Filters
Filter by:
Publication type
- Master thesis (94)
- Article (81)
- Doctoral thesis (41)
- Book part (11)
- Conference proceedings (5)
Authors
- HECTOR RENE VEGA CARRILLO (7)
- ADOLFO GUZMAN ARENAS (3)
- ALMA DELIA CUEVAS RASGADO (3)
- ANTONIO AGUILERA ONTIVEROS (3)
- Daniela Moctezuma (3)
Issue Years
Publishers
- CICESE (25)
- Instituto Nacional de Astrofísica, Óptica y Electrónica (24)
- Universidad Autónoma Metropolitana (México). Unidad Azcapotzalco. Coordinación de Servicios de Información. (9)
- Universidad Autónoma del Estado de México (8)
- Universidad de Guanajuato (7)
Origin repository
- Repositorio Institucional CICESE (27)
- Repositorio Institucional del INAOE (26)
- REPOSITORIO INSTITUCIONAL DE LA UAEM (21)
- Repositorio Institucional Caxcán (17)
- REPOSITORIO INSTITUCIONAL DEL CIO (12)
Access Level
- oa:openAccess (242)
- oa:embargoedAccess (2)
- oa:Nova Scientia (1)
- oa:REVISTA CHAPINGO SERIE HORTICULTURA (1)
- oa:Revista Internacional de Contaminación Ambiental (1)
Language
Subject
- INGENIERÍA Y TECNOLOGÍA (84)
- CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA (72)
- INTELIGENCIA ARTIFICIAL (72)
- CIENCIAS TECNOLÓGICAS (63)
- TECNOLOGÍA DE LOS ORDENADORES (42)
Select the topics of your interest and receive the hottest publications in your email
A simple approach to multilingual polarity classification in twitter
Eric Tellez SABINO MIRANDA JIMENEZ Mario Graff Daniela Moctezuma Ranyart Rodrigo Suarez Ponce de Leon Oscar Sánchez Siordia (2017)
Recently, sentiment analysis has received a lot of attention due to the interest in mining opinions of social media users. Sentiment analysis consists in determining the polarity of a given text, i.e., its degree of positiveness or negativeness. Traditionally, Sentiment Analysis algorithms have been tailored to a specific language given the complexity of having a number of lexical variations and errors introduced by the people generating content. In this contribution, our aim is to provide a simple to implement and easy to use multilingual framework, that can serve as a baseline for sentiment analysis contests, and as a starting point to build new sentiment analysis systems. We compare our approach in eight different languages, three of them correspond to important international contests, namely, SemEval (English), TASS (Spanish), and SENTIPOLC (Italian). Within the competitions, our approach reaches from medium to high positions in the rankings; whereas in the remaining languages our approach outperforms the reported results.
Article
Multilingual sentiment analysis Error-robust text representations Opinion mining INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL
Evaluación de métodos para la cartografía digital de clases de tierra campesinas
GUSTAVO CRUZ CARDENAS (2009)
Tesis (Doctorado en Ciencias, especialista en Edafología).- Colegio de Postgraduados, 2009.
El mapeo digital de suelos consiste en emplear algoritmos computacionales y predictores que
representan las variables para la generación de mapas de suelos. Existen evidencias que estos
mapas son confiables. Sin embargo, para la elaboración de mapas de clases de tierra
campesinas, utilizando técnicas digitales se tiene poca información y los mapas producidos
son de baja calidad porque han utilizado sólo los valores de reflectancias de las clases de
tierras como predictores y algoritmos limitados en cuanto a su configuración. Por lo anterior,
en esta investigación se evaluó la calidad de los mapas de clases de tierra campesinas
generados en México, en condiciones ambientales contrastantes (árida, templada y tropical), a
partir de técnicas empleadas en la cartografía digital de suelos con el objetivo de generar una
metodología aplicable en las diferentes regiones. Se emplearon seis clasificadores: arboles de
decisión, redes neuronales artificiales, mínima distancia, paralepipedo, máxima verosimilitud
y inverso de la distancia. Así, como imágenes de satélite y atributos topográficos como
predictores. Los resultados mostraron que la variable que más influyó en aumentar la precisión
y la exactitud de los mapas fue la elevación. En cuanto a los algoritmos, el inverso de la
distancia fue el mejor en comparación con máxima verosimilitud, redes neuronales artificiales
y árboles de decisión. Además, es menos complejo para configurar, no requiere de los
predictores y es más eficiente por necesitar menos puntos de muestreo para su configuración
adecuada. Este último factor es también muy importante en la cartografía digital de clases de
tierra campesinas porque requiere que la información sea lo más confiable posible para que el
entrenamiento del algoritmo sea preciso, lo cual se logra con la toma de esta información en
campo y a través de entrevistas con los campesinos, este paso es muy relevante y puede
establecerse que el muestreo en campo no se debe omitir. No obstante, si se puede emplear un
esquema que permita maximizar el muestreo, recomendándose el diseño espacial sistemático.________The digital mapping of soils is to use computer algorithms and predictive variables
representing the generation of soil maps. There is evidence that these maps are reliable.
