FRM - I+D+i - Documentos Conferencia
Permanent URI for this collectionhttp://48.217.138.120/handle/20.500.12272/4082
Browse
12 results
Search Results
Item Sistema para la evaluación de zonas seguras en tiempo real. (resumen)(2019-10-09) Oropel, Nicolás; Bianchini, Germán; Caymes Scutari, PaolaA raíz de la inseguridad con la que vivimos los ciudadanos en la sociedad actual, surge la idea de desarrollar un sistema que dé respuesta en forma práctica a cualquier persona a la hora de elegir un camino para llegar a algún sitio. Quizá no de la forma más rápida, pero sí de la más segura, según la zona y el horario en que desee movilizarse. El proyecto utilizará como base de conocimiento los mapas proporcionados por Google y algunas de sus herramientas como Google Cloud utilizando las extensiones que sean convenientes. Aunque estas no son de uso libre, tenemos una instancia de prueba que nos sirve para testear el funcionamiento y luego migrarlo a herramientas de uso libre de ser necesario. La evaluación se llevará a cabo a través de la recolección de datos estadísticos suministrados por el gobierno sobre los delitos efectuados en un período a establecer, pero principalmente a través del feedback de los usuarios. Al contar con un gran volumen de datos, será imprescindible utilizar algoritmos de procesamiento paralelo para mantener el funcionamiento de la aplicación en un tiempo razonable. El banco de datos será procesado con un algoritmo evolutivo sobre la muestra, que permitirá predecir o anticiparse a un eventual hecho de inseguridad. Una vez recopilada la información, se pretende determinar la ruta más segura de la misma forma. Además, la idea es buscar la precisión horaria ya que en determinados lugares puede variar el riesgo según el momento del día en que se transite. En la aplicación podremos visualizar de forma gráfica en el mapa la clasificación de zonas según un rango de incidentes, utilizando un historial. Se predefinirá una escala de números de incidentes con un color para cada nivel para poder llevar a cabo el gráfico. Para etapas posteriores del desarrollo, se propone incorporar otras funcionalidades tales como botones de pánico, denuncia online de incidentes, notificaciones de advertencia, etc.Item Microlentes gravitacionales y cómputo paralelo/distribuido para la detección de exoplanetas (resumen)(2019-10-09) Hidalgo, Jesús; Caymes Scutari, Paola; Bianchini, GermánResumen. Un Exoplaneta, también conocido como planeta extrasolar, es un planeta que se encuentra orbitando otras estrellas. Se ha confirmado hasta el momento la existencia de alrededor de 800 exoplanetas, y hay más de 3500 posibles candidatos. Encontrar exoplanetas es una tarea de alta complejidad, ya que los planetas constituyen una fuente de luz extremadamente tenue en comparación con la estrella a la que orbitan. La mayoría de los planetas extrasolares conocidos son gigantes gaseosos, similares a júpiter o hasta más grandes inclusive, orbitando muy cerca de su estrella y con periodos orbitales muy cortos. Sin embargo, se cree que ello es resultado de sesgo de información creado por los métodos actuales de detección, que encuentran más fácilmente a planetas de este tamaño que a planetas rocosos más pequeños, como la Tierra. Aún con todo esto, exoplanetas comparables al nuestro han sido detectados, conforme las capacidades de detección y el tiempo de estudio aumentan. Los métodos de búsqueda pueden ser muy variados dependiendo las condiciones de la estrella a la cual vamos a observar. Entre estos métodos podemos encontrar el método de microlentes gravitacionales, el de tránsito, el de velocidad radial, el de astrometría, el de detección directa visual, etc. El método de microlentes gravitacionales, se basa en un fenómeno predicho por la Teoría General de la Relatividad de Albert Einstein. A saber, cuando la luz pasa por las inmediaciones de un objeto con masa, se desvía hacia dicho objeto. En el caso de los planetas extrasolares, la estrella madre es el cuerpo que actúa como lente al interponerse entre la Tierra y una estrella más lejana. En efecto, si un cuerpo pasa justo por delante de una estrella lejana, en lugar de