Examinando por Materia "Análisis de redes complejas"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Análisis de literatura científica en el dominio del cáncer usando técnicas de redes complejas
    (Universidad del Valle, 2025) HURTADO GIRALDO, JAIME ANDRES; SOLARTE, OSWALDO
    El cáncer es una de las principales causas de muerte en la actualidad. Analizar grandes volúmenes de literatura científica es crucial para ayudar a los médicos a mejorar diagnósticos y tratamientos. En este sentido, la presente investigación logra construir un prototipo para encontrar patrones en literatura científica del dominio del cáncer usando técnicas de redes complejas. Para ello, se implementó la metodología DSRM (Design science research methodology) para desarrollar la herramienta I-ADC-Univalle que toma artefactos de software como librerías de ia, agregadores de información científica, y librerías de análisis de redes complejas para estudiar la literatura científica relacionada con el cáncer de mama y presentar patrones en términos de autores, instituciones, países y palabras clave relevantes; que de luces a los médicos en los casos clínicos. A través de la herramienta I-ADC-Univalle se realizó un estudio de caso utilizando 232 cadenas de búsqueda que permitieron construir un corpus de 11.348 documentos científicos relacionados con el cáncer de mama. Posteriormente, se procesó la información para encontrar las relaciones entre los metadatos y lograr la construcción y análisis de redes. El aplicativo permitió extraer los patrones representativos de la literatura consultada ofreciendo información relevante sobre las publicaciones científicas sobre el cáncer de mama.
  • Miniatura
    PublicaciónAcceso abierto
    Integración de redes neuronales de grafos y análisis de redes complejas para el pronóstico de eventos sísmicos en Colombia
    (Universidad del Valle, 2023) Giraldo Alegría, Santiago; Bucheli, Víctor
    Los terremotos se consideran una catástrofe, no dan tiempo suficiente para reaccionar y tomar precauciones, por lo que generan víctimas y daños en la infraestructura. En los últimos años ha habido un creciente interés investigativo en el pronóstico de terremotos aplicando aprendizaje automático y redes neuronales que han obtenido resultados asombrosos. Este trabajo aborda el problema de pronóstico de terremotos con una aplicación de Redes Neuronales de Memoria a Corto y Largo Plazo (LSTM por sus siglas en inglés) y Redes Neuronales de Grafos (GNN por sus siglas en inglés) a eventos sísmicos históricos de Colombia, obtenidos mediante el Servicio Geológico de los Estados Unidos (USGS por sus siglas en inglés), integrando propiedades de redes complejas tales como centralidad del grado (degree centrality), centralidad de vector propio (eigenvector centrality) y PageRank. Se analizó el catálogo de eventos sísmicos y se construyeron redes complejas seleccionando una ventana de eventos, teniendo como objetivo encontrar la característica siguiente en el tiempo. Además entrenamos múltiples redes neuronales LSTM y GNN con ajuste de hiper parámetros mediante la librería Ray Tune encontrando una diferencia bastante marcada en los resultados, obteniendo mejores métricas de clasificación con el modelo GNN.