However for the mapping of farmland classes using digital techniques, with slight information
and maps produced are of low quality because they have used only the reflectance values of
the farmland classes and algorithms to predict limited in its configuration. For these reasons,
this research evaluated the quality of the maps of farmland land classes generated in Mexico in
contrasting environmental conditions (arid, temperate and tropical), from techniques used in
digital mapping of soils with the aim of generate a methodology applicable in different
regions. Six classifications were used: decision trees, artificial neural networks, minimum
distance, parallelepiped, maximum likelihood and inverse distance. Thus, as remote sensing
data and topographic attributes as predictors. The results showed that the most influential
variable to enhance the precision and accuracy of the maps was the elevation. As for the
algorithms, the inverse of the distance was the best compared to maximum likelihood,
artificial neural networks and decision trees. It is also a reduced amount of complex to
configure, does not require the predictors and is more efficient by requiring a reduced amount
of sampling points for suitable configuration. This last factor is also very important in the
digital mapping of farmland classes because it requires that the information is as reliable as
possible for the training of the algorithm is accurate, which is achieved by making this
information in the field and through interviews with farmers, this step is very relevant and can
be established that the field sampling should not be ignored. However, if we can use a scheme
that maximizes the sample, recommending systematic spatial design.
Doctoral thesis
Precisión y exactitud de mapas Imágenes de satélite Atributos topográficos Inteligencia artificial Tamaño y diseño de muestro espacial CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA
Análisis de documentos de opinión usando la representación word2vec
Analysis of opinion documents using the word2vec representation
ANTONIO DE JESUS GARCIA CHAVEZ (2018)
El análisis de sentimientos es el área de estudio que involucra la utilización y manejo de información del tipo sentimientos, emociones y actitudes, las cuales se encuentran relacionadas a objetos, personas, servicios, lugares, eventos o temas en específico. Una de las principales tareas en el área es la detección de polaridad en documentos de opinión, lo cual se refiere a realizar un análisis de sentimientos a nivel de documento, para lo cual, es usual considerar y manipular información del tipo sintáctica así como semántica. Por lo que para aprovechar y beneficiarse de estas opiniones suele ser conveniente utilizar técnicas de clasificación automatizadas que facilitan la tarea. En este trabajo se propone emplear la semántica como información con la cual clasificar la polaridad de documentos de opinión. Para esto se utiliza una red neuronal denominada word2vec, la cual logra modelar, por medio de vectores palabra, relaciones semánticamente representativas entre las palabras que se encuentren dentro de un corpus de texto dado. Estos vectores palabra son empleados dentro de la medida de distancia entre documentos que se propuso utilizar en este trabajo, dicha medida lleva por nombre “Word Mover’s Distance” (WMD). Para lo cual el procedimiento propuesto realiza la clasificación de polaridad de documentos mediante los k-vecinos más cercanos, el clasificador recibe como entrada un conjunto de documentos de opinión con polaridades desconocidas así como un determinado número de documentos vecinos con los cuales comparar, mediante la medida de similitud WMD. La salida del algoritmo es la clasificación de polaridad del conjunto de documentos desconocidos de entrada. Para la evaluación del procedimiento propuesto se construyeron 12 espacios semánticos, obtenidos de las combinaciones de los corpora de opiniones utilizados. Se emplearon dos corpora en idioma español, siendo el primero críticas de cine obtenidas de la web “MuchoCine” con un total de 2000 documentos y el segundo opiniones del sitio “TripAdvisor ” con un total de 10845 documentos. Resultados experimentales muestran que el procedimiento propuesto tiene dificultades para clasificar correctamente documentos provenientes del corpus de “MuchoCine” mientras que lo hace exitosamente con documentos de “TripAdvisor ”. En este último caso, se mostró también que es posible incrementar la calidad de los resultados variando el número de documentos vecinos a consultar y el tamaño de la votación.