observarse una disminución en el brillo de ésta, el cuerpo puede actuar como una lente y dirigirlos hacia nuestro planeta, de manera que un telescopio terrestre observaría un ligero aumento en el brillo del astro. Cuando un telescopio recolecta datos, estos son procesados para luego ser analizados por astrónomos para determinar si hubo éxito en la detección de exoplanetas. Para el proceso y posterior análisis de estos datos, se requieren no solo altas capacidades computacionales sino tiempo para el cómputo y análisis. Dado el interés que despierta esta temática y la demanda computacional que manifiesta, en este trabajo estudiantil se propone dar tratamiento a alguno de los métodos de detección de exoplanetas y así contribuir a la automatización en el tratamiento de la información. La propuesta se basa en la hipótesis de que el paradigma del cómputo paralelo/distribuido podría contribuir a dar un tratamiento más veloz y potente al gran volumen de información a procesar. Para ello será necesario tanto obtener datos e imágenes, como analizar la forma de paralelizar el proceso de búsqueda de exoplanetas a través del método seleccionado, y así proponer una nueva técnica computacional.Item Paralelismo en algoritmos de aprendizaje para redes neuronales (resumen)(2019-10-09) Chirino, Pamela; Galdámez Bilardi, Mariela; Bianchini, Germán; Caymes Scutari, PaolaEn los últimos años, la Inteligencia Artificial ha ido avanzando y se ha utilizado en diversas áreas. Algunas aplicaciones de esta es el reconocimiento de voz, de imágenes, el análisis de texto, entre otras. Una de las características principales de la Inteligencia Artificial es la capacidad de aprendizaje, de cambiar su comportamiento según la información que se obtiene. Mientras más se haya entrenado el modelo, más probabilidad hay de que se llegue al resultado deseado. El proceso de aprendizaje es complejo y suele llevar bastante tiempo en términos computacionales. En este trabajo, se propone aplicar el paralelismo en los algoritmos de aprendizaje de redes neuronales para hacer a estos más eficientes. Cuando hablamos de un algoritmo eficiente nos referimos a una mejora apreciable en tiempo para la cantidad de recursos que se utilizan, en nuestro caso procesadores. Las neuronas de las redes neuronales, las cuales se encuentran en varias capas, poseen conexiones que van a ir cambiando hasta que el modelo sea el más cercano al óptimo. Es decir, cuando se haya llegado a un nivel de aprendizaje máximo ya que se ha encontrado una “función” donde el error de la solución deseada y la obtenida por el modelo es mínimo. En este proyecto se comenzará buscando la forma de paralelizar uno o varios algoritmos de aprendizaje para redes neuronales de acuerdo a la necesidad. Luego, se analizará si hay mejoras en su eficiencia. El objetivo a futuro de esta investigación es poder aplicar redes neuronales en el modelo paralelo de predicción de incendios utilizado en el laboratorio LICPaDa . En este modelo se trabaja constantemente con la incertidumbre de variables, lo que dificulta una predicción óptima. Al implementar redes neuronales en el modelo, se buscará que este logre una mejor toma de decisiones sobre las variables según qué peso tienen estas en el incendio a predecir.Item Los alumnos detrás de la pantalla: de la presencialidad a la experiencia educativa virtual y remota en el estudio del paradigma paralelo (resumen)(Facultad Regional Mendoza - Universidad Tecnológica Nacional, 2021-01-01) Caymes Scutari, Paola; Bianchini, GermánLa pandemia de COVID-19 y la consecuente suspensión de actividades presenciales para prevenir contagios, puso de manifiesto la necesidad imperiosa de incorporar nuevos recursos y estrategias al proceso de enseñanza aprendizaje, para dar continuidad al proceso educativo, adaptando la propuesta educativa a las posibilidades, y condiciones técnicas al alcance de alumnos y docentes. Debieron combinarse distintos recursos tanto para reimplementar prácticas docentes que anteriormente realizadas de forma presencial, como para modificar el paradigma y centrar el proceso educativo en el alumno. En este trabajo, presentamos la experiencia