Ingeniería
Permanent URI for this communityhttps://repositorio.sibdi.ucr.ac.cr/handle/123456789/79
Browse
4 results
Search Results
Now showing 1 - 4 of 4
Item Evaluación de un modelo de integración de los algoritmos de selección negativa y célula dendrítica aplicado a la detección de apnea(2011) Hess Flores, Federico; Barrantes Sliesarieva, Elena GabrielaLos sistemas immunes artificiales (SIA) constituyen una clase de modelo computacional inspirado por las capacidades de detección de anomalías del sistema inmune humano. En esta investigación se propone y se evalúa un modelo híbrido de SIA basado en dos algoritmos existentes, el algoritmo de selección negativa V-Detector y el algoritmo de célula dendrítica determinístico. Estos algoritmos se inspiran en los componentes adaptativo e inmato del sistema immune natural, respectivainente. A pesar de que se conoce que estos dos componentes están estrechamente ligados en el sistema biológico, hasta la fecha ha habido relativamente poca investigación acerca de la potencial utilidad de reflejar esta integración en los modelos de SIA. A partir del modelo híbrido propuesto. se implementó un prototipo de sistema de detección de anomalías y se evaluó en el dominio de la detección de la apnea obstructiva de sueño, un problema de salud común con severas ramificaciones médicas, sociales y económicas. El análisis de resultados demuestra que el modelo híbrido supera la eficacia en la detección de anomalías con respecto a los dos modelos base. Tanto el modelo híbrido como la estrategia utilizada para evaluar los modelos en el dominio de la detección de apnea son contribuciones significativas de esta investigación.Item Evaluación de la usabilidad y experiencia de usuario de un sistema multiplataforma para la orientación vocacional(2018) Calvo Marín, Daniel; Guerrero Blanco, Luis AlbertoLa decisión de cual carrera profesional elegir sigue siendo difícil, incluso con la disponibilidad de varias pruebas vocacionales para proporcionar claridad en esta elección. La mayo- ría de las pruebas disponibles son monótonas, lo que resulta en un esfuerzo tedioso o aburrido. En este Trabajo Final de Investigación Aplicada, sin embargo, presentamos un enfoque nuevo y diferente para diseñar sistemas de orientación profesional. Utilizamos Google Home como una interfaz basada en voz y Telegram como una interfaz basada en texto para generar una conversación entre los usuarios y un bot para la orientación profesional. La idea es proporcionar una interfaz fácil y amigable con una experiencia de usuario interactiva mientras se recopilan los datos necesarios para proporcionar una guía de orientación profesional. Para evaluar la posible acogida del sistema, utilizamos el escenario de la Escuela de Ciencias de la Computación e Informática de la Universidad de Costa Rica. En este escena- rio, los estudiantes deben decidir entre tres posibles énfasis: Ingeniería de Software, Tecnologías de la Información y Ciencias de la Computación. Se realizó una evaluación de usabilidad y experiencia del usuario del sistema con la participación de 72 estudiantes de primer año.Item Selección de parámetros en máquinas de soporte vectorial para identificación de polaridad(2016) Sanabria Rodríguez, Marco Aurelio; Casasola Murillo, EdgarLa clasificación de texto es una herramienta que permite categorizar la información generada utilizando lenguaje natural, en particular, las redes sociales como facebook o twitter generan gran cantidad de información en tiempo real que puede servir como insumo a una amplia variedad de procesos. Desafortunadamente, convertir la cantidad masiva de información generada por estos medios, aún tiene mucho camino por recorrer. Debido a que esta información es de carácter subjetivo, informal y no estructurada, se recurre a diversas técnicas de inteligencia artificial y Procesamiento del lenguaje natural (NLP) con el fin de identificar y extraer opiniones, y para determinar el valor subjetivo (polaridad positiva o negativa) que carga el texto. Específicamente, para determinar la polaridad de un opinión, se ha recurrido a modelos de clasificación de texto. En particular las máquinas de soporte vectorial (C-SVM) con función de kerifel RBF, gozan popularidad entre los investigadores del área por sus buenos resultados [firmino et al., 2013, Kaya et al., 2012]. Las C-SVM deben ser entrenadas para que aprendan a clasificar textos, lo cuál involucra un proceso de selección de parámetros, el cual posee un impacto significativo en la precisión del modelo. En investigación comparamos, utilizando las métricas de precisión, exhaustividad y valor-F, el uso de valores por defecto de la herramienta LIBSVM contra dos algoritmos de selección automatizada de parámetros: El algoritmo de búsqueda en malla: de amplio uso entre los investigadores [Carrizosa et al., 2014, Devos et al.,, 2009, Li et al., 2010b, Li et al., 2010a, Lin and Liu, 207, Lin et al., 2008, Muan nandi, 2007, Wei-Chih and Yu, 2009], se caracteriza por ser exhaustivo y brindar una alta precisión pero con una cantidad significativa de cálculos que implica un alto consumo de tiempo y recursos computacionales. El algoritmo de lobo gris: creado en 2014 por Mirjalili [Mirjalili, et al., 2014]...Item Construcción de una red neuronal artificial para clasificar cantos de aves: una aplicación de la inteligencia artificial a la biología(2006) Castro Ramírez, Arturo; Marín Raventós, Gabriela; Vargas Morales, Juan JoséEn el presente trabajo se implementaron y probaron tres diferentes modelos de redes neuronales artificiales, orientadas al reconocimiento y a la clasificación de patrones en señales acústicas de cinco especies de aves de Costa Rica. Se le dio particular énfasis al tema de la codificación de los datos, proponiéndose tres métodos basados en la extracción de características para generar vectores que sirvieran como las entradas de las redes neuronales. Se experimentó con diversas arquitecturas de red y estrategias de entrenamiento con el fin de encontrar una o varias redes que pudieran aprender a clasificar cantos de aves en períodos razonables de tiempo y con altos porcentajes de éxito en su respuesta. Se demostró que las estrategias de codificación propuestas permiten reducir de manera importante y sin excesiva perdida de información, el número de valores que describen a una señal bioacústica. Los esquemas de codificación basados en la vectorización de las imágenes o espectrogramas de los cantos mostraron ser mejores descriptores en términos de los resultados de clasificación obtenidos, comparados con aquellos basados en la vectorización de la frecuencia fundamental de los cantos. Redes neuronales artificiales que utilizaron el aprendizaje supervisado alcanzaron porcentajes de éxito que superaron el 90% de éxito cuando se les entrenó y evaluó con el 50% de los datos, mientras que aquellas que utilizan el aprendizaje no supervisado requirieron de la totalidad de los datos para alcanzar porcentajes similares en la clasificación de patrones de entrenamiento. La mejor red lograda fue del tipo perceptrón multicapa (100% de éxito en la clasificación de datos de entrenamiento y 91°/o en la generalización), la cual fue entrenada con el algoritmo clásico de retropropagación y gradiente descendente con momentum, esto a pesar de los mayores tiempos requeridos...