All posts by GRPIAA

Cafe GRPIIA : Redes Booleanas y su aplicación en la regulación genética

Expositor: Dr. Ronaldo Fumio Hashimoto  (University of Sao Paulo, Brasil)
 
Abstract: A popular model for gene regulatory networks is the Boolean network model. In this talk, we recall a boolean model for yeast cell cycle and present the inference of the Boolean network from time-series data as a constraint satisfaction problem (CSP). We will see that this problem is ill-posed since in the sense it may have many possible solutions, or even perhaps none, having the desired properties. Then, we will present some constraint-based analysis to find gene relationships. 
 
Fecha: Jueves 15 de Octubre 
Hora: 18h00
Lugar: Aula B100 (Polivalente Biblioteca)
Incripciones en el siguiente enlace
 
Informacion del expositor:

Taller de optimización combinatoria

Fecha y hora: martes 6 de octubre a las 15:00 hrs

Lugar: aula A507

Para quienes proceden de fuera de la PUCP, a efectos de autorizar ingreso al campus, favor inscribirse en el siguiente link

Programa:

15:00 hrs.   Sistemas Multi-Agentes utilizando Aprendizaje por Refuerzo: Aplicación en Petróleo – Álvaro Talavera
16:00 hrs.   Algotirmos Evolutivos con Inspiración Cuántica, Modelos clásicos y nuevos modelos para problemas de Optimización Combinatoria-Yvan Tupac
17:00 hrs    Técnicas de optimización para el diseño de rutas de transporte público en Lima – GRPIAAA
 

TITULO: Sistemas Multi-Agentes utilizando Aprendizaje por Refuerzo: Aplicación en Petróleo

Expositor : Alvaro Talavera

Una cuestión fundamental en el área de neurociencia comportamental concierne en los proceso de decisión, por el cual animales y seres humanos selecciona acciones en el sentido de la recompensa y punición. Una técnica computacional que emula este sistema de aprendizaje es aprendizaje por refuerzo o “Reinforcement Learning – RL”. La presentación abordara una introducción a la teoría de Agentes y sistemas Multi-Agentes por mediante de RL y una aplicación en la producción oleo en un reservatorio de petróleo.

short Bio:

Posee graduación en Ingeniería Electrónica en la Universidad Católica de Santa María (2002). Maestría en Ingeniería Eléctrica por la Pontificia Universidad Católica do Rio de Janeiro (2010), con especialidad en métodos de apoyo a decisión utilizando inteligencia computacional aplicada. Doctor en Ingeniería Eléctrica en la Pontificia Universidad Católica do Rio de Janeiro (2014) con especialidad en el área de procesamiento de señales, control y automatización. Investigador principal en el Grupo de Tecnologia e Engenharia de Petróleo, GTEP – Brasil (2012). Coordinador de investigación de en Laboratorio de Inteligencia Computacional Aplicada – Puc-Rio (2014). Actualmente, profesor del Departamento Académico de Ingeniería, de la Universidad del Pacífico (2015). Áreas de Investigación: Inteligencia computacional, métodos de apoyo a decisión, Teoría de multi-agentes,Optimización, Control robusto y sistemas de control distribuidos.

 

TITULO: Algotirmos Evolutivos con Inspiración Cuántica, Modelos clásicos y nuevos modelos para problemas de Optimización Combinatoria.

