http://sedici.unlp.edu.ar:80/handle/10915/177969 2026-07-14T01:29:42Z 2026-07-14T01:29:42Z Middagh, Paula M. Cuezzo, Ana M. Araujo, Paula Z. Mele, Fernando D. http://sedici.unlp.edu.ar:80/handle/10915/178020 2025-05-06T17:17:49Z 2025-04-01T00:00:00Z

Articulo Producción de combustible sostenible de aviación: estudio tecno-económico basado en simulación de procesos 53 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad Nacional del Sur, 12 al 16 de agosto de 2024); Electronic Journal of SADIO; vol. 24, no. 1 Este estudio analiza la producción de kerosén parafínico sintético a partir de bioetanol derivado de la industria sucroalcoholera del noroeste argentino. El diseño conceptual del proceso se desarrolló utilizando el simulador UniSim® Design v490, lo que permitió definir el diagrama de flujo, optimizar las condiciones operativas y evaluar la viabilidad técnica mediante indicadores clave. Se alcanzó un rendimiento global de 0,59 kg de hidrocarburos por kilogramo de etanol, con una conversión del 97,1% en la etapa de deshidratación. La integración energética redujo el consumo de servicios auxiliares en un 34%. El análisis económico indicó una viabilidad financiera con un valor actual neto de 19 millones de dólares y una tasa interna de retorno del 14%. Este enfoque propone diversificar la cartera de productos de la biorrefinería de caña de azúcar, aprovechando recursos regionales y destacando el papel de la simulación computacional en el diseño de procesos químicos sostenibles.; This study investigates the production of synthetic paraffinic kerosene from bioethanol produced by the sugarcane industry in Northwest Argentina. The conceptual process design was developed using UniSim® Design v490, which allowed the definition of the process flowsheet, optimisation of operating conditions, and assessment of technical feasibility assessment through key performance indicators. The process achieved an overall yield of 0.59 kg of hydrocarbons per kg of ethanol, with a 97.1% conversion rate in the dehydration stage. Heat integration reduced the auxiliary energy requirement by 34%. The economic analysis showed financial feasibility, with a net present value of USD 19 million and an internal rate of return of 14%. This approach aims to diversify the product portfolio of sugarcane biorefineries, leveraging regional resources and highlighting the role of process simulation tools in the design of sustainable chemical processes.

2025-04-01T00:00:00Z Este estudio analiza la producción de kerosén parafínico sintético a partir de bioetanol derivado de la industria sucroalcoholera del noroeste argentino. El diseño conceptual del proceso se desarrolló utilizando el simulador UniSim® Design v490, lo que permitió definir el diagrama de flujo, optimizar las condiciones operativas y evaluar la viabilidad técnica mediante indicadores clave. Se alcanzó un rendimiento global de 0,59 kg de hidrocarburos por kilogramo de etanol, con una conversión del 97,1% en la etapa de deshidratación. La integración energética redujo el consumo de servicios auxiliares en un 34%. El análisis económico indicó una viabilidad financiera con un valor actual neto de 19 millones de dólares y una tasa interna de retorno del 14%. Este enfoque propone diversificar la cartera de productos de la biorrefinería de caña de azúcar, aprovechando recursos regionales y destacando el papel de la simulación computacional en el diseño de procesos químicos sostenibles. This study investigates the production of synthetic paraffinic kerosene from bioethanol produced by the sugarcane industry in Northwest Argentina. The conceptual process design was developed using UniSim® Design v490, which allowed the definition of the process flowsheet, optimisation of operating conditions, and assessment of technical feasibility assessment through key performance indicators. The process achieved an overall yield of 0.59 kg of hydrocarbons per kg of ethanol, with a 97.1% conversion rate in the dehydration stage. Heat integration reduced the auxiliary energy requirement by 34%. The economic analysis showed financial feasibility, with a net present value of USD 19 million and an internal rate of return of 14%. This approach aims to diversify the product portfolio of sugarcane biorefineries, leveraging regional resources and highlighting the role of process simulation tools in the design of sustainable chemical processes. Vega, Alejandro Bilbao, Martín Falappa, Marcelo Alejandro http://sedici.unlp.edu.ar:80/handle/10915/178019 2025-05-06T17:17:49Z 2025-04-01T00:00:00Z

