, la cual es función de los valores positivos verdaderos y falsos positivos. Se usa como metodología de evaluaciónla validación cruzada de k-iteraciones.Los resultados obtenidos en esta evaluación muestran una precisión del 90.36% con un margen de error del 3.255%.Estos resultados se consideran aceptables dentro de la tarea de reconocimiento de acordes mayores –menores (MinMaj), teniendo en cuenta su velocidad de procesamiento y su ventana de tiempo a evaluarconstante.Además de esto, se implementa una aplicación web con nombre de Korder, que permite a sus usuarios clasificar diferentes canciones en formato mp3,obtener la información de sus acordes, y guardarla en la base dedatos creada para contar con una referencia futura sobre la información procesada y encontrada.PregradoIngeniero(a) de Sistemas y Computació
Aplicación de algoritmos genéticos para la generación óptima de horarios académicos en la Universidad EIA.
No full text42 páginasRESUMEN: La elaboración de horarios académicos en la Universidad EIA enfrenta desafíos como la gestión eficiente de recursos, la satisfacción de preferencias individuales y la adaptación a cambios en las restricciones. Los métodos tradicionales, basados en la intervención humana, son propensos a errores y no siempre se optimizan logrando satisfacción de los involucrados.
Este proyecto busca desarrollar un sistema basado en inteligencia artificial, utilizando algoritmos genéticos, para optimizar la generación de horarios académicos en la Universidad EIA con todas sus consideraciones. Este enfoque tiene el potencial de superar las limitaciones de los métodos tradicionales, mejorando la eficiencia de los espacios, el bienestar de estudiantes y profesores, y la calidad de la gestión académica.
En primer lugar, se llevarán a cabo entrevistas con los encargados de diseñar los horarios en el área de sistemas para contextualizar el cómo se hace, que información se tiene y que observaciones se tienen en cuenta, se continua el diseño de una base de datos que almacene información esencial sobre cursos, profesores, aulas y horarios disponibles. Con lo mencionado se construye un modelo matemático que se diseñará para representar el problema de optimización de horarios como una cuestión combinatoria, considerando variables como la disponibilidad de recursos, las consideraciones espaciales de la Universidad EIA y las restricciones curriculares. La implementación del algoritmo genético se encargará de generar soluciones factibles y eficientes a través de operadores de selección, cruce y mutación, explorando así el espacio de soluciones para encontrar posibles horarios óptimos. La evaluación y validación de los horarios generados se realizarán comparándolos con los utilizados actualmente por la universidad, ajustando y corrigiendo según sea necesario para garantizar su calidad y adaptación a las necesidades institucionales. Finalmente, se desarrollará una interfaz de usuario que facilite la gestión y visualización de los horarios.ABSTRACT:The creation of academic schedules at Universidad EIA presents challenges such as efficient resource management, meeting individual preferences, and adapting to changing restrictions. Traditional methods, relying on human intervention, are often prone to errors and limited in their ability to fully satisfy the needs of all stakeholders.
This project aims to develop an AI-based scheduling system that uses genetic algorithms to optimize the generation of academic schedules at Universidad EIA. Through interviews with the scheduling management team, relevant information on current processes will be gathered, enabling the design of a database to store essential information on courses, professors, classrooms, and available schedules. Subsequently, a mathematical optimization model will be constructed to represent scheduling as a combinatorial problem, integrating variables such as resource availability, spatial considerations, and curricular restrictions, thus ensuring feasible solutions tailored to academic needs.
The implementation of the genetic algorithm will enable exploration and optimization of the solution space through selection, crossover, and mutation operators, generating feasible and efficient schedules. Finally, a user interface will facilitate the visualization and management of the generated schedules, improving resource efficiency, student and teacher satisfaction, and the quality of academic management.PregradoIngeniero(a) de Sistemas y Computació
Optimización de algoritmos de agrupamiento aplicados a metagenómica usando big data
Get PDF35 páginasEn el campo de la metagenómica, está incrementando el uso de la metagenómica balística como proceso de extracción de cadenas de aminoácidos de microorganismos previamente no identificados, basándose en muestras ambientales de diversas fuentes. Estas cadenas de aminoácidos, debido al proceso de extracción, son separadas en subcadenas de tamaños variables que luego buscan ser comparadas e identificadas con una base de datos para no sólo determinar qué especies ya reconocidas habitan en las muestras tomadas, sino también qué porciones de estas secuencias de aminoácidos no han sido previamente categorizadas.
