Vol 9. Nro 2. Año 2015
TABLA DE CONTENIDO
Vol. 9 Nro.2. Año 2015. Julio-Diciembre
TABLA DE CONTENIDO
Vol. 9 Nro.2. Año 2015. Julio-Diciembre
FUNCIÓN DE LUMINOSIDAD DE CUÁSARES: UN ENFOQUE BASADO EN PROCESOS PUNTUALES
QUASAR LUMINOSITY FUNCTION: A POINT PROCESSES APPROACH
ANÁLISIS ESPECTRAL DE OLAS MARINAS: MODELOS UNIVARIADOS
SPECTRAL ANALYSIS OF WAVE SEA: UNIVARIATE MODELS
PREDICCIÓN DEL RENDIMIENTO DE UN CULTIVO DE NARANJA 'VALENCIA' MEDIANTE REDES NEURONALES DE REGRESIÓN GENERALIZADA
FORECASTING THE YIELD OF A 'VALENCIA' ORANGE´S CROP, BY MEANS OF A GENERALIZED-REGRESSION NEURAL NETWORKS
TOWARDS A PROSPECTIVE
VISION ABOUT MASTER OF COMPUTER SCIENCE
......................................................................................................................
Vol. 9 Nro.2. Año 2015. Julio-Diciembre. pp 105-122.
FUNCIÓN DE LUMINOSIDAD DE CUÁSARES: UN ENFOQUE BASADO EN PROCESOS PUNTUALES
QUASAR LUMINOSITY FUNCTION: A POINT PROCESSES APPROACH
Rafael José González De Gouveia (Venezuela)
Abelardo Monsalve Cobis (Venezuela)
Katherine Vieira Villarreal (Venezuela)
<PDF>
Resumen
La función de luminosidad de cuásares mide el número de cuásares que existen por megaparsec cúbico por unidad de magnitud absoluta. Es una de las herramientas más importantes para estudiar la población de galaxias de núcleo activo y su evolución a lo largo del tiempo. Nuestra investigación pretende estimar esta función bajo un enfoque probabilístico. Mediante un proceso de Poisson no homogéneo bidimensional modelamos la intensidad de cuásares observados en un espacio de magnitud absoluta por corrimiento al rojo. Se desarrollan una serie de modelos flexibles para la función de luminosidad que son estimados por el método de máxima verosimilitud y seleccionados mediante el criterio de información bayesiano (BIC). Un análisis de residuos es efectuado con el objetivo de estudiar la bondad del ajuste del mejor modelo, del cual a su vez se obtiene la función de luminosidad buscada.
Palabras clave: Procesos puntuales, galaxias de núcleo activo, procesos de Poisson no homogéneos.Abstract
The quasar luminosity function measures the number of quasars per cubic megaparsec and absolute magnitude. It is one of the most important tools for studying the active galactic nucleus population and how they have evolved in time. Our investigation estimates this function through a probabilistic approach. We model the observed density of quasars using a bidimensional non-homogeneous Poisson Process in the space of absolute magnitude times redshift. A series of adjustable parametrized models are tested and we use maximum likelihood and the Bayesian Information Criteria (BIC) to select the best model, from wich the corresponding quasar luminosity function is obtained. Finally a residual analysis is made to study the goodness of fit.
Keywords: Point process, active galactic nucleus, non-homogeneus Poisson process.
Vol. 9 Nro.2. Año 2015. Julio-Diciembre. pp 123-138.
SPECTRAL ANALYSIS OF WAVE SEA: UNIVARIATE MODELS
Nestor Escudero (Venezuela)
Joaquín Ortega (México)
Jhonny Escalona (Venezuela)
<PDF>
Resumen
El
análisis espectral, es el proceso técnico de la descomposición de una
señal compleja en partes más simples. Muchos procesos físicos se
describen mejor como una suma de muchas componentes de frecuencias
individuales, alternativamente una señal puede dividirse en segmentos
cortos y el análisis del espectro puede aplicarse a estos segmentos
individuales. Desde el punto de vista del estudio de olas marinas, el
espectro juega un rol fundamental y es interpretado como la energía
presente en la serie de tiempo durante el periodo. Este estudio se basa
en el análisis del espectro asociado a datos del mar del Norte en el ano
de 1999 en la plataforma North Alwyn almacenados en la Universidad
Heriot-Watt de Edimburgo, separados en periodos de 20 minutos, el total a
estudiar son 244 periodos. Para ello, se determinó que existe
información que no aporta al problema, representa ruido y es el 3% de la
energía, la cual no fue tomada para el estudio. Se dividió el espectro
en 12 subintervalos y se ajustaron modelos autorregresivos bajo el
esquema de Box-Jenskin and Reinsel, estudiados estos hasta encontrar la
mejor aproximación posible para cada subintervalo mediante las
propiedades estadísticas obtenidas por cada modelo, junto con los
pronósticos respectivos.