Articulo Evaluación de estrés laboral mediante técnicas de reconocimiento emocional y ritmo cardíaco 53 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad Nacional del Sur, 12 al 16 de agosto de 2024); Electronic Journal of SADIO; vol. 24, no. 1 This study aims to develop a mechanism to evaluate employee health through emotion recognition (ER) analysis and heart rate measurement, with the goal of establishing correlations with stress levels. It is the second phase of a previous study, where current results will be compared to those previously obtained. In both studies, biometric devices such as cameras were used to capture facial images analyzed with artificial intelligence, and sensors in mobile phones or smartwatches to record heart rate. Given the challenge of emotion detection, we propase using the DeepFace algorithm for facial emotion recognition, which has demonstrated a 94% accuracy. Additionally, employees will complete a self-administered questionnaire about their emotional and mental state (neutral, tired, energized), allowing for a comparison between detected emotions and subjective reports. This will provide a better understanding of the accuracy of emotion recognition and contribute to improving health status evaluation.; Este estudio tiene como objetivo desarrollar un mecanismo para evaluar la salud de los empleados mediante el análisis de reconocimiento de emociones (RE) y la medición del ritmo cardíaco, con el fin de establecer correlaciones con los niveles de estrés. Se trata de la segunda fase de un estudio previo, en la que se compararán los resultados actuales con los obtenidos anteriormente. En ambos estudios se utilizaron dispositivos biométricos, como cámaras para capturar imágenes faciales analizadas con inteligencia artificial y sensores en teléfonos móviles o relojes inteligentes para registrar el ritmo cardíaco. Dado el desafío que representa la detección de emociones, proponemos utilizar el algoritmo Deep- Face para el reconocimiento facial de emociones, el cual ha demostrado una precisión del 94%. Además, los empleados completarán un cuestionario autoadministrado sobre su estado emocional y anímico ( neutral, cansado, con energía), lo que permitirá comparar las emociones detectadas con los informes subjetivos. Esto proporcionará una mayor comprensión sobre la precisión del reconocimiento emocional y contribuirá a mejorar la evaluación del estado de salud.

2025-04-01T00:00:00Z This study aims to develop a mechanism to evaluate employee health through emotion recognition (ER) analysis and heart rate measurement, with the goal of establishing correlations with stress levels. It is the second phase of a previous study, where current results will be compared to those previously obtained. In both studies, biometric devices such as cameras were used to capture facial images analyzed with artificial intelligence, and sensors in mobile phones or smartwatches to record heart rate. Given the challenge of emotion detection, we propase using the DeepFace algorithm for facial emotion recognition, which has demonstrated a 94% accuracy. Additionally, employees will complete a self-administered questionnaire about their emotional and mental state (neutral, tired, energized), allowing for a comparison between detected emotions and subjective reports. This will provide a better understanding of the accuracy of emotion recognition and contribute to improving health status evaluation. Este estudio tiene como objetivo desarrollar un mecanismo para evaluar la salud de los empleados mediante el análisis de reconocimiento de emociones (RE) y la medición del ritmo cardíaco, con el fin de establecer correlaciones con los niveles de estrés. Se trata de la segunda fase de un estudio previo, en la que se compararán los resultados actuales con los obtenidos anteriormente. En ambos estudios se utilizaron dispositivos biométricos, como cámaras para capturar imágenes faciales analizadas con inteligencia artificial y sensores en teléfonos móviles o relojes inteligentes para registrar el ritmo cardíaco. Dado el desafío que representa la detección de emociones, proponemos utilizar el algoritmo Deep- Face para el reconocimiento facial de emociones, el cual ha demostrado una precisión del 94%. Además, los empleados completarán un cuestionario autoadministrado sobre su estado emocional y anímico ( neutral, cansado, con energía), lo que permitirá comparar las emociones detectadas con los informes subjetivos. Esto proporcionará una mayor comprensión sobre la precisión del reconocimiento emocional y contribuirá a mejorar la evaluación del estado de salud. López Pérez, Jorge I. Taire, Damián Leonardo Delrieux, Claudio http://sedici.unlp.edu.ar:80/handle/10915/178018 2025-05-06T17:17:49Z 2025-04-01T00:00:00Z

