Facultad Regional Mendoza
Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/100
Browse
38 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 Predicción y alerta temprana de incendios forestales mediante integración de WSN e imágenes satelitales en un método de reducción de incertidumbre guiado por datos(2018-04-27) Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Elgueta, Rodrigo; Caylá, Ivana; Córdoba, Diego; Peñasco, Andrés; Morelli, José; Carrizo, Marcelo; Varela, Pablo; Giorlando, Agustín; Luján, AmaldoLos incendios forestales son 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, entre otros. Debido a esto, se considera de interés desarrollar herramientas, sistemas, métodos, estrategias, entre otros, que permitan minimizar los efectos negativos causados por éstos. El presente proyecto pretende realizar un aporte significativo en esta área, dado que propone integrar información de diferentes fuentes, en un método paralelo de reducción de incertidumbre guiado por datos aplicado a la predicción y alerta temprana de incendios forestales. Las fuentes de información estarán conformadas por: redes de sensores inalámbricos, imágenes satelitales, históricos de incendios forestales, entre otros. 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 Procesamiento computacional paralelo con metaheurísticas híbridas para la reducción de incertidumbre en modelos de incendios forestales(2018-04-27) Bianchini, Germán; Caymes Scutari, Paola; Méndez Garabetti, Miguel; Tardivo, MaríaLa predicción del comportamiento de incendios forestales no es una tarea sencilla ya que dicho proceso se ve afectado por la falta de precisión o incertidumbre en los parámetros de entrada. En base a esto, resulta importante desarrollar métodos que permitan tratar la incertidumbre posibilitando la obtención de predicciones más precisas y confiables. En el proyecto que aquí se expone se propone el desarrollo de un método de reducción de incertidumbre denominado Sistema Estadístico Evolutivo Híbrido con Modelo de Islas (HESSIM). En HESSIM se plantea un resultantes de proyectos previos en los cuales se implementaron dos versiones de ESS-IM: la primera con Algoritmos Evolutivos, y la segunda con Evolución Diferencial. De este modo surge la idea de desarrollar una versión híbrida en un único método, en vista del potencial aportado por cada una de las metaheurísticas poblacionales en forma aislada, y añadiendo además una tercera (PSO). Dado que las arquitecturas paralelas se han convertido en una herramienta importante en muchos campos de la ciencia por los beneficios que aporta a la hora de efectuar los cálculos, y debido a la naturaleza intrínsecamente paralela de las tres método que combine la fuerza de tres metaheurísticas poblacionales evolutivas: Algoritmos Evolutivos (EA), Evolución Diferencial (DE) y Optimización por Cúmulo de Partículas (PSO), bajo un esquema de combinación colaborativa basado en migración mediante modelo de islas y HPC. HESSIM corresponde a la continuación de las líneas abiertas metaheurísticas elegidas, HESSIM se implementará siguiendo un esquema de procesamiento paralelo.Item Sintonización automática de aplicaciones paralelo/distribuidas basadas en algoritmos evolutivos y evolución diferencial(2018-01-01) Caymes Scutari, Paola; Bianchini, Germán; Tardivo, María; Méndez Garabetti, MiguelEl procesamiento paralelo se ha convertido en un recurso muy utilizado para el procesamiento de datos y la resolución de problemas en diversos campos de la ciencia y la ingeniería. Sin embargo, el paradigma paralelo conlleva una complejidad considerable dado que involucra un gran número de aspectos no funcionales (como granularidad, técnica de descomposición y/o asignación, grado de concurrencia, etc.) que pueden impactar negativamente en el rendimiento de las aplicaciones. Mitigar dicho efecto negativo requiere de un cierto dominio y experiencia en su manejo, lo cual suele resultar prohibitivo para el usuario no experto en informática y en paralelismo en particular. Es por ello que tanto el proceso de desarrollo de aplicaciones paralelas como el proceso de sintonización de las mismas constituyen importantes desafíos a la hora de abordar un problema de manera paralela y eficiente. El Proceso de Sintonización comporta una serie de etapas sucesivas mediante las cuales las aplicaciones son instrumentadas, monitorizadas, analizadas y sintonizadas (o ajustadas) de acuerdo a las características del problema que presentan o al entorno de ejecución, con el fin de mejorar su rendimiento y hacer un mejor aprovechamiento de los recursos. Sin lugar a dudas, el proceso de sintonización requiere un grado de conocimiento de la aplicación, el paradigma paralelo y los problemas de sintonización que usualmente lo vuelve una tarea muy difícil y restrictiva para lograr un rendimiento adecuado, sobre todo cuando de usuarios no expertos se trata. El presente proyecto propone abordar la sintonización automática de aplicaciones paralelas basadas en Evolución Diferencial.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 Monitorización y análisis de métricas poblacionales en un método de predicción de incendios forestales(2018-01-01) Tardivo, María; Caymes Scutari, Paola; Bianchini, Germán; Méndez Garabetti, MiguelLa incertidumbre sobre el valor de los parámetros de entrada que alimentan los modelos de predicción de incendios forestales es un problema crucial, que puede producir graves consecuencias si la salida de los modelos proporcionan predicciones erróneas. ESSIMDE(r) es un método general de predicción y reducción de incertidumbre basado en Análisis Estadístico, la metaheurística Evolución Diferencial y Cómputo de Alto Rendimiento, y ha sido estudiado durante los últimos años con el fin de mejorar su rendimiento. Este trabajo presenta una mejora del método en la cual se perfecciona la estrategia evolutiva, en base a la monitorización y análisis de la distribución poblacional y de los movimientos efectivos del optimizador.Item Propuesta de metodología de generación automática de perímetros de área quemada usando imágenes satelitales MODIS para su aplicación en un sistemas de predicción de Incendios(2018-01-01) Zúñiga, Agustín; Arancibia, José; Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Tardivo, MaríaCada año, los incendios forestales causan pérdidas inconmensurables en los ecosistemas del mundo, provocando la desaparición de grandes superficies de bosques. En respuesta a esta problemática, la predicción del comportamiento de estos fenómenos puede ser una herramienta de gran utilidad para disminuir los daños provocados. Este método ha sido probado mayormente con mapas de incendios controlados y mapas de incendios reales cuya metodología de trabajo consistía en la toma de sus perímetros de forma manual mediante herramientas de sistemas de información geográfica. En el presente trabajo, se ha aplicado un método para la automatización de perímetros de área quemada en casos de incendios reales. El mismo ha sido diseñado y probado para la utilización de imágenes satelitales obtenidas por los satélites Terra y Aqua de la herramienta espacial MODIS. Los resultados obtenidos en el experimento han sido comparados respecto a los obtenidos mediante la metodología de trabajo manual, consiguiendo valores más adecuados de las áreas quemadas para ser posteriormente implementados en el método de simulación de comportamiento de incendios.