de la asignatura “Computación Paralela” en relación al cambio de una modalidad de dictado presencial a una propuesta virtual o remota. Todos los recursos de la propuesta confluyeron en el Aula Virtual, la cual ganó el protagonismo y la función que indica su denominación, a diferencia de años anteriores, en que había sido utilizada solamente como repositorio. Atendiendo a las dificultades de conexión, de acceso a recursos compartidos, etc., se contemplaron tanto actividades y recursos síncronos como asíncronos, y tanto se incluyeron actividades de tipo formativo, teórico y práctico, lúdico, escrito, y audiovisual. Los recursos e interrelación de los mismos lograron su cometido, por lo que los resultados de la propuesta fueron positivos. Esta primera experiencia, sin lugar a dudas, constituye la base para enriquecer las ediciones subsiguientes de la asignatura, dado que en el contexto sanitario actual las actividades virtuales, en su totalidad o parcialmente, deberán sostenerse a lo largo de los años, tanto sea por necesidad o por los beneficios que trae aporta a la asignatura.Item Modelo de Sintonización Computacional aplicado a la Predicción de Incendios(2018-01-01) Caymes Scutari, Paola; Bianchini, Germán; Tardivo, María; Méndez Garabetti, MiguelLa complejidad de la predicción de incendios forestales radica en el nivel de incertidumbre relativo a la cantidad de variables consideradas por el modelo, la dificultad de medirlas con exactitud, las limitaciones computacionales para su implementación, etc. En los últimos años se ha desarrollado un conjunto de métodos para la reducción de incertidumbre, los DDM-MOS (Métodos Conducidos por Datos con Múltiples Soluciones Solapadas). Los DDM-MOS realizan la predicción de la línea de fuego en base a la agregación de múltiples soluciones consideradas a lo largo del proceso de predicción. Cada DDM-MOS se caracteriza por el nivel de utilización que posee de elementos de Estadística, Computación Evolutiva y Metaheurísticas, Paralelismo, y Sintonización, que imprimen mejoras ya sea en cuanto a calidad de predicción, tiempo de ejecución o utilización de recursos. El uso de Estadística dio lugar al primer DMM-MOS, a través de la utilización de un experimento factorial que, para un incendio dado, calcula diferentes probables comportamientos cuyos resultados se analizan estadísticamente a fin de agregar la información y determinar la tendencia. La incorporación de Algoritmos Evolutivos permite trabajar con una población o muestra del espacio de búsqueda y así reducir el tamaño del experimento factorial de acuerdo a la orientación lograda por el proceso evolutivo. La Computación Paralela potencia el proceso de búsqueda tanto en términos de tiempo como en términos dejerarquización del espacio de búsqueda, al considerar varias poblaciones en paralelo. Metaheurísticas, como Evolución Diferencial y Optimización por Enjambre de Partículas (y su hibridación) explotan las bondades de cada una de ellas. El proceso de Sintonización adapta de forma dinámica la cantidad de recursos computacionales utilizados, a fin de alcanzar una ejecución más eficiente. En este trabajo, se propone un modelo para sintonizar de forma automática y dinámica el parámetro que regula la cantidad de generaciones del proceso evolutivo, a fin de evitar estancamiento y convergencia prematura.Item Predicción y alerta temprana de incendios forestales mediante integración de información satelital y de campo en un método paralelo de reducción de comportamiento de incendios forestales(2018-01-01) Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Elgueta, Rodrigo; Caylá, Ivana; Córdoba, Diego; Peñasco, Andrés; Morelli, José; Carrizo, Marcelo; Giorlando, Agustín; Luján, Amaldo; Carballo, NicolásLos incendios forestales son considerados unos de los fenómenos naturales que más perjuicios causan en nuestro país y en el mundo, generando pérdidas de vidas humanas, daños en la propiedad, la flora, la fauna, el suelo, el agua, entre otros. Debido a esto, se considera de interés desarrollar herramientas, sistemas, métodos, estrategias, que permitan minimizar los efectos negativos causados por los incendios. En