Professional Documents
Culture Documents
CENTRO DE INVESTIGACIÓN
Tipo de Proyecto:
Investigación Básica: X Investigación Desarrollo Tecnológico o
Aplicada: Experimental:
Valor total del Proyecto: $5’000.000.oo
Financiación Solicitada: $5’000.000.oo
Valor Contrapartida:
Resumen del proyecto:
1
UNIVERSIDAD SANTO TOMÁS –TUNJA
CENTRO DE INVESTIGACIÓN
A continuación se esbozan algunos conceptos teóricos: Redes neuronales: También llamadas Modelos conexionistas,
procesadores distribuidos y paralelos. Estos proporcionan
Predicción de Sistemas: las salidas de un sistema mecanismos generales para construir modelos de sistemas a
deben poder predecirse para crear modelos y partir de los mismos datos. En los últimos años, las redes
mejorarlos continuamente. Generalmente una fórmula neuronales artificiales (RNA) se han convertido en herramientas
puede determinar el resultado de una variable de alternativas de uso frecuente para la resolución de diversos
acuerdo a los datos que se suministren para su cálculo, problemas.
la realidad presenta factores que impiden enmarcar tan
sencillamente los resultados de un proceso, por lo tanto Algoritmos genéticos: Entre los métodos de búsqueda donde
entra en juego basarse en la característica de no hay gran cantidad de datos y donde se necesita de la
2
UNIVERSIDAD SANTO TOMÁS –TUNJA
CENTRO DE INVESTIGACIÓN
optimización (Goldberg, 1989) para solucionar los Algoritmos Genéticos son capaces de ir creando soluciones
problemas en campos de la ciencia, los algoritmos para problemas del mundo real. La evolución de dichas
genéticos AGs juegan un papel importante aplicando la soluciones hacia valores óptimos del problema depende en
evolución biológica (Holland, 1992), para obtener buena medida de una adecuada codificación de las variables del
soluciones robustas, fiables y mas precisas que con los problema (GOLDBERG, D.E., Genetic Algorithms in Search,
métodos matemáticos tradicionales según las Optimization & Machine Learning. Reading: Addison-Wesley,
necesidades del problema, lo que los hace en un 1989).
principio en esta investigación parte de la solución.
La aplicación más común de los algoritmos genéticos ha sido la
1.1.2 Marco Teórico o epistemológico: en el contexto de solución de problemas de optimización, en donde han mostrado
esta investigación hacemos especial referencia, a Las ser muy eficientes y confiables. Sin embargo, no todos los
técnicas de minería de datos o data mining por ser problemas pudieran ser apropiados para esta técnica, y se
menos restrictivas que las estadísticas. Una vez recomienda en general tomar en cuenta las siguientes
encontrado un punto de partida interesante y dispuestos características del mismo antes de intentar usarla:
a utilizar algún análisis estadístico en particular (por
ejemplo, discriminante para diferenciar segmentos de • Su espacio de búsqueda o sus posibles soluciones, están
mercado), puede suceder que los datos no satisfagan delimitadas dentro de un cierto rango.
los requerimientos del análisis estadístico. Entonces, • Debe poderse definir una función de aptitud que nos
las variables deberán ser examinadas para determinar indique qué tan buena o mala es una cierta respuesta.
qué tratamiento permite adecuarlas al análisis, no • Las soluciones deben codificarse de una forma que
siendo posible o conveniente en todos los casos. Aquí resulte relativamente fácil de implementar en la
se destaca la data mining, puesto que es menos computadora.
restrictivo que la estadística y permite ser utilizado con
los mínimos supuesto posibles (permite escuchar a los El primer punto es muy importante, y lo más recomendable es
datos). intentar resolver problemas que tengan espacios de búsqueda
discretos aunque éstos sean muy grandes (MUÑOZ, A.F.,
Los Algoritmos Genéticos (AGs) son métodos Aplicación de los algoritmos genéticos en la identificación y
adaptativos que pueden usarse para resolver control de bioprocesos por clonación artificial. IEEE
problemas de búsqueda y optimización. Están basados Transactions on Systems, Man, and Cybernetic V 19 No. 2 58-
en el proceso genético de los organismos vivos. A lo 76, 1998).
largo de las generaciones, las poblaciones evolucionan
en la naturaleza acorde con los principios de la Sin embargo, también podrá intentarse usar la técnica con
selección natural y la supervivencia de los más fuertes, espacios de búsqueda continuos, pero preferentemente cuando
postulados por Darwin. Por imitación de este proceso, exista un rango de soluciones relativamente pequeño.
