Browsing by Author "Rubiolo, Mariano"

Filter results by typing the first few letters
Now showing 1 - 4 of 4
  • Thumbnail Image
    Item
    Análisis de factibilidad para implementación de software basado en técnicas de resumen automático aplicado a documentos legales
    (2022-09-26) Grosso, Juan Ignacio; Montiel, Facundo; Gutiérrez, María de los Milagros; Rubiolo, Mariano
    Este Proyecto Final de Carrera (PFC) se realiza con el objetivo de poder identificar una posible solución para un problema latente en el ámbito judicial. En este contexto, un fallo es el resultado oficial de una demanda en un tribunal y como tal, forma parte de la jurisprudencia. Dado que éstos suelen ser muy extensos, se utilizan los sumarios como una herramienta que resume la parte más significativa de éstos. Generalmente estos sumarios explicitan la interpretación de la ley que hizo el tribunal que dictó el fallo. Para la generación de los mismos, intervienen sumariantes, es decir personal especialmente entrenado para identificar las partes del fallo queforman el sumario. En este trabajo se presenta un estudio de factibilidad acerca de la posibilidad de aplicar técnicas de resumen automático sobre fallos judiciales y así obtener los correspondientes sumarios. Se presentan diferentes modelos aplicando técnicas extractivas. Se muestran los resultados obtenidos y su análisis correspondiente, de acuerdo a métricas definidas que miden la calidad o grado de aceptación de los resultados.
  • Thumbnail Image
    Item
    Desarrollo de nuevos modelos y algoritmos basados en redes neuronales para tareas de minería de datos
    (2014-05) Rubiolo, Mariano; Stegmayer, Georgina
    En esta Tesis Doctoral se propone estudiar y desarrollar modelos neuronales para diversas tareas de clasificación dentro de la minería de datos. En primer lugar, se propone el modelo Volterra-NN para comprimir un clasificador neuronal, manteniendo altas tasas de desempeño. Se extiende la aplicación a clasificadores de mayor complejidad con el modelo aV-NN, logrando exitosamente la compresión de un arreglo de clasificadores, tanto en ejemplos de diversa complejidad surgidos de la literatura, como también en una aplicación real de reconocimiento de rostros. En segundo término, se propone un clasificador neuronal para resolver la correspondencia entre ontologías, aplicándose en un dominio real de I+D con anotaciones semánticas de ontologías utilizadas en la literatura. Por último, se presenta un enfoque basado en la utilización de redes neuronales para modelar las relaciones existentes, pero desconocidas de antemano, entre series temporales en el área de la Bioinformática, probándose sobre un conjunto de datos artificiales simulados, y de datos biológicos reales.
  • Thumbnail Image
    Item
    Diseño e implementación de un agente inteligente capaz de clasificar situaciones de inseguridad mediante técnicas de machine learning y de procesamiento del lenguaje natural
    (2020) Chamorro, Mateo Jesús; Nudel, Lautaro Ariel; Saint Martin, Jean Pierre; Roa, Jorge; Rubiolo, Mariano
    En los tiempos que corren, la seguridad ciudadana se ha vuelto un factor fundamental para el bienestar de hogares y comunidades. Los hechos delictivos, la violencia doméstica y de género, las violaciones, los secuestros, son ejemplos de situaciones de inseguridad que producen consecuencias negativas parciales o permanentes hacia los ciudadanos. Los costos asociados a las situaciones de inseguridad van desde lo irreparable de la vida misma hasta daños físicos, psicológicos y de integridad social para el individuo o comunidad que las padece. Para el gobierno, implican reducciones enormes tanto en cantidad como en magnitud de inversiones y de producción de las empresas, pues nadie querrá invertir en una ciudad en la que los hechos de inseguridad son moneda corriente. Se han llevado a cabo múltiples esfuerzos tecnológicos con fines de hacer frente a estas situaciones, pero la mayoría han fracasado o no se les ha dado el provecho que realmente podrían alcanzar. Entre ellos se encuentra la implementación del botón de pánico, el cual requiere de tenerlo al alcance y de tener el tiempo suficiente para accionarlo y, así mismo, la existencia de cámaras de seguridad que permitan un monitoreo continuo de los ciudadanos y su situación. Pero la realidad no es tan sencilla. Para su correcto funcionamiento, es necesario el patrullaje de móviles y/o el control continuo de dichas cámaras (revisión manual), lo cual demanda tiempo, esfuerzo y dinero que, en la gran mayoría de los casos, no se dispone. Y, en el hipotético caso de que estos recursos si existieran, se corre un riesgo alto de irresponsabilidad por parte de los operadores, así como fallos operacionales o de rutina, que no son deseables en absoluto. Según datos oficiales del Ministerio de Seguridad de la Nación, en el transcurso del año 2018 hubo 1.552.285 hechos delictivos, lo que, en comparación con años anteriores, supone un aumento en la tasa de crímenes. Por tanto, se puede decir que es imperiosa la necesidad de mejorar la seguridad de los ciudadanos. Enfrentar esta carencia con un proyecto de índole tecnológica es un buen camino. Actualmente existen tecnologías tales como el Aprendizaje Automático (abreviado como ML, del inglés Machine Learning) y el Procesamiento del Lenguaje Natural (PLN, en adelante), que pueden ser utilizadas para detectar hechos de inseguridad en tiempo real. El desafío entonces es poder crear una herramienta capaz de detectar situaciones de inseguridad, que la misma pueda aprender en base a su experiencia y que no comprometa a la privacidad de las personas, evitando el registro de cualquier conversación o diálogo en el cual se haya detectado o no un hecho de inseguridad.
  • Thumbnail Image
    Item
    Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0
    (2021) Pacchiotti, Mauro José; Paletto, Pablo Andrés; Rubiolo, Mariano; Roa, Jorge
    Este Proyecto Final de Carrera se propone estudiar la aplicación de distintos modelos de aprendizaje profundo para mantenimiento predictivo en la industria. En el marco del trabajo industrial con distintos tipos de equipamientos de diversas complejidades insertos en diferentes procesos industriales, el mantenimiento eficiente de estos equipos es una actividad fundamental para un desarrollo industrial sustentable. En primera instancia se analizan distintos trabajos que estudian el tema del proyecto para conocer las distintas líneas de investigación y los avances logrados por estos trabajos. También se buscan y analizan distintos conjuntos de datos que puedan ser aplicados al proyecto y se estudian los tipos de modelos de aprendizaje profundo utilizados en el dominio así como sus características y posibilidades frente a los diferentes tipos de estructuras de datos que se utilizan. Con los resultados de las primeras etapas se avanza en la selección de un conjunto de datos y un modelo, y la adecuación de estos. Con un modelo entrenado podemos comenzar el diseño y desarrollo del prototipo herramienta de software y realizar las pruebas de funcionamiento en tiempo real, simulando con series sintéticas la entrega de datos desde un equipo en la industria. Finalmente, luego de haber obtenido de la industria un conjunto de datos real, se selecciona y entrena un modelo para este, se adecua el prototipo para la estructura de datos y por último se realizan las pruebas simulando en tiempo real la entrega de datos y obteniendo del predictor el estado futuro del equipamiento.