Articulo Automated diagnosis of pediatric pulmonary auscultation using deep neural networks 53 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad Nacional del Sur, 12 al 16 de agosto de 2024); Electronic Journal of SADIO; vol. 24, no. 1 En este trabajo se investiga la implementación de redes neuronales profundas en la clasificación de sonidos respiratorios, una tarea determinante para el diagnóstico de enfermedades pulmonares. Para esta labor, se emplea la arquitectura VGG-16, reconocida por su eficacia en la clasificación de imágenes, la cual ha sido adaptada para procesar datos de audio. Se realizaron la recopilación y preprocesamiento del conjunto de datos de sonidos respiratorios, utilizando coeficientes cepstrales de frecuencia de Mel (MFCC´s) como entrada de la red. Los resultados obtenidos revelan un rendimiento significativo, con una precisión del 79% en la clasificación de sonidos respiratorios. Este resultado resalta el potencial de las redes neuronales convolucionales pre entrenadas en el campo médico. Sin embargo, persisten desafíos por superar, como la necesidad de conjuntos de datos más amplios y una comprensión más profunda de los resultados para su implementación clínica efectiva.; This study investigates the implementation of deep neural networks in the classification of respiratory sounds, a crucial task for diagnosing pulmonary diseases. For this purpose, the VGG-16 architecture, renowned for its effectiveness in image classification, was adapted to process audio data. The respiratory sound dataset was collected and preprocessed using Mel-frequency cepstral coefficients (MFCCs) as input to the network. The results reveal significant performance, achieving 79% accuracy in classifying respiratory sounds. This outcome highlights the potential of pre-trained convolutional neural networks in the medical field. However, challenges remain, such as the need for larger datasets and a deeper understanding of the results for effective clinical implementation.

2025-04-01T00:00:00Z En este trabajo se investiga la implementación de redes neuronales profundas en la clasificación de sonidos respiratorios, una tarea determinante para el diagnóstico de enfermedades pulmonares. Para esta labor, se emplea la arquitectura VGG-16, reconocida por su eficacia en la clasificación de imágenes, la cual ha sido adaptada para procesar datos de audio. Se realizaron la recopilación y preprocesamiento del conjunto de datos de sonidos respiratorios, utilizando coeficientes cepstrales de frecuencia de Mel (MFCC´s) como entrada de la red. Los resultados obtenidos revelan un rendimiento significativo, con una precisión del 79% en la clasificación de sonidos respiratorios. Este resultado resalta el potencial de las redes neuronales convolucionales pre entrenadas en el campo médico. Sin embargo, persisten desafíos por superar, como la necesidad de conjuntos de datos más amplios y una comprensión más profunda de los resultados para su implementación clínica efectiva. This study investigates the implementation of deep neural networks in the classification of respiratory sounds, a crucial task for diagnosing pulmonary diseases. For this purpose, the VGG-16 architecture, renowned for its effectiveness in image classification, was adapted to process audio data. The respiratory sound dataset was collected and preprocessed using Mel-frequency cepstral coefficients (MFCCs) as input to the network. The results reveal significant performance, achieving 79% accuracy in classifying respiratory sounds. This outcome highlights the potential of pre-trained convolutional neural networks in the medical field. However, challenges remain, such as the need for larger datasets and a deeper understanding of the results for effective clinical implementation. Pacheco, Federico Staino, Diego http://sedici.unlp.edu.ar:80/handle/10915/178017 2025-05-06T17:17:49Z 2025-04-01T00:00:00Z

Articulo Cybersecurity exposure management 53 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad Nacional del Sur, 12 al 16 de agosto de 2024); Electronic Journal of SADIO; vol. 24, no. 1 La gestión de la exposición en ciberseguridad es una nueva área de estudio considerada dentro de la Ciberdefensa Activa, centrada en la aplicación del concepto de exposición proveniente de la gestión de riesgos organizacionales. La misma extiende las ideas y prácticas de la gestión de vulnerabilidades y amenazas, para darle un enfoque generalizado y abarcativo, que permite interpretar el conjunto integral a través de la lente de los riesgos. En este trabajo se analiza el estado del arte de los conceptos y aplicaciones de la gestión de la exposición en ciberseguridad, y se presenta un enfoque para su aplicabilidad en organizaciones. La contribución propuesta está relacionada con la inexistencia previa de contenidos académicos sobre la temática, dada su reciente aparición.; Exposure management in cybersecurity is a new area of study considered within Active Cyber Defense, focused on the application of the concept of exposure from organizational risk management. It extends the ideas and practices of vulnerability and threat management to give it a generalized and comprehensive approach, which allows interpreting the whole through the lens of risks. This paper analyzes the state of the art of the concepts and applications of exposure management in cybersecurity and presents an approach for its applicability in organizations. The proposed contribution is related to the lack of previous academic content on the subject, given its recent appearance.