En búsqueda de que este método de identificación produzca mayores resultados, se usan algoritmos de agrupamiento como facilitadores en el proceso de identificación de las diferentes especies. Estos algoritmos agrupan secuencias de aminoácidos que tienen cierto grado de similitud, produciendo clústeres de subcadenas, para que luego estos puedan ser comparados en grupo y ser más rápidamente analizadas.
Con el objetivo de mejorar los tiempos de ejecución, se usaron plataformas como Apache Spark y TensorFlow, que dentro de sus librerías incluyen implementaciones nativas de estos algoritmos de agrupamiento. A partir de estas librerías se implementó el K-means iterativo que fue usado como punto de comparación.
En los resultados se puede apreciar que el uso de K-means Iterativo mejora la pureza comparado con la alternativa de una sola iteración, para el caso de uso de una base de metagenómica usando los 4mer como rasgos, y usando el coseno como distancia. Debido a este último punto, y a que la implementación de Apache Spark de K-means no tiene la distancia coseno, se utilizó TensorFlow principalmente para la toma de resultados. El uso de TensorFlow muestra una mejora en general de tiempos de ejecución, siendo mucho más significativa en el caso de K-means Iterativo, teniendo como desventaja que requiere mucho más poder de procesamiento.PregradoIngeniero(a) de Sistemas y Computació
Exploración y comparación de métodos de inteligencia artificial para la clasificación taxonómica en análisis metagenómicos
Get PDF55 páginasLa mayor diversidad genética está presente en las comunidades de microorganismos, el conocer estas especies, sus funciones y diferencias constituye un papel importante para solucionar problemas diversas áreas, como la salud, la alimentación y el medio ambiente. El método tradicional para realizar este tipo de investigaciones consiste en aislar el microorganismo de una muestra del entorno y así estudiar su constitución genética, sin embargo menos del 1% de los microorganismos pueden ser aislados y cultivados en los laboratorios. Gracias a las técnicas de secuenciación modernas cada vez más accesibles surge la metagenómica proponiendo una alternativa para poder estudiar el otro 99%. La metagenómica se encarga de estudiar la secuenciación de una muestra del entorno para descubrir a qué organismos pertenecen los fragmentos secuenciados. Sin embargo el problema radica en que los procesos necesarios para identificar el tipo de organismos en la muestra demandan mucho tiempo y recursos computacionales.
En este trabajo se utilizan diferentes algoritmos de inteligencia artificial para agrupar los fragmentos de secuencias según su similitud en conjuntos puros, es decir, conjuntos cuyos fragmentos pertenezcan a un solo organismo o a un mismo grupo taxonómico de organismos. Además se propone un nuevo algoritmo que se basa en la aplicación del k-means de manera iterativa perfeccionando los grupos según la distancia entre ello. Se compararon los resultados con métodos de agrupamientos clásicos y se comprobó que con este último método se obtienen grupos más puros. Este resultado ayuda a que los procesos de ensamblado o de comparación serán más eficientes y rápidos, debido a que se tiene como entrada inicial una muestra más condensada y uniforme, disminuyendo el tiempo y los recursos consumidos durante los proyectos metagenómicos, al mismo tiempo que pueden realizarse de una forma más enfocada.PregradoIngeniero(a) de Sistemas y Computació
Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos
No full text65 páginasRESUMEN: Sepsis se define como una disfunción orgánica causada por una respuesta desregulada a una infección por parte del paciente. Es una de las causas de muerte más común en pacientes de unidades de cuidados intensivos en todo el mundo, lo que lo convierte en una problemática de gran importancia. La detección temprana de este síndrome es de gran importancia a la hora tratar a los pacientes efectivamente.
