FRCU - GIICIS: Grupo de Investigación en Inteligencia Computacional e Ingeniería de Software

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/4094

Browse

Author: search.filters.author.Piccoli, María FabianaStart date: 2020

Search Results

Now showing 1 - 4 of 4
  • No Thumbnail Available
    Item
    Graph representations for reinforcement learning
    (Universidad Nacional de La Plata. Facultad de Informática., 2024-04) Schab, Esteban Alejandro; Casanova Pietroboni, Carlos Antonio; Piccoli, María Fabiana
    Graph analysis is becoming increasingly important due to the expressive power of graph models and the efficient algorithms available for processing them. Reinforcement Learning is one domain that could ben- efit from advancements in graph analysis, given that a learning agent may be integrated into an environ- ment that can be represented as a graph. Nevertheless, the structural irregularity of graphs and the lack of prior labels make it difficult to integrate such a model into modern Reinforcement Learning frameworks that rely on artificial neural networks. Graph embedding enables the learning of low-dimensional vector representations that are more suited for machine learning algorithms, while retaining essential graph features. This paper presents a framework for evaluating graph embedding algorithms and their ability to preserve the structure and relevant features of graphs by means of an internal validation metric, without resorting to subsequent tasks that require labels for training. Based on this framework, three defined algorithms that meet the necessary requirements for solving a specific problem of Reinforcement Learningin graphs are selected, analyzed, and compared. These algorithms are Graph2Vec, GL2Vec, and Wavelet Characteristics, with the latter two demonstrating superior performance.
  • Thumbnail Image
    Item
    Aplicación de inteligencia computacional y computación de alto desempeño en el desarrollo de un modelo de predicción de las condiciones predisponentes al quemado del arroz (Pyricularia oryzae)
    (Red de Universidades con Carreras en Informática, 2023-04-13) Asselborn, Miriam; Escalante, Julián; Lopresti, Olga Mariela; Miranda, Natalia Carolina; Schab, Esteban Alejandro; Cedaro, Karina Elizabeth; Fontanini, Pablo; Martínez, Malvina; Casanova Pietroboni, Carlos Antonio; Pedraza, María Virginia; Piccoli, María Fabiana
    Un sistema complejo o crítico con toma de decisiones se caracteriza por la imposibilidad de reproducir para su estudio un escenario sin consecuencias reales, o cuando su resolución implica gran cantidad de recursos para obtener resultados en un tiempo prudencial. La complejidad puede darse por las características del problema o por la cantidad de datos con los que se trabaja. Tomar decisiones en estos contextos debe conjugar dos atributos usualmente contrapuestos: calidad y velocidad. En este trabajo proponemos una línea de investigación enfocada en analíticas, principalmente las prescriptivas, capaces de determinar acciones a ser ejecutadas en el momento (decisiones operativas) o en el futuro (decisiones tácticas: corto y mediano plazo, decisiones estratégicas: largo plazo) para lograr un objetivo deseado. A esta línea se suman investigaciones en Inteligencia Computacional y Computación de Alto Desempeño con el fin de obtener, de forma colaborativa, calidad y velocidad en las decisiones.
  • Thumbnail Image
    Item
    Toma de decisiones en sistemas de eventos mediante inteligencia computacional y computación de alto desempeño
    (Red de Universidades con Carreras en Informática, 2022-04) Schab, Esteban Alejandro; Lopresti, Olga Mariela; Miranda , Natalia Carolina; Casanova Pietroboni, Carlos Antonio; Piccoli, María Fabiana
    La toma de decisiones en contextos dominados por grandes volúmenes de datos debe conjugar dos atributos usualmente contrapuestos: calidad y velocidad. La disponibilidad de información generada por personas y dispositivos abre nuevos desafíos en el diseño de mecanismos para aprovecharla. Estos deben ser capaces de determinar las decisiones de mayor utilidad sujetas a ventanas temporales que garanticen su factibilidad. Uno de estos mecanismos lo constituyen las distintas analíticas, las cuales buscan transformar los datos en información a través de técnicas diversas. En este trabajo proponemos dos líneas de investigación, una enfocada en la analítica prescriptiva, capaz de determinar acciones a ser ejecutadas en el momento (decisiones operativas) o en el futuro (decisiones tácticas para corto y mediano plazo, decisiones estratégicas para largo plazo) para lograr un objetivo deseado; la otra relacionada con las técnicas de aprendizaje supervisado y la recuperación de información no estructurada. En ambos, se propone la utilización de desarrollos provenientes de la Inteligencia Computacional y de la Computación de Alto Desempeño con el fin de obtener, de forma colaborativa, calidad y velocidad en las decisiones.
  • Thumbnail Image
    Item
    Modelo prescriptivo dinámico para un sistema de eventos complejo
    (Red de Universidades con Carreras en Informática, 2021-04-15) Schab, Esteban Alejandro; Casanova Pietroboni, Carlos Antonio; Piccoli, María Fabiana
    La toma de decisiones en contextos dominados por grandes volúmenes de datos debe conjugar dos atributos usualmente contrapuestos: calidad y velocidad. La disponibilidad de información generada por personas y dispositivos abre nuevos desafíos en el diseño de mecanismos que puedan aprovecharla, de tal manera de que sean capaces de determinar las decisiones de mayor utilidad sujetas a ventanas temporales que garanticen su factibilidad. Uno de estos mecanismos lo constituyen las analíticas en sus distintos tipos, las cuales buscan transformar los datos en información a través de técnicas diversas. En este trabajo proponemos una línea de investigación enfocada en la analítica prescriptiva, capaz de determinar acciones a ser ejecutadas en el momento (decisiones operativas) o en el futuro (decisiones tácticas para corto y mediano plazo, decisiones estratégicas para largo plazo) para lograr un objetivo deseado. Para componerlas se propone la utilización de desarrollos provenientes de la Inteligencia Computacional y de la Computación de Alto Desempeño con el fin de obtener, de forma colaborativa, calidad y velocidad en las decisiones.