este trabajo presenta una propuesta de integración de información satelital y de campo provista por sensores inalámbricos en un método paralelo de reducción de incertidumbre guiado por datos aplicado a la predicción del comportamiento de incendios forestales. Se presentan los resultados de una primera aproximación de las etapas de adquisición y procesamiento de datos utilizando imágenes satelitales y del diseño de la red de sensores. Dicha integración permitirá determinar la ocurrencia precoz de los incendios forestales antes de que estos se magnifiquen, y además permitirá reducir la incertidumbre de algunas de las variables dinámicas que alimentan al modelo de predicción de comportamiento de incendio, impactando de forma positiva en la calidad de predicción del sistema.Item Modelo basado en Rango Intercuartil para la sintonización automática y dinámica aplicado a la predicción de incendios forestales(2019-01-01) Caymes Scutari, Paola; Bianchini, Germán; Tardivo, MaríaLa predicción de incendios forestales constituye una tarea compleja dado el nivel de incertidumbre presente en las variables del modelo, entre otros factores. En los últimos años se ha desarrollado un conjunto de métodos para la reducción de incertidumbre, los DDM-MOS (Métodos Conducidos por Datos con Múltiples Soluciones Solapadas). Los DDM-MOS realizan la predicción de la línea de fuego en base a la agregación de múltiples soluciones candidatas consideradas a lo largo del proceso de predicción. Cada DDM-MOS se caracteriza por el nivel de utilización que posee de elementos de Estadística, Computación Evolutiva y Metaheurísticas, Paralelismo, y Sintonización, que imprimen mejoras ya sea en cuanto a calidad de predicción, tiempo de ejecución o utilización de recursos. El uso de Estadística dio lugaral primer DDM-MOS, a través de la utilización de un experimento factorial que, para un incendio dado, calcula diferentes probables comportamientos cuyos resultados se analizan estadísticamente a fin de determinar la tendencia. La incorporación de Algoritmos Evolutivos permite trabajar con una población o muestra del espacio de búsqueda y así reducir el tamaño del experimento factorial de acuerdo a la orientación lograda por el proceso evolutivo. La Computación Paralela potencia el proceso de búsqueda tanto en términos de tiempo como en términos de jerarquización del espacio de búsqueda, al considerar varias poblaciones en paralelo. Metaheurísticas como Evolución Diferencial y Optimización por Enjambre de Partículas (y su hibridación)explotan las bondades de cada una de ellas. El proceso de Sintonización adapta de forma dinámica la cantidad de recursos computacionales utilizados para alcanzar una ejecución más eficiente. En este trabajo, se propone un modelo para sintonizar de forma automática y dinámica el parámetro que regula la cantidad de generaciones del proceso evolutivo, con el fin de reducir el tiempo de ejecución. Para ello se considera el Rango Intercuartil (IQR) como cuantificador de la variabilidad de la distribución delos elementos del espacio muestral considerado, en este caso en base al valor de aptitud de los elementos, el cual puede interpretarse como un indicador dela tendencia a estancarse o converger prematuramente que tiene el algoritmo.Item Análisis de Redimensión de Mapas en un Sistemas de Predicción de Incendios(2017-01-01) Lucatelli, Julián; Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Tardivo, MaríaComo es de público conocimiento, los incendios forestales provocan un gran perjuicio para la población. En primera instancia, por los cambios que se producen en la flora y la fauna de los terrenos afectados, y en segundo término por las pérdidas económicas que estos generan. Esto ha motivado la elaboración y/o perfeccionamiento de métodos que permitan la predicción de su comportamiento, manejo y/o control. Muchos de estos están basados en entornos computacionales, donde se ejecutan diferentes simulaciones de incendios con el propósito de que éstas se asimilen a la realidad. ESSIM-EA (Sistema Estadístico Evolutivo con Modelo de Islas basado en Algoritmos Evolutivos) es un método