En este trabajo se propone un modelo de inteligencia artificial para la identificación temprana y predicción de sepsis utilizando la base de datos MIMIC y adaptando los resultados a los datos de una institución local de salud. Se realizaron pruebas con múltiples modelos y parámetros de estos. El mejor resultado para la identificación temprana de sepsis fue el resultado de hacer un modelo multiclasificador con diferentes rasgos para los clasificadores, en este caso se usaron un kNN y un XGBoost y utilizar sus resultados como las entradas de una regresión logística. Éste tuvo un AUROC de 0.944. Para predicción de sepsis se propuso un modelo XGBoost capaz de predecir 1, 2 y 3 horas de anticipación con métricas de 0.918, 0.912 y 0.908 respectivamente.ABSTRACT: Sepsis is defined as an organic disfunction due to an unregulated response to an infection. Sepsis is one of the main causes of death in intensive care units (ICU) all around the world, which makes it a very important problem to tackle. Early sepsis detection plays a big role in taking care of patients effectively.
In this work, an artificial intelligence model for the early identification and prediction of sepsis based in the public database MIMIC is proposed. The model is also adapted to the data of a local health institution. Multiple models with different parameters were tested. A model using an ensemble of classifiers with a XGBoost model and a kNN model and using their results in a logistic regression as meta-classifier obtained an AUROC of 0.944 for early sepsis identification. For sepsis prediction a simple XGBoost model was proposed and was able to predict 1, 2 and 3 hours before the sepsis onset with an AUROC of 0.918, 0.912 and 0.908, respectively.PregradoIngeniero(a) de Sistemas y Computació
Caracterización neuro-cognitiva y neuro-funcional en pacientes eutímicos con trastorno bipolar tipo i en tratamiento con carbonato de litio y ácido valproico: estudio de corte transversal
Get PDF76 páginasLas imágenes por resonancia magnética funcional son resultado del desarrollo de nuevas tecnologías no invasivas para el diagnóstico de enfermedades neurodegenerativas, con las cuales se obtienen imágenes en tercera dimensión que al tener en cuenta el tiempo las convierte en cuarta dimensión. Dentro de los trastornos mentales, la bipolaridad es uno de los más comunes y persistentes, con una prevalencia de hasta el 7% de la población mundial. La bipolaridad tipo I, es una enfermedad mental grave debido a su prevalencia en la población, el grado de incapacidad que produce y su difícil diagnóstico. El trastorno ha sido estudiado con estas imágenes cerebrales, sin embargo, los métodos para analizarlas son ineficaces, costosos y complejos, por lo que el objetivo es explorar el uso de métodos paramétricos y no paramétricos para obtener mejores resultados con el fin de entender mejor la enfermedad y los efectos de su tratamiento.
En este trabajo se procesan y analizan imágenes de resonancia magnética funcional para estudiar pacientes con bipolaridad tipo I. Para esto se analizaron 4 grupos de pacientes eutímicos. Tres de los grupos son pacientes que tienen la enfermedad: uno de pacientes que no están tomando medicamentos, otro que están tomando litio y otro que están tomando ácido valproico, y un último grupo de control con pacientes que no presentan la enfermedad. Con los cuatro grupos se realizó el mismo experimento, donde el paciente tenía que memorizar palabras relacionadas y no relacionas, para luego recordarlas, en intervalos de tiempo de 30 segundos de tarea y 30 segundos de descanso. Durante todo este proceso se tomaron imágenes de resonancia magnética. El objetivo del trabajo es determinar las regiones de activación del cerebro, donde se buscan diferencias y semejanzas entre los diferentes grupos del experimento.
El procedimiento de análisis de las imágenes necesita una primera etapa de preprocesamiento de las imágenes donde ser realiza realineamiento, coregistro, normalización y suavizado. Posteriormente se diseña la especificación del modelo donde se representan las condiciones del experimento. Esta especificación del modelo se hace para cada paciente individualmente y para los grupos, con el fin de posteriormente realizar el análisis estadístico entre grupos y encontrar similitudes o diferencias. Existen muchos métodos estadísticos para el análisis de los grupos. Aunque históricamente los más usados fueron métodos paramétricos, en la actualidad se presenta un reto en explorar el uso de métodos no paramétricos con el fin de arrojar resultados más exactos. En este trabajo se realizan las pruebas tanto con métodos paramétrico, como con no paramétricos, para comparar las diferencias en estos métodos.