Sentiment analysis is the area of study that involves the use and processing of information such as feelings, emotions, and attitudes, which are related to specific objects, people, services, places, events, or topics. One of the main tasks in the area is the polarity detection in opinion documents, which refers to performing a sentiment analysis at document level, for which it is usual to use syntactic as well as semantic information. Therefore, in order to take advantage of and benefit from these opinions, it is often convenient to use automated classification techniques that facilitate the task. In this work, we propose to use semantics as information with which to classify the polarity of opinion documents. A neural network called word2vec is used to model semantically representative relationships between words within a given text corpus by means of word vectors. These Word vectors are used within the measure of distance between documents called Word Mover’s Distance (WMD). For this purpose, the proposed procedure classifies the polarity of documents by using the k-nearest neighbours, the classifier receives as input a set of opinion documents with unknown polarities as well as a certain number of neighbouring documents with which to compare, through the WMD similarity measure. The output of the algorithm is the polarity classification of the set of unknown input documents. For the evaluation of the proposed procedure, 12 semantic spaces were constructed, obtained from the combinations of the corpora of opinions used. Two Spanish-language corpora were used, the first being film reviews obtained from the MuchoCine website with a total of 2000 documents and the second being reviews from the TripAdvisor website with a total of 10845 documents. Experimental results show that the proposed procedure has difficulty to correctly classify documents from the MuchoCine corpus while successfully classifying documents from TripAdvisor. In the latter case, it was also shown that it is possible to increase the quality of the results by varying the number of neighbouring documents to be consulted and the size of the vote.
Master thesis
Análisis de sentimientos, Word2vec Sentiment analysis INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL
Generación de una Memoria Visual para la Navegación Autónoma de un Robot Humanoide
EMMANUEL OVALLE MAGALLANES (2016)
En este trabajo se propone un método para generar una memoria visual para un robot humanoide. Una memoria visual es un mapa topológico compuesto por un conjunto de imágenes (imágenes clave) organizadas como un grafo, el cual captura la topología del ambiente. La memoria se genera a partir de una secuencia de imágenes obtenidas con la cámara montada en el robot durante una fase semi-asistida (fase de entrenamiento).
Esta clase de representación del ambiente está inspirada en la manera en que los humanos recordamos lugares previamente visitados, con el fin de reconstruir mentalmente una ruta que indique lo que se debe de observar durante el recorrido desde un lugar inicial hasta un lugar final. Por lo tanto, este tipo de mapas no requieren información métrica para representar el ambiente.
El método propuesto para generar la memoria visual es fuera de línea (offline), lo cual significa que el procesamiento para generar la memoria visual se realiza fuera del robot a partir de una secuencia de imágenes capturada previamente. Se evalúan dos diferentes metodologías para la selección de las imágenes clave: por emparejamiento y por rastreo de características visuales de las imágenes. En ambos casos se realiza una validación geométrica (por la restricción epipolar) entre pares de imágenes clave consecutivas. La selección de imágenes clave es llevada a cabo de tal manera que exista información visual en común entre pares de imágenes clave consecutivas, pero que éstas hayan sido tomadas lo más distantes posible. Se tienen entonces dos objetivos antagónicos: mantener un compromiso entre el menor número de imágenes clave y asegurar que imágenes clave consecutivas compartan la mayor información visual posible.
Una vez que se tiene una cadena de imágenes clave seleccionadas, se realiza un proceso para detectar cierres de ciclo mediante un filtro de Bayes discreto, en el cual se divide el ambiente en lugares y se detectan aquellos lugares que fueron visitados más de una ocasión durante la fase de entrenamiento. Esta representación final del ambiente permitirá posteriormente generar rutas visuales más cortas para la navegación en la etapa de planificación.
Master thesis
Robot Humanoide CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA MATEMÁTICAS CIENCIA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL
Artificial intelligence applied to assigned merchandise location in retail sales systems
OSCAR CRUZ DOMINGUEZ (2015)
This paper presents an option for improving the process of assigning storage locations for merchandise in a warehouse. A disadvantage of policies in the literature is that the merchandise is assigned allocation only according to the volume of sales and the rotation it presents. However, in some cases it is necessary to deal with other aspects such as family group membership, the physical characteristics of the products, and their sales pattern to design an integral policy. This paper presents an alternative to the aforementioned process using Flexsim®, artificial neural networks, and genetic algorithms.