de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales. Para poder evaluar el comportamiento del fuego, la superficie donde se propaga el incendio es representada en el modelo como un conjunto de celdas de tamaño fijo dentro de un mapa. Estos mapas dependiendo del tamaño de la zona afectada, pueden ser representados con diferentes resoluciones, redimensionándolos con el objetivo de mejorar el rendimiento de ESSIM-EA. Para ello, se ha desarrollado un algoritmo de redimensión de mapas que permite aumentar y disminuir la resolución de las celdas. Este algoritmo sería incluido al método con el objetivo de permitir la redimensión automática de los mapas de incendios, utilizando mapas de incendios reales controlados evaluando calidad de predicción y tiempo de procesamiento en el método ESSIM-EAItem HESSIM: evaluación de Calidad de Predicción aplicada al incendio forestal ocurrido en Queiriga Portugal(2017-01-01) Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Tardivo, MaríaCada año, los incendios forestales afectan más de 350 millones de hectáreas alrededor del mundo, causando innumerables pérdidas y daños, contribuyendo al calentamiento global, la contaminación del aire y el agua, la desertificación y la pérdida de biodiversidad. Si bien se puede deducir que la prevención es la medida más eficaz contra los efectos negativos causados por los incendios, es de suma importancia contar con herramientas que permitan reducir su propagación. En este contexto los sistemas de predicción de incendios son considerados herramientas de gran valor, ya que permiten determinar el avance del frente de fuego facilitando la toma de decisiones acertadas que minimicen el tiempo de acción y los daños causados. El Sistema Estadístico Híbrido Evolutivo con Modelo de Islas (Hybrid Evolutionary-Statistical System with Island Model, HESSIM), es un método de reducción de incertidumbre que ha sido aplicado a la predicción del comportamiento de incendios forestales. Dicho método utiliza computación de alto rendimiento junto con una hibridación de metaheurísticas evolutivas poblacionales bajo un modelo colaborativo. Hasta el momento dicho método había sido aplicado en casos de quemas reales controladas de superficie reducida. En este trabajo HESSIM es aplicado a un incendio real ocurrido en 2013 en la localidad de Queiriga (Portugal), donde se consumieron más de 4000 hectáreas.Item Análisis de Resolución de Mapas de entrada en Método de Predicción de Incendios Forestales(2017-01-01) Zúñiga, Agustín; Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Tardivo, MaríaLos incendios forestales son una de las causas principales de la desaparición de grandes superficies de bosques en el mundo de manera anual. Entre las grandes pérdidas que de ellos resultan pueden destacarse: a) la pérdida de bosques, flora y fauna; b) la pérdida de vidas humanas a causa de los intentos de sofocar y/o controlar los incendios; y c) las pérdidas económicas por daños materiales y gastos en el cuidado y evacuación de personas en riesgo. Por estos motivos se considera de gran importancia destinar esfuerzos y recursos en el fortalecimiento de las tareas de prevención, monitoreo y predicción de incendios forestales con el fin lograr un mejor control de su comportamiento, logrando con esto evitar los daños producidos por el fuego, tanto en los bosques como en las poblaciones cercanas, y minimizar los riegos de trabajo de hombres y mujeres por extinguirlos. La predicción del comportamiento de un incendio forestal es una tarea compleja que suele estar afectada por la incertidumbre proveniente del desconocimiento de los valores en los parámetros de entrada del modelo de predicción. ESSIM-EA (Sistema Estadístico Evolutivo con Modelo de Islas basado en Algoritmos Evolutivos)es un método de reducción de incertidumbre el cual ha sido aplicado a la predicción del comportamiento de incendios forestales controlados. En el presente trabajo se ha aplicado dicho método en casos de incendios forestales reales, con el objetivo de identificar la resolución adecuada de los mapas de entrada que permitan brindar un balance adecuado entre calidad de predicción y tiempo de procesamiento.