Los resultados, tanto con pruebas paramétricas, como con las no paramétricas, muestran que hay diferencias significativas entre los 4 grupos. Se puede observar que las activaciones que los diferencias están en diferentes regiones del cerebro, lo cual puede llevar a un futuro estudio neuropsicológico de estas regiones y su asociación con cada grupo.PregradoIngeniero(a) de Sistemas y Computació
DETECCIÓN DE MINADORES EN LOS CULTIVOS DE CRISANTEMOS POR MEDIO DE VISIÓN ARTIFICIAL
No full textEl aumento de los datos y su procesamiento ha potenciado el uso de la inteligencia artificial en el sector de la agricultura. El uso de estos avances tecnológicos, permiten mejorar la predicción y diagnóstico de plagas, lo que causa un incremento en la rentabilidad de los agricultores. Dentro de estas plagas se encuentra el minador, un insecto que deposita sus huevos en las hojas de las plantas perjudicando la masa foliar y facilitando el ingreso de infecciones en la misma, produciendo pérdidas en los cultivos principalmente para los agricultores de los crisantemos. Actualmente los cultivadores para combatir esta plaga realizan monitoreos manuales periódicos, en donde se estima la presencia de minador y se toman decisiones para su control. Sin embargo, estos monitoreos son costosos y lentos para las empresas por lo que su frecuencia no es la ideal.
Se creó un repositorio de imágenes, donde éstas debían de estar seleccionadas y clasificadas. Se realizó un aumento de los datos para ayudar a robustecer el modelo y evitar un poco de ruido por la disposición que pudieran tener las imágenes. Se procedió a extraer características de los datos para luego ser ingresados a los varios modelos de machine learning seleccionados: red neuronal, máquinas de vectores de soporte, KNN. También se probaron diferentes redes profundas como: ResNet50, MobileNet, MobileNet V2, Xception3 y red YOLO. Para esta clasificación, se dividieron los datos en dos conjuntos: entrenamiento y prueba, se ingresaron a los modelos, y por último se compararon los modelos entre sí por medio de la validación cruzada para obtener el mejor clasificador.
Los resultados obtenidos indicaron que el modelo más apropiado para la detección del minador en los crisantemos fue la red YOLO, con este modelo se lograron estadísticas muy buenas en contraste a las demás, debido, en parte, al aumento de datos autónomo y facilidad de implementación.INTRODUCCIÓN 12
1 PRELIMINARES 15
1.1 Planteamiento del problema 15
1.2 Objetivos del proyecto 16
1.2.1 Objetivo General 16
1.2.2 Objetivos Específicos 16
1.3 Marco de referencia 17
1.3.1 Marco teórico 17
1.3.2 Antecedentes 30
2 METODOLOGÍA 34
2.1 Recolección de Imágenes 35
2.2 Selección del área afectada 36
2.3 Aumento de datos 37
2.4 Extracción de características 37
2.5 Implementación del modelo. 37
2.5.1 Configuración entorno DarkNet 38
3 PRESENTACIÓN Y DISCUSIÓN DE RESULTADOS 41
3.1 Análisis de resultados Red Neuronal, KNN y SVM. 41
3.2 Análisis de resultados Redes Profundas 42
3.3 Análisis de resultados Red YOLO 47
4 CONCLUSIONES Y CONSIDERACIONES FINALES 50
REFERENCIAS 51
5 ANEXOS 56PregradoIngeniero(a) de Sistemas y Computació
Prototipo de chatbot orientado a la gestión de citas para el entendendimiento de datos brindados por un usuario
No full text43 páginasRESUMEN: Hoy en día todos debemos interactuar con diferentes chatbots que nos prestan un servicio, sea la consulta de información, la asignación de una cita, respuestas de preguntas recurrentes, entre otras. Sin embargo, muchos de estos programas mantienen las mismas dificultades desde hace ya varios años, además de que en Colombia estos no suelen ser muy completos, debido a esto se realizará un prototipo de chatbot enfocado en la asignación de citas que brinde una mejora al entendimiento del lenguaje humano. Con el fin de lograr esto, se iniciará por una investigación con respecto a los programas que existen actualmente en el mercado, además de una encuesta a diferentes personas sobre su interacción con chatbots. Según la información se hará el correcto análisis, comparación y finalmente diseño y documentación de los requisitos necesarios del proyecto. De la misma manera, se definirá el lenguaje más efectivo para la creación del algoritmo junto con un framework que permita generar una interfaz web básica para interactuar con el bot. Una vez se hayan completado todos estos procesos, se validará el funcionamiento del prototipo y se expondrá a diferentes usuarios para observar su comportamiento. Con todo esto lo que se busca es presentar un prototipo de chatbot que utiliza inteligencia artificial para el entendimiento del lenguaje humano por medio de