Article
Inteligencia artificial Administración de ventas INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA INDUSTRIAL INGENIERÍA DE PROCESOS INGENIERÍA DE PROCESOS
Logistics Optimization Service Improved with Artificial Intelligence
YAZMANI GARCIA ORTIZ (2010)
Today the issue of logistics is a very important within companies to the extent that some have departments devoted exclusively to it. This has evolved over time and today is a fundamental aspect in the fight business seeking to consolidate or remain leaders in their field. With the above we know that logistics can be divided into different classes, however, in this regard, our study is based on the timely distribution to the customer with a lower cost, higher sales and better utilization of space resulting in excellent service. Finally, prepare a comparative analysis of the results with respect to another method of optimization solution space
Book part
Logistica Inteligencia artificial INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES SISTEMAS AUTOMATIZADOS DE PRODUCCIÓN SISTEMAS AUTOMATIZADOS DE PRODUCCIÓN
SEDRET an intelligent system for the diagnosis and prediction of events in power plants
GUSTAVO ARROYO FIGUEROA LUIS ENRIQUE SUCAR SUCCAR (2000)
Artificial Intelligence applications in large-scale industry, such as fossil power plants, require the ability to manage uncertainty and time.
In this paper, we present an intelligent system to assist an operator of a power plant. This system, called SEDRET, is based on a novel
knowledge representation of uncertainty and time, called Temporal Nodes Bayesian Networks (TNBN), a type of Probabilistic Temporal
Network. A set of temporal nodes and a set of edge define a TNBN, each temporal node is defined by a value of a variable and a time interval
associate to the change of variable value. A TNBN generates a formal and systematic structure for modeling the temporal evolution of a
process under uncertainty. The inference mechanism is based on probabilistic reasoning. A TNBN can be used to recognize events and state
variables with respect to current plant conditions and predict the future propagation of disturbances. SEDRET was validated with the
diagnosis and prediction of events in a steam generator with a power plant training simulator. The results performed in this work indicate that
SEDRET can potentially improve plant availability through early diagnosis and prediction of disturbances that could lead to plant shutdown.
Article
INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL
Learning robotic manipulation tasks using relational reinforcement learning and human demonstrations
Arquímides Méndez Molina (2018)
Autonomy in robots depends to a large extent on their ability to learn to perform new tasks as they are required. The current techniques for learning tasks strongly depend on information given by expert users and often, for a robot, what is learned is hardly reusable on new or similar tasks. In this research, we propose a method for a robot to learn simple multi-step pick and place tasks using information of humans instructors demonstrating different tasks, ensuring that what it is learned can be used under different initial configurations of the given task. To do that, we use a precise camera system for demonstration perception to capture the spatial relations between the involved objects while focusing on goal and sub-goals identification for the given task. Then, we use a state-action representation based on relative positions and distances in combination with a traditional Reinforcement Learning algorithm to learn an off-line policy for pick and place a single object. Finally, we use a Constraint Satisfaction Problem Solver to determine a feasible positions for involved objects that meet all spatial relations at the goal state, and used the goal and sub-goals information in combination with the learned policy to reproduce the given task step by step. Our method reduce the dependency of the robot on demonstration quality, reduce learning times in comparison with traditional state-actions representations, and is capable of learning to perform a task from different starting points from a single user demonstration. To test our method, we used both, a simulator and a real manipulator robot, to reproduce thir-teen tasks (seven predefined and six open-ended created by instructors) under different initial configurations. We obtain an average accuracy of 80% for predefined tasks and 65% for open-ended tasks. In most cases, failures are produced by aspects such as the grip, which were not the focus of the current implementation. The results provide a good starting point to work on some specific aspects that would make our method even more natural, such as automatic grip pose identification, human feedback during the repetition phase and the use of a practical vision system for demonstration perception.
La autonomía en los robots depende en gran parte de su capacidad para aprender a realizar nuevas tareas a medida que éstas se requieran. Las técnicas actuales para el aprendizaje de nuevas tareas dependen en gran medida de la información proporcionada por usuarios expertos en el área y, a menudo, para un robot, lo aprendido es difícilmente reutilizable en tareas nuevas o similares. En esta investigación proponemos un método para que un robot aprenda tareas sencillas de selección y colocación de objetos en múltiples pasos usando la información de demostraciones de humanos realizando distintas tareas, asegurando que lo que se aprende se puede usar bajo diferentes configuraciones iniciales de la tarea dada. Para hacer eso, usamos un sistema de cámaras muy preciso para la percepción de la demostración que permite capturar las relaciones espaciales entre los objetos involucrados mientras nos enfocamos en la identificación de meta y las sub-metas de la tarea demostrada. Luego, utilizamos una representación de estado-acción basada en posiciones y distancias relativas en combinación con un algoritmo de aprendizaje de refuerzo tradicional para aprender una política fuera de línea para seleccionar y colocar un solo objeto. Finalmente, utilizamos un solucionador de problemas de satisfacción de restricciones para determinar las posiciones factibles para los objetos involucrados que cumplan con todas las relaciones espaciales en el estado meta y utilizamos la información de las metas y las sub-metas identificadas previamente en combinación con la política aprendida para reproducir la tarea determinada paso a paso. Nuestro método reduce la dependencia del robot de la calidad de la demostración, reduce los tiempos de aprendizaje en comparación con la representación tradicional de estados y acciones y es capaz de aprender a realizar una tarea desde diferentes puntos iniciales a partir de una sola demostración del usuario. Para probar nuestro método, utilizamos tanto un simulador como un robot manipulador real, para reproducir trece tareas (siete predefinidas y seis creadas por instructores de final abierto) bajo diferentes configuraciones iniciales. Obtenemos una precisión promedio de 80% para tareas predefinidas y 65% para las tareas de final abierto. En la mayoría de los casos, las fallas se producen por aspectos como el agarre, que no estaban en el foco de la implementación actual.