Palabras clave: Espectro, análisis espectral, dominio de frecuencias, modelos autorregresivos.Abstract
Spectral
analysis is the technical process of a complex signal decomposition
into simpler parts. Many physical processes are better described as a
sum of many individual frequency components; alternatively a signal can
be divided into short segments and the spectrum analysis can be applied
to these individual segments. From the point of view of the study of
Waves Sea, the spectrum plays a vital role and it is interpreted as the
energy in the time series during the period. This study is based on
analysis of the spectrum associated to data from the North Sea in the
year of 1999, taken in North Alwyn platform, stored in the Heriot-Watt
University in Edinburgh, separated in periods of 20 minutes. The total
of the studied periods is 244. Thus, it was determined that there is
information that does not add information to the problem, and it
represents noise, which is the 3% of energy and it was not taken for the
study. The spectrum was divided into 12 subintervals. Autoregressive
models were fitted under the scheme Box-Jenskin and Reinsel. The model
was studied until the best possible approximation for each subinterval
was found by the statistical properties obtained by each model, together
with the respective forecasts.
Keywords: Spectrum, spectral analysis, frequency domain, autoregressive, models. Vol. 9 Nro.2. Año 2015. Julio-Diciembre. pp 139-158.
PREDICCIÓN DEL RENDIMIENTO DE UN CULTIVO DE NARANJA 'VALENCIA' MEDIANTE REDES NEURONALES DE REGRESIÓN GENERALIZADA
FORECASTING THE YIELD OF A 'VALENCIA' ORANGE´S CROP, BY MEANS OF A GENERALIZED-REGRESSION NEURAL NETWORKS
Edwin Hernández-Caraballo (Venezuela)
<PDF>
Resumen
El
rendimiento de un cultivo es el resultado de una multiplicidad de variables,
cuyas complejas interacciones hacen que sea difícil de predecir por medios
convencionales. Las redes neuronales de regresión generalizada constituyen una
alternativa prometedora para dicha tarea, gracias a su capacidad para modelar
relaciones no lineales, sin la necesidad de conocer la naturaleza explícita de
las mismas. El presente trabajo tuvo como propósito evaluar dicha aproximación, en la predicción del rendimiento de un cultivo de naranja ‘Valencia’ (Citrus sinensis
L. Osbeck), a partir de las concentraciones
en el tejido foliar de
nitrógeno, fósforo, potasio, calcio, y magnesio.
Especial énfasis se hizo en el tratamiento de los datos de
entrada/salida, utilizando técnicas convencionales (normalización,
estandarización, y componentes principales), y otras no convencionales
(cálculos de los log-cociente centrado,
e índices nutricionales individuales nutricionales individuales y
globales, a partir del Sistema de Diagnóstico de la Composición Nutricional).
Los resultados mostraron que, entre las estudiadas, la combinación índices nutricionales individuales/rendimiento normalizado (Error de predicción=
0,98 kg·árbol-1), y componentes principales no rotados/rendimiento
normalizado (Error de predicción= 0,51 kg·árbol-1) condujeron al
desarrollo de las redes neuronales con las mejores capacidades de predicción
del rendimiento, evidenciadas por los menores errores de predicción
anteriormente indicados.
Palabras clave: Citrus sinensis; rendimiento; composición foliar; sistema de diagnóstico de la composición nutricional.
Abstract
The yield of a given crop is the result of a multiplicity of variables
whose complex interactions make its prediction difficult to achieve by regular
means. Generalized regression artificial
neural networks represent a promising alternative for such a task, due to its
ability to model non-linear relationships, without the need of knowing its
explicit nature. The present work aimed
at assessing such approximation for predicting the potential yield of a crop of
‘Valencia’ orange (Citrus
sinensis L. Osbeck),
using the concentration of nitrogen, phosphorus, potassium, calcium, and
magnesium in the foliar tissue as predicting variables. Special emphasis was placed in the
mathematical treatment of the input/output data, using conventional techniques
(normalization, standardization, and principal components) as well as other
less common (row-centered log ratios, and individual and global nutritional
indices from the Compositional Nutrient Diagnosis System). The results showed that, among the ones
studied, the individual nutrient indices/normalized yield combination (Prediction
error= 0.98 kg·tree-1), and the unrotated principal
components/normalized yield combination
(Prediction error= 0.51 kg·tree-1) resulted in the
development of the neural networks with the highest yield prediction
capabilities, as evidenced by the previously indicated prediction errors.
Keywords: Citrus sinensis; yield; foliar composition; compositional
nutrient diagnosis system
Vol. 9 Nro.2. Año 2015. Julio-Diciembre. pp. 161-178.
TOWARDS A PROSPECTIVE
VISION ABOUT MASTER OF COMPUTER SCIENCE
Niriaska
Perozo
Rómulo
Domínguez
Miyedis
Figueroa
Ybelisse
Mendoza
Resumen
El presente trabajo destaca algunos datos estadísticos
importantes obtenidos para realizar una breve reseña histórica de la Maestría de Ciencias de la Computación
del Decanato de Ciencias y Tecnología de la Universidad Centroccidental “Lisandro
Alvarado” en sus diferentes menciones Inteligencia Artificial, Redes de
Computadoras e Ingeniería del Software. Adicionalmente expone
las perspectivas académicas planteadas para superar las exigencias actuales a
las que se enfrenta.
Palabras
clave: Ciencias de la computación, perspectivas académicas, inteligencia artificial, redes de computadoras, ingeniería del software.
Abstract
This review highlights some important
statistical data for a brief historical review of the Master of Computer
Science of the Faculty of
Science and Technology at Universidad Centroccidental “Lisandro Alvarado” in
their different specialties: Artificial Intelligence, Computer Networks and
Software engineering, and further, exposing what academic prospects are
proposed to overcome the current demands that this master program faces.
Keywords: Computer Science, Academic Perspectives, Artificial
Intelligence, Computer Networks, Software Engineering.