las intenciones que pueden ser detectadas en el mensaje.ABSTRACT: Nowadays we all have to interact with different chatbots that provide us with a service, whether it is the consultation of information, the assignment of an appointment, answers to recurring questions, among others. However, many of these programs maintain the same difficulties since several years ago, besides that in Colombia these are usually not very complete, because of this a chatbot prot otype focused on the assignment of appointments that provides an improvement to the understanding of human language will be made. In order to achieve this, we will start with an investigation regarding the programs that currently exist in the market, in ad dition to a survey to different people about their interaction with chatbots. According to the information, the correct analysis, comparison and finally design and documentation of the necessary requirements of the project will be made. In the same way, th e most effective language for the creation of the algorithm will be defined along with a framework that allows to generate a basic web interface to interact with the bot. Once all these processes have been completed, the prototype will be validated and exp osed to different users to observe its behavior. With all this, the aim is to present a chatbot prototype that uses artificial intelligence to understand human language by means of the intentions that can be detected in the message.PregradoIngeniero(a) de Sistemas y Computació
Modelo de predicción de sepsis a partir de datos históricos de pacientes en una unidad de cuidados intensivos
No full text88 páginasLa creciente disponibilidad de datos y el rápido desarrollo de métodos de análisis de datos, han hecho posible las recientes aplicaciones exitosas de la Inteligencia Artificial en la salud. El uso de estos avances tecnológicos, permiten ayudar en los diferentes procesos de las instituciones de salud como en la predicción y diagnóstico de enfermedades. Dentro de estas, la sepsis es considerada como una afección con alta tasa de mortalidad especialmente en las unidades de cuidados intensivos. Esta afección, puede llegar a ser muy grave debido a las diferentes maneras de manifestarse, lo que dificulta su diagnóstico. La verificación de algunas variables generales inflamatorias, permiten indicar la letalidad de la infección. Actualmente, lo más común es el uso de indicadores como: SOFA, qSOFA y SAPS-II para predecir la posibilidad de sepsis, ya que ésta está muy ligada a la mortalidad. Aunque, en países desarrollados ya se están usando métodos basados en datos históricos con algoritmos de inteligencia artificial para poder hacer una predicción temprana.
En el presente trabajo se analizaron los datos almacenados en la base de datos libre MIMIC-III, la cual contiene información de pacientes admitidos en la unidad de cuidados intensivos de The Beth Israel Deaconess Medical Center en Boston, Massachusetts. Se usaron una serie de variables clínicas de los pacientes, las cuales se pasaron por unas reglas duras que generan un valor numérico o probabilidad que se relaciona con la severidad del padecimiento. Las variables elegidas, corresponden a las que se utilizan en los indicadores mencionados para poder predecir la existencia o no de sepsis y la mortalidad de los pacientes. Por lo que el objetivo del trabajo es realizar un modelo de predicción de sepsis temprana, utilizando métodos de inteligencia artificial y compararlos con loa diferentes indicadores para el diagnóstico de esta afección.
El procedimiento realizado, se basó en la metodología CRISP-DM, donde se inició con la obtención de los datos, se realizó un análisis de calidad de estos, se procedió a seleccionar las variables de los indicadores mencionados, se realizó una limpieza de estos datos y se obtuvo la vista única, la cual fue utilizada para entrenar clasificadores supervisados seleccionados: árbol de decisiones, KNN, naive bayes, red neuronal y máquinas de vector soporte. Para esta clasificación, se dividieron primero los datos en datos de aprendizaje y validación, se implementaron los modelos, y por último se corroboraron los resultados, eligiendo los mejores modelos y comparando los algoritmos entre sí, por medio de la evaluación de métricas utilizando validación cruzada.
Los resultados indicaron que los modelos de machine learning y deep learning implementados, son capaces de igualar e incluso mejorar las predicciones de los modelos de reglas duras, rompiendo los paradigmas y sirviendo como un apoyo en la toma de decisiones de los profesionales de la salud.PregradoIngeniero(a) de Sistemas y Computació
- …