Master thesis
Robotics Learning by demonstration Relational reinforcement learning Constraint satisfaction problem CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA MATEMÁTICAS CIENCIA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL
Generacion de multitudes heterogeneas con comportamientos inteligentes en ambientes virtuales
FERNANDO REBOLLAR CASTELAN (2017)
La simulaci ́on de multitudes consiste en representar a grupos de personajes auto ́no- mos llamados agentes virtuales, con reglas y entornos que simulan a aquellos encontrados en la vida real. Entre los objetivos de las simulaciones virtuales tam- bi ́en se encuentra el generar algoritmos capaces de producir visualizaciones de manera fluida, esto es no tener retrasos en la visualizacio ́n de la simulacio ́n. Las simulaciones de multitudes son herramientas utilizadas por organizaciones, por ejemplo una constructora, para realizar pruebas virtuales a determinadas estruc- turas como lo puede ser un estadio de fu ́tbol, las multitudes utilizadas en este tipo de simulaciones carecen de comportamientos diferentes, es decir todos los individuos de la multitud se comportan de la misma manera aunque visualmente sean diferentes. La tesis presenta una propuesta para generar multitudes virtuales heterog ́eneas, de tal forma que los individuos que conforman la multitud exhiban distintos comportamientos, y no como se hace hasta el momento donde un mismo comportamiento que se aplica a todos los agentes. Se propone tambi ́en una t ́ecnica de agrupamiento en distintas regiones del a ́rea a poblar utilizando diagramas de Voronoi, posibilitando la caracterizaci ́on de zonas en donde existe una concentra- cio ́n selectiva dependiendo de los distintos roles que asumen los individuos de la multitud. Se introducen los LCP (Lugares de concentraci ́on de la poblacio ́n) que son los lugares donde distintos grupos de la poblacio ́n se agrupan, lo que genera un comportamiento de agrupacio ́n en las multitudes. Los resultados observados permiten distinguir distintos comportamientos debido a que se generan diferentes velocidades de desplazamiento, taman ̃os y pesos. La utilizacio ́n de los LCP emula un comportamiento de agrupaci ́on dependiendo del rol que cada agente virtual tenga, lo cual permite que se agrupe en distintas zonas del ambiente virtual.
Master thesis
agentes comportamientos inteligencia artificial INGENIERÍA Y TECNOLOGÍA
JOSE ALBERTO YAÑEZ CASTILLO (2018)
Coordinación de Posgrado de Ciencias y Artes para el Diseño
La metáfora de escritorio ha estado presente por más de treinta años en las computadoras personales y otras variantes, su propósito fue facilitar algunas tareas, ser amigable para investigadores, oficinistas y estudiantes; para la mayoría de los usuarios es funcional, pero también se puede decir que ha sido impuesta. Sería posible analizar los elementos interactivos visuales para una parte del grupo de usuarios, específicamente adultos entre 45 y 60 años de edad que en algunos casos se les dificulta el uso de la computadora. La metáfora de escritorio tiene la idea de llevar a cabo una interacción análoga a la realidad (ver esquema 1) basada en la interacción persona – ordenador (IPO) y la retórica visual. El objetivo es persuadir y atraer el sentido de la vista propio del usuario. Se propone como evidencia operativa diseñar elementos interactivos visuales que faciliten el uso de la computadora, dichos elementos serán resultado de la convergencia entre la investigación y análisis sustentado en la ergonomía cognitiva, el diseño emocional, la semiótica y la usabilidad.
Book part
Retórica visual; Ergonomía cognitiva; Diseño emocional; Semiótica; Usabilidad. User-centered system design. Interacción hombre-computadora. Multimedia interactiva. QA76.9.H85 INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL