Examinando por Materia "Sistemas de computación"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    Applying Learning Techniques in SABIO, a Constraint Programming Application for Soccer Analysis.
    (Universidad del Valle, 2016) Duque Agudelo, Robinson Andrey; Díaz Frias, Juan Francisco; Arbeláez, Alejandro
    El fútbol es uno de los deportes más importantes en el mundo, con un gran impacto en los medios masivos de comunicación y seguido por millones de personas. Una competencia de fútbol consiste en n equipos jugando en un sistema de todos contra todos, ya sea en un torneo o liga. Estas competencias ofrecen una excelente oportunidad para modelar problemas relacionados con preguntas que los hinchas frecuentemente tienen sobre sus equipos favoritos. Por ejemplo, en determinado momento, los hinchas pueden estar interesados en determinar si un equipo aún tiene posibilidades de ganar la competencia, es decir, quedar de primero en la liga o finalizar dentro de los primeros k equipos en un tornero para clasificar al sistema de eliminación. Esta pregunta se denomina el problema de la eliminación, el cual es NP-Completo para el sistema actual de puntos determinado por la FIFA (0, 1, 3). Cero puntos cuando se pierde, un punto cuando se empata, tres puntos cuando se gana. La programación por restricciones (CP), es un paradigma que ha desarrollado diversas técnicas para abordar problemas combinatorios y en los últimos años, un creciente interés en combinar CP con aprendizaje de maquina (ML) ha sido estudiado con el fín de mejorar la eficiencia de CP en la búsqueda de soluciones. SABIO es acrónimo de Soccer Analysis Based on Inference Outputs, una plataforma desarrollada bajo el paradigma de CP con el soporte académico de AVISPA, un grupo de investigación de la Universidad del Valle (www.sabiofutbol.com). SABIO puede ser usado para descubrir información y responder preguntas relacionadas con equipos de fútbol en una competencia particular. La plataforma ofrece interfaces gráficas para establecer preguntas en forma de restricciones. Para encontrar soluciones, SABIO utiliza estrategias de búsqueda que incluyen selección estática de variable/valor que funcionan bien para ciertas instancias. Sin embargo, pruebas empíricas sobre la aplicación, permitieron identificar una familia de instancias donde SABIO presenta bajo rendimiento para encontrar soluciones y los tiempos de ejecución son muy largos (más de 30 segundos) para ser ofrecidos en una aplicación web o móvil. Para afrontar esta dificultad, hemos combinado el uso de programación por restricciones, aprendizaje de máquina y programación entera mixta (MIP) para proponer 2 modelos que resuelvan preguntas relacionadas con fútbol en cualquier momento de la competencia. El primer modelo (CP-ML) combina una serie de nuevas restricciones que incrementan la poda en el árbol de búsqueda, además de un clasificador para selección de valores. El segundo modelo (MIP) es una versión de programación entera mixta de SABIO. Nuestros experimentos demuestran que estos nuevos modelos mejoran el rendimiento de SABIO. Encontramos también que si ambos modelos se combinan en una ejecución mixta, se convierten en un solver muy robusto y rápido
  • Miniatura
    PublicaciónAcceso abierto
    An Approach to formal Modeling of grid Computing
    (Universidad del Valle, 2016) Ramírez Restrepo, Carlos Alberto; Díaz Frias, Juan Francisco; Aranda Bueno, Jesús Alexander
    Grid computing (GC) is a large-scale computational paradigm and infrastructure that comprises a massive poolofresources. Users interact with the gridby concurrently adding new challenging tasks.
  • Miniatura
    PublicaciónAcceso abierto
    Sistematización, Informática y Telemática.
    (2011-10-18) Contreras Caballero, Nelson
    Los avances tecnológicos de nuestras sociedades desarrolladas, son cada día, más acelerados, y buscan un propósito común: el mejorar el nivel de vida al ciudadano común y ofrecer un mayor grado de bienestar para la sociedad en general. Para analizar la realidad de hoy, conviene tener en cuenta las diferentes etapas que ha ido superando el hombre a lo largo de su historia: la época de las cavernas, la de la caza y la pesca, la vida nómada, los asentamientos y domesticación de animales salvajes, la utilización de la tierra para los cultivos, el inicio de las organizaciones grupales, el feudalismo, la guerra y expropiación de tierras, la conformación de las ciudades, el proceso de industrialización y desarrollo del comercio, la robotización del proceso industrial, y finalmente la globalización de la economía y la universalización de la cultura, etapa en la cual nos encontramos hoy. Nuestras sociedades, hoy en día, manejan enormes cantidades de información y el hombre a nivel individual, se enfrenta diariamente ante este reto, para poder sobrevivir. Ya en el año de 1958 los Estados Unidos, estaban gastando el 30% de su producto interno bruto en la industria del conocimiento, es decir, lo que requiere y produce información, educación, comunicación, investigación; esta cifra para 1963 ascendió al 43%, siendo en 1977 del 46% y para el presente año, se espera una inversión del 49%, con una dedicación de más del 50% de la fuerza de trabajo dedicada a labores relacionadas con la información. Cada año se publican en el mundo 600.000 libros nuevos, 20 millones de artículos, lo cual nos obliga a preguntarnos si la mente humana, está en capacidad de procesar toda esta información que todos los días, y minuto a minuto se produce. Parece que todo esto no es posible sino con la ayuda de los equipos de computador.(AU)