3
UNIVERSIDAD SANTO TOMÁS –TUNJA
CENTRO DE INVESTIGACIÓN
Predicción de Sistemas: las salidas de un sistema 'sentido común' las cuales se refieren a cantidades indefinidas
deben poder predecirse para crear modelos y (Zadeth, 1975).
mejorarlos continuamente. Generalmente una fórmula
puede determinar el resultado de una variable de Redes neuronales: También llamadas Modelos conexionistas,
acuerdo a los datos que se suministren para su cálculo, procesadores distribuidos y paralelos. Estos proporcionan
la realidad presenta factores que impiden enmarcar tan mecanismos generales para construir modelos de sistemas a
sencillamente los resultados de un proceso, por lo tanto partir de los mismos datos. En los últimos años, las redes
entra en juego basarse en la característica de no neuronales artificiales (RNA) se han convertido en herramientas
linealidad de los sistemas dinámicos, y se requiere alternativas de uso frecuente para la resolución de diversos
realizar pruebas con los datos para llegar a plantear un problemas.
modelo matemático que intente predecir el
comportamiento del sistema, o de determinada variable Según Jorge Navarro del Centro de Ciencias de Sinaloa, resume
que forme parte del mismo. la experimentación en matemática con IA, así: “Tomando como
base el hecho que las Matemáticas es el estudio de patrones en
Inteligencia Artificial: una definición es, la inteligencia las estructuras de entes abstractos y en las relaciones entre
artificial es un intento por descubrir y describir aspectos ellas. La IA interviene en el proceso de hacer Matemáticas,
de la inteligencia humana que pueden ser simulados podemos decir que la IA sirve de apoyo en la manipulación de
mediante máquinas. Es una rama de las ciencias de la estructuras complejas; la creación de modelos; también como
computación que trata del diseño de sistemas medio de resolución de algunos modelos matemáticos
inteligentes, es decir, sistemas que presentan complejos; y en ocasiones sirve de herramienta alternativa a las
características que normalmente asociamos con la matemáticas.”.
inteligencia humana: comprensión del lenguaje,
razonamiento, aprendizaje, resolución de problemas, La IA ha sido utilizada por ejemplo en problemas de optimización
etc.. no lineal (Navarro, 2005), donde se tiene que la función objetivo
es discontinua en hyperplanos di = mi con i = 1,…N. El número
Lógica difusa: en los años sesenta, Lofti Zadeth inventó de variables puede ser considerablemente grande (llegar hasta
la lógica difusa o borrosa, que combina los conceptos miles); la región factible, particularmente si se incluyen las
de la lógica y de los conjuntos de Lukasiewicz mediante condiciones de veto, es también muy complicada para que los
la definición de grados de pertenencia. La lógica métodos tradicionales de optimización no lineal puedan ser
borrosa es una rama de la inteligencia artificial que se aplicados con efectividad. Por estas razones se utiliza un
funda en el concepto "Todo es cuestión de grado", lo algoritmo evolutivo para resolver el problema de decisión, pues
cual permite manejar información vaga o de difícil estos procedimientos son menos sensibles a la forma de la
especificación. Es entonces posible con la lógica región factible, al número de variables de decisión, y a las
borrosa gobernar un sistema por medio de reglas de propiedades matemáticas de la función objetivo (Coello, 2002).
4
UNIVERSIDAD SANTO TOMÁS –TUNJA
CENTRO DE INVESTIGACIÓN
1.5. Cronograma de Actividades y plan de trabajo: Ver productos que corresponden a nuevo conocimiento científico o
anexo 1. tecnológico serán en principio el uso de las técnicas de IA en la
solución de problemas en diferentes disciplinas de las ciencias, como
cálculo diferencial, cálculo integral, estadística e investigación de
1.6. Presupuesto: Ver anexo 2. operaciones entre otras.
1.7. Bibliografía: Bibliografía adicional libros y/o 2.2. Conducentes al fortalecimiento de la capacidad científica
suscripciones a revistas científicas del tema será dada a nacional: Los trabajos desarrollados podrán ser trabajos para optar a
conocer posteriormente. los títulos de pregrado y postgrado; a la vez que sirven como
formación de recurso humano a nivel profesional o de postgrado;
MUÑOZ, A.F., Aplicación de los algoritmos genéticos en también contribuirá a la construcción de cooperación científica
la identificación y control de bioprocesos por clonación nacional e internacional. El rigor científico será dado por el uso de
teorías aceptadas por la comunidad científica, como algoritmos
artificial. IEEE Transactions on Systems, Man, and
genéticos y minería de datos por ejemplo.
Cybernetic V 19 No. 2 58-76, 1998
2.3. Dirigidos a la apropiación social del conocimiento: Por medio
ADELI, H., Machine Learning: Neural Networks, Genetic de publicaciones en revistas, conferencias, seminarios, congresos,
Algorithms, and Fuzzy Systems. John Wiley and Sons, creación de semilleros y líneas de investigación.
Inc, 1995.
3. COMPROMISOS: Los establecidos por la Universidad santo Tomás
GOLDBERG, D.E., Genetic Algorithms in Search, de Tunja.
Optimization & Machine Learning. Reading: Addison-
Wesley, 1989. 4. Anexar hojas de vida de todos los investigadores.
Ver anexo 3.
1.8. Estrategias de divulgación: Publicaciones en las
revistas de la Universidad Santo Tomás y otras, participación
en conferencias, seminarios y congresos entre otros, dentro
y fuera de esta Universidad . Creación de semilleros y líneas Bibliografía consultada y recomendada:
de investigación.
HERNÁNDEZ SAMPIERI. Roberto, y otros. Metodología de la investigación.
México: Editorial McGrawHill, 1991.
2. Resultados/Productos esperados y potenciales
beneficiarios: COLCIENCIAS. Formatos de presentación de proyectos.
http://www.colciencias.gov.co
2.1. Relacionados con la generación de conocimiento y/o
nuevos desarrollos tecnológicos: Los resultados o
Anexo 2. PRESUPUESTO
6
UNIVERSIDAD SANTO TOMÁS –TUNJA
CENTRO DE INVESTIGACIÓN
7
UNIVERSIDAD SANTO TOMÁS –TUNJA
CENTRO DE INVESTIGACIÓN
Mes Mes Mes Mes Mes Mes Mes Mes Mes Mes Mes Mes
Actividad 1 2 3 4 5 6 7 8 9 10 11 12
Revisión del estado del arte
Desarrollar Metodología de
diseño funcional
Mapeo genético, diseño de
algoritmos o uso de software
Aplicar procedimientos de
clonación de operaciones
Realizar pruebas de
resultados
Procesamiento de los
resultados de la investigación
Responsables: Jairo Amador Niño y Claudia Rocío Uribe
Recurso: Material bibliográfico sobre matemáticas e inteligencia artificial.
Resultados esperados: Solucionar problemas de diferentes disciplinas de las ciencias con técnicas de inteligencia artificial.
8
UNIVERSIDAD SANTO TOMÁS –TUNJA
CENTRO DE INVESTIGACIÓN
2. FORMACIÓN ACADÉMICA
MAESTRÍA En Ciencias Computacionales
ESPECIALIZACIÓN Telemática
PREGRADO Ingeniería de Sistemas
PREGRADO Licenciado en Matemáticas y Física
3. EXPERIENCIA LABORAL
Universidad Antonio Nariño Catedrático Externo
UPTC
Publicación, Paradigma para la clonación artificial. Notinicien. No. 4, febrero 2005. pag.
15.
Publicación, Minería de datos VS Estadística. Notinicien. No. 10, septiembre 2007. pag.
4.
10
UNIVERSIDAD SANTO TOMÁS –TUNJA
CENTRO DE INVESTIGACIÓN
5. MENCIONES Y DISTINCIONES
11
UNIVERSIDAD SANTO TOMÁS –TUNJA
CENTRO DE INVESTIGACIÓN
12