Expositor: Yván J. Túpac Valdivia

Esta presentación mostrará el surgimiento de los algoritmos de Inspiración Cuántica, que basados en el paradigma de Computación Cuántica logran implementar heurísticas de búsqueda dirigida más eficientes que los modelos basados en el paradigma Neo-darwiniano. Se mostrará el modelo basado en Q-bits QIEA-B, y una nueva propuesta llamada G-QIEA que extiende el mecanismo de búsqueda a problemas de optimización combinatoria más genéricos, mostrando ejemplos y comparaciones con los modelos QIEA-B y modelos evolutivos convencionales notándose que estos modelos son más eficientes tanto en la rapidez de la búsqueda como en el uso de recursos computacionales.

short Bio:

Con pregrado en Ingeniería Electrónica (UNSA, 1995), Maestría en Ingeniería Eléctrica (PUC-Rio, 2000) y Doctorado (PUC-Rio, 2005) en Ingeniería Eléctrica. Trabaja actualmente como docente e investigador acreditado en Ciencia de la Computación en la Universidad Católica San Pablo (UCSP). Posee experiencia en Ciencia de la Computación con énfasis en Inteligencia Computacional (Redes neuronales, algoritmos evolutivos, lógica difusa, aprendizaje por refuerzo, sistemas clasificadores) y actuación principal en proyectos de Investigación y Desarrollo en Ingeniería de Petróleo, Energía Eléctrica, Evaluación de Proyectos, Análisis de Riesgo, Control y Automatización de Procesos, Sistemas de redes de Comunicación, Computación Distribuida, Sistemas Electrónicos y Digitales.

Participa de las siguientes sociedades: Society of Petroleum Engineers (SPE), Sociedad Peruana de Computación (SPE), Institute of Electrical and Electronic Engineers (IEEE) en las Sociedades de Computación (IEEE-CS) y de Inteligencia Computacional (IEEE-CIS), También es revisor de Journal of Petroleum Science and Engineering (Elsevier), miembro del cuerpo editorial de la Revista CompuScientia (Peru), miembro del LA-CCI Steering Committee, CLEI Committee y ganador de los Premios Petrobras de Tecnología edición 2005 y 2007.

 

Cafe GRPIAA Big (Rich) Data

Tema: Big (Rich) Data
Expositor: Dr. Osmar R. Zaiane (University of Alberta – Canada)
Lugar: Sala B100 (Polivalente del sótano 1 de la Biblioteca)
Fecha: Jueves 10 de Setiembre 2015.
Hora: 18:00 hrs.

 

 
Para quienes proceden de fuera de la PUCP, a efectos de autorizar ingreso al campus, favor inscribirse en el siguiente link
 
Short bio:
Osmar R. Zaiane is a Professor in Computing Science at the University of Alberta, Canada, and Scientific Director of the Alberta Innovates Centre for Machine Learning (AICML). Dr. Zaiane joined the University of Alberta in July of 1999. He obtained a Master's degree (DEA) in Electronics at the University of Paris, France, in 1989 and a Master's degree in Computer Science at Laval University, Canada, in 1992. He obtained his Ph.D. from Simon Fraser University, Canada, in 1999 under the supervision of Dr. Jiawei Han. His Ph.D. thesis work focused on web mining and multimedia data mining. He has research interests in novel data mining algorithms, web mining, text mining, image mining, social network analysis, and health informatics. He has published more than 150 papers in refereed international conferences and journals, and taught on all six continents. Osmar Zaiane was the Secretary-Treasurer of the ACM SIGKDD (Special Interest Group on Data Mining) and treasurer of ACM SIGHIT (Special Interest group on Health Informatics). He was the Associate Editor and Editor in Chief of the ACM SIGKDD Explorations from 2003 to 2010. He is also Associate Editor of the Knowledge and Information Systems, an International Journal, by Springer, and of the journal Data Mining and Knowledge Discovery by Springer, as well as the International Journal of Internet Technology and Secured Transactions. He was the General Chair of the IEEE International Conference on Data Mining ICDM 2011. Osmar Zaiane received the ICDM Outstanding Service Award in 2009 and the 2010 ACM SIGKDD Service Award.
Links: 
 

 

 

 

Análisis de Simetrías en Objetos 3D y su Aplicación a la Arqueología

Lugar: Aula A100 – Sala Multi-uso del Pabellón A.
Fecha: Miercoles 26 de Agosto
Hora: 18:00 hrs.
Inscripciones en el siguiente enlace

Resumen del tema:

Esta presentación aborda el análisis de simetrías en objetos 3D desde dos diferentes perspectivas: algorítmica y aplicativa. Desde el punto de vista algorítmico, la idea es proponer e implementar algoritmos eficientes para la detección de simetrías (tanto rígidas como no rígidas) en objetos 3D. El problema es más desafiante si consideramos la detección de simetríasen objetos incompletos, escenario común en objetos arqueológicos, que por su antigüedad y estado de conservación requieren ser reconstruidos computacionalmente. Desde el punto de vista de la aplicación, el software diseñado permitirá  recuperar  material arqueológico que constituye la de herencia cultural de nuestro país. El modelo computacional a desarrollar, no solo deberá considerar el aspecto morfológico/geométrico de los objetos arqueológicos, sino también lo relacionado al color y textura, características importantes de los restos de las culturas peruanas a diferencia de otras culturas. 

Short bio

Ivan Sipiran es investigador en la PUCP (Grupo de Reconocimiento de Patrones e Inteligencia Artificial Aplicada), Sección Ingeniería Informática. Realizó su post-doc en la Universidad de Konstanz – Alemania. Obtuvo su doctorado en Ciencia de la Computación en el DCC de la Universidad de Chile, bajo la supervisión del Dr. Benjamín Bustos. Fue investigador asistente en el grupo científico PRISMA de la UChile. Recibió el bachillerato en Ciencia de la Computación por la Universidad Nacional de Trujillo, donde también fue profesor de la Escuela de Computación. Es miembro de la Sociedad de Estudiantes de Ciencia de la Computación – SECC.

Sus líneas de interés son:

–       Simetría en objetos 3D

–       Búsqueda por similitud en 3D

–       Procesamiento geométrico

–       Visión computacional

Secluded Connectivity Problems, and US Grad School

Expositor: Matthew P. Johnson (City University of New York – CUNY)

Fecha: Miércoles 12 de Agosto de 2015

Hora: 18:00 hrs.

Lugar: Sala E -VEO (Pabellón Mac Gregor – primer piso)

Para visitantes externos a la PUCP, favor inscribirse en el siguiente link, a efectos de autorizar el acceso al campus: https://docs.google.com/forms/d/1s45c_5yd9MMV7qU52KUZNx38ah7u4oxC3tYfhGf_t3o/viewform?usp=send_form

Actualizacion (13/08/15)

Las diapositivas de la presentacion se encuentran en el siguiente enlace

 
Abstract: In this talk I will present an example of research problema studied by my group, and I will then discuss applying to and excellingin US computer science PhD programs.

Consider a setting where possibly sensitive information sent over a path in a network is visible to every neighbor of the path, i.e., every neighbor of some node on the path, thus including the nodes on the path itself. The exposure of a path $P$ can be measured as the number of nodes adjacent to it, denoted by $N[P]$. We show that on unweighted undirected $n$-node graphs, the problem of finding the minimum exposure path connecting a given pair of vertices is strongly inapproximable, i.e., hard to approximate within a factor of $O(2^{\log^{1-\epsilon}n})$ for any $\epsilon>0$ (under an appropriate complexity assumption), but is approximable with ratio $\sqrt{\Delta}+3$, where $\Delta$ is the maximum degree in the graph.
One of our main results concerns the class of bounded-degree graphs, which is shown to exhibit the following interesting dichotomy. On the one hand, the minimum exposure path problem is NP-hard on node-weighted or directed bounded-degree graphs (even when the máximum degree is 4). On the other hand, we present a polynomial algorithm (based on a nontrivial dynamic program) for the problem on unweighted undirected bounded-degree graphs.

Finally, I'll talk about going to grad school in the US: what makes a strong application, how to prepare, and what to do once you're there.

Matthew P. Johnson is assistant professor at Lehman College and the Graduate Center of the City University of New York (CUNY). He received his PhD in computer science from CUNY in 2010 and, after postdocs at Penn State and UCLA, joined in the CUNY faculty in 2013. His current research interests focus on algorithms, including approximation algorithms and algorithmic game theory. As an undergrad he studied philosophy and math at Columbia and at Lawrence University.


My research is mostly in "applied theoretical computer science".

Analysis of spatio-temporal data to extract complex patterns

In everyday life, we can observe many phenomena occurring in space and time simultaneously. For example, the movements of a person associate spatial information (e.g. the departure and arrival coordinates) and temporal information (e.g. the departure and arrival dates). Other applications, with more complex dynamics, are much more difficult to analyze. It is the case of  spread of infectious disease, which associates spatial and temporal information such as the number of patients, environmental or entomological data.  Yuang describes this concept of dynamics as a “set of dynamic forces impacting the behavior of a system and components, individually and collectively”.
 
In this project, we focus on spatio-temporal data mining methods to better understand the dynamics of complex systems for epidemiological surveillance. In the case of dengue or malaria epidemics, public health experts know that the evolution of the disease depends on environmental factors (e.g. climate, areas with water points, mangroves…) and  interactions between human and vector transmission (e.g. the mosquito that carries the disease). However, the impact of environmental factors and their interactions remain unclear.
 
To address these issues, spatio-temporal data mining provides highly relevant solutions through the identification of relationships among variables and events, characterized in space and time without a priori hypothesis. For example, in our context, we will discover combinations of changes in environmental factors that lead epidemic peaks in specific spatial configurations. However, we know that existing methods are not completely adapted to our problem. For this reason, we will propose, in this project, new algorithms to extract spatio-temporal patterns. These algorithms can be used for analysis by health care professionals, to better understand how environmental factors influence the development of epidemics.
 
epidemias

Métodos de Kernels en aprendizaje profundo

svm

El aprendizaje profundo permite que los modelos computacionales  estén compuestos de multiples capas de procesamiento para aprender la representación de la información con multiples niveles de abstracción. Por su lado, los métodos de Kernels son un conjunto de modelos para el reconocimiento de patrones. Entre uno de los modelos más conocidos de esta familia de métodos están las Support Vector Machines, Support Vector Regression, Kernel Means, Kernel PCA, etc.

En esta charla, se discutiran acerca de los fundamentos que se encuentran detrás de este tipo de modelos, usando como ejemplo de  base las Support Vector Machines así como su acoplamiento con redes profundas (Deep Networks).

Fecha: Jueves 18 de Junio 2015

Hora: 18:00 hrs.

Lugar: Sala Polivalente A100 (Pabellón A de la PUCP).

Para acceder al campus, favor inscribirse en el siguiente Link :

Short Bio: Edgar Marca nació en Lima, Perú y obtuvo su bachillerato en computación científica en la UNMSM. Actualmente estudia los fundamentos matemáticos de los métodos de Kernel y aprendizaje profundo. Edgar es posgraduando en el Laboratorio Nacional de Computación Científica en Brazil e invetigador invitado del GRPIAA.

Actualizacion:

Agradescemos a todos los asistentes por su prescencia.

Las diapositivas del evento se encuentran en el siguiente link grpiaa-kernels-deep-learning-2015

 

 

Taller de inteligencia artificial en videojuegos en VIVE PUCP 2015

Este pasado domingo 31 de mayo participamos en la feria vocacional escolar VIVE PUCP 2015 en donde, como parte de los talleres vivenciales ofrecidos a los asistentes, se ejecutó el taller "Inteligencia Artificial aplicada al Desarrollo de Videojuegos con Kodu" dirigido por Eduardo Cortavitarte y Victor Cardenas.

En el taller se explicó a los escolares en que consiste la Inteligencia Artificial, en que difiere con las representaciones conocidas por obras de ficción y que tipo de proyectos realiza el GRPIAA resolviendo problemas reales con ella. Luego se hizo un repaso de su aplicación en el desarrollo de videojuegos empleando ejemplos reconocibles y explicando su funcionamiento. Finalmente se les guió en la creación de un sencillo videojuego de carreras empleando la herramienta Kodu para darles un acercamiento a la programación de comportamientos dentro de un entorno virtual.

El taller tuvo una recepción bastante positiva y se tuvo que impartir una segunda vez debido a la gran cantidad de interesados. Fue una grata experiencia que esperamos repetir, acercando a los interesados jóvenes a esta área de las ciencias de la computación.

Algunas fotos del taller:

foto

DSCF1099

DSCF1105

DSCF1117 

 

 

 

Aceptacion de Papers en el CAIP 2015

 

Felicitamos a Rosario Medina, Luis Guzmán, Hugo Alatrista, Cesar Beltran por la aceptación de su paper "Sperm cells segmentation in micrographic images through Lambertian color model" en  Conference on Computer Analysis of Image and Patterns (CAIP 2015).

De igual modo a Arturo Oncevay, Ronald Juarez, Sofía Khlebnikov y César Beltrán por su paper "Leaf-based plant identification through morphological characterization in digital images" aceptado también en en la misma conferencia.


Mas informacion sobre la conferencia CAIP 2015
http://caip.eu.org/caip2015/

 

Café GRPIAA – Procesamiento de Señales en el Estudio de la Dinámica de los Ríos

logoCafe

Título: Procesamiento de Señales en el Estudio de la Dinámica de los Ríos

Expositor: Dr. Ronald Roger Gutierrez Llantoy

El procesamiento de señales se basa en la representación, transformación y manipulación de señales para su ampliación e interpretación de las mismas, las cuales pueden provenir de diferentes fuentes. Por otro lado, distintas áreas o disciplinas se enfocan en el procesamiento de señales, entre las cuales se encuentran las siguientes: telecomunicaciones, medicina, arqueología, informática, etc.

Dentro de los diferentes tipos de procesamiento de señales, por su naturaleza, uno de los más conocidos e importantes es el procesamiento analógica de señales. Por ejemplo, los filtros electrónicos son utilizados en los radios y telefonía.

El comportamiento de las señales también puede ser modelado matemáticamente y se representa en un domintio de tiempo y frecuencia. Asimismo, dentro de las herramientas más conocidas para tratar esos modelos matemáticos son la transformada de Fourier, transformada de Laplace, transformadas tipo Wavelet, entre otros.
Para conocer un poco más sobre los puntos mencionados anteriormente y su aplicación en el estudio de dinámica de ríos, les invitamos a participar de este Café gratuito, el cual se llevará a cabo en el aula 502 del Pabellón A, el día Jueves 04 de Junio a las 4:00pm.

Inscripciones en el siguiente enlace hasta el día miércoles 03 de Junio a las 4:00pm.

Shortbio del expositor:

Ingeniero Civil con doctorado en Recursos Hídricos. Su investigación se concentró en la aplicación de técnicas de procesamiento de señales como transformadas tipo wavelet de una y dos dimensiones y técnicas estadísticas para el estudio de señales geofísicas que describen las morfodinámica e hidrodinámica de los ríos. Propuso una técnica para discriminar las formar de fondo en base a las escalas de longitud de onda (rizos, dunas, barras), y una metodología para el análisis estadístico para la clasificación de ríos meándricos basados en la entropía de la curvatura. La primera técnica fue aplicada en estudio de los patrones de las formas de fondo del rio Paraná y tiene potencial para analizar la navegabilidad en grandes ríos. La segunda técnica fue usada en el estudio del Red River para un proyecto supervisado por el Cuerpo de Ingenieros del Ejército de los Estados Unidos y será adoptado como técnica estándar en la plataforma del RVR meander (www.rvrmeander.org), uno de los programas más ampliamente usados para el modelamiento de ríos meándricos.