2025-04-01T00:00:00Z La gestión de la exposición en ciberseguridad es una nueva área de estudio considerada dentro de la Ciberdefensa Activa, centrada en la aplicación del concepto de exposición proveniente de la gestión de riesgos organizacionales. La misma extiende las ideas y prácticas de la gestión de vulnerabilidades y amenazas, para darle un enfoque generalizado y abarcativo, que permite interpretar el conjunto integral a través de la lente de los riesgos. En este trabajo se analiza el estado del arte de los conceptos y aplicaciones de la gestión de la exposición en ciberseguridad, y se presenta un enfoque para su aplicabilidad en organizaciones. La contribución propuesta está relacionada con la inexistencia previa de contenidos académicos sobre la temática, dada su reciente aparición. Exposure management in cybersecurity is a new area of study considered within Active Cyber Defense, focused on the application of the concept of exposure from organizational risk management. It extends the ideas and practices of vulnerability and threat management to give it a generalized and comprehensive approach, which allows interpreting the whole through the lens of risks. This paper analyzes the state of the art of the concepts and applications of exposure management in cybersecurity and presents an approach for its applicability in organizations. The proposed contribution is related to the lack of previous academic content on the subject, given its recent appearance. López, Claudio Molina, Alejando http://sedici.unlp.edu.ar:80/handle/10915/177989 2025-05-06T17:17:49Z 2025-04-01T00:00:00Z

Articulo Ciberdefense: Cyber attribution advice tool model using neural networks , validated through real cases 53 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad Nacional del Sur, 12 al 16 de agosto de 2024); Electronic Journal of SADIO; vol. 24, no. 1 La Ciberatribución es una parte fundamental de la ciberdefensa de un Estado. La tarea de asignar un responsable de una ciberagresion (y sobre todo si este lo constituye otro Estado) es realmente complicada teniendo en cuenta el avance tecnológico de herramientas afines a los objetivos de los ciberatacantes. Esta actividad (o sea la Ciberatribucion) es fundamental para crear una verdadera disuasión que desaliente la realización de los mencionados ataques. Por otro lado, la ciencia informática ha desarrollado de manera vertiginosa, la teoría y el empleo de cientos de herramientas de inteligencia artificial que se ven en nuestra vida diaria, y en las que se usan redes neuronales. Las redes neuronales se nutren de miles de datos y sus resultados son más que aceptables para la optimización, clasificación o predicción. Las fuentes de ingreso de esos datos pueden ser totalmente variadas y de acuerdo con su cantidad se puede afirmar que se logrará mayor o menor precisión en la salida. Se propone demostrar que las redes neuronales en el contexto de los procedimientos de la Ciberatribucion pueden ser empleadas con éxito como una herramienta de asesoramiento en la determinación del origen de un ataque cibernético a una infraestructura que posea una función crítica. Si bien existen estudios referidos a este tema, la particularidad de este trabajo es la de inscribirse en el ámbito de ciberdefensa propio en un todo de acuerdo con la legislación nacional vigente; Cyberatribution is a fundamental part of the cyberdefense of a State. The task of assigning a person responsible for a cyber aggression (and especially if this constitutes another State) is really complicated taking into account the technological advance of tools related to the objectives of cyber attackers. This activity (that is, cyberatribution) is essential to create a true deterrence that discourages the realized attacks. On the other hand, computer science has developed vertiginously, the theory and use of hundreds of artificial intelligence tools that are seen in our daily lives, and in which neural networks are used. Neuronal networks are nourished by thousands of data and their results are more than acceptable for optimization, classification or prediction. The sources of entry of this data can be totally varied and according to their amount it can be affirmed that greater or lesser precision will be achieved at the output. It is proposed to demonstrate that neuronal networks in the context of cyberatribution procedures can be successfully used as an advice tool in determining the origin of a cyber attack to an infrastructure that possesses a critical function. While there are studies referring to this issue, the particularity of this work is to register in the field of own cyberdefense in a whole in accordance with current national legislation

2025-04-01T00:00:00Z La Ciberatribución es una parte fundamental de la ciberdefensa de un Estado. La tarea de asignar un responsable de una ciberagresion (y sobre todo si este lo constituye otro Estado) es realmente complicada teniendo en cuenta el avance tecnológico de herramientas afines a los objetivos de los ciberatacantes. Esta actividad (o sea la Ciberatribucion) es fundamental para crear una verdadera disuasión que desaliente la realización de los mencionados ataques. Por otro lado, la ciencia informática ha desarrollado de manera vertiginosa, la teoría y el empleo de cientos de herramientas de inteligencia artificial que se ven en nuestra vida diaria, y en las que se usan redes neuronales. Las redes neuronales se nutren de miles de datos y sus resultados son más que aceptables para la optimización, clasificación o predicción. Las fuentes de ingreso de esos datos pueden ser totalmente variadas y de acuerdo con su cantidad se puede afirmar que se logrará mayor o menor precisión en la salida. Se propone demostrar que las redes neuronales en el contexto de los procedimientos de la Ciberatribucion pueden ser empleadas con éxito como una herramienta de asesoramiento en la determinación del origen de un ataque cibernético a una infraestructura que posea una función crítica. Si bien existen estudios referidos a este tema, la particularidad de este trabajo es la de inscribirse en el ámbito de ciberdefensa propio en un todo de acuerdo con la legislación nacional vigente Cyberatribution is a fundamental part of the cyberdefense of a State. The task of assigning a person responsible for a cyber aggression (and especially if this constitutes another State) is really complicated taking into account the technological advance of tools related to the objectives of cyber attackers. This activity (that is, cyberatribution) is essential to create a true deterrence that discourages the realized attacks. On the other hand, computer science has developed vertiginously, the theory and use of hundreds of artificial intelligence tools that are seen in our daily lives, and in which neural networks are used. Neuronal networks are nourished by thousands of data and their results are more than acceptable for optimization, classification or prediction. The sources of entry of this data can be totally varied and according to their amount it can be affirmed that greater or lesser precision will be achieved at the output. It is proposed to demonstrate that neuronal networks in the context of cyberatribution procedures can be successfully used as an advice tool in determining the origin of a cyber attack to an infrastructure that possesses a critical function. While there are studies referring to this issue, the particularity of this work is to register in the field of own cyberdefense in a whole in accordance with current national legislation Sosa, Dianela Papa, María Fernanda Becker, Pablo Olsina Santos, Luis Antonio http://sedici.unlp.edu.ar:80/handle/10915/177988 2025-05-06T17:17:49Z 2025-04-01T00:00:00Z

Articulo Deriving Attributes from Google's Java Style Guide and Quantifying Them Using Metrics 53 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad Nacional del Sur, 12 al 16 de agosto de 2024); Electronic Journal of SADIO; vol. 24, no. 1 Habitualmente, en el desarrollo de software intervienen equipos numerosos y descentralizados, lo que representa un desafío para que el software sea fácilmente entendido y mantenido. Esta situación pone de manifiesto la necesidad de codificar programas de software siguiendo guías de estilo para el lenguaje usado, que sean claras y conocidas por los desarrolladores. No obstante, su utilización puede ser compleja, especialmente para desarrolladores juniors o en contextos con plazos ajustados. En este sentido, es importante contar no solo con un enfoque que permita mapear las guías a atributos y estos a sus métricas, sino también con una herramienta que chequee y recomiende mejoras cuando el código no adhiera a dichas guías. Este artículo ejemplifica el uso de un enfoque sistemático que mapea guías de estilo de programación a atributos y a sus métricas que los cuantifican. Además, muestra el empleo de la herramienta JavaStyleInspector para analizar código Java y generar reportes que permitan la mejora rápida del código en favor de cumplir con la Google Java Style Guide. Su uso puede influir positivamente tanto en la enseñanza de las guías de estilo en carreras relacionadas a informática como en el trabajo diario de un profesional de la industria de software.; Software development typically involves large, decentralized teams, making it difficult to create software that is easy to understand and maintain. This situation highlights the need to code software programs following clear and widely recognized style guides for the language used. However, applying these guides can be complex, especially for junior developers or in timesensitive scenarios. In this sense, it is important to have not only an approach that allows mapping the guides to attributes and these to their metrics, but also a tool that checks and recommends improvements when the code does not adhere to these guides. This paper illustrates the use of a systematic approach that maps programming style guides to attributes and the metrics that quantify them. Additionally, it demonstrates the use of the JavaStyleInspector tool to analyze Java code and generate reports that facilitate rapid code improvement in alignment with the Google Java Style Guide. The tool's application can have a positive impact on the teaching of style guides in computer science-related careers and on the daily work of a software industry professional.

2025-04-01T00:00:00Z Habitualmente, en el desarrollo de software intervienen equipos numerosos y descentralizados, lo que representa un desafío para que el software sea fácilmente entendido y mantenido. Esta situación pone de manifiesto la necesidad de codificar programas de software siguiendo guías de estilo para el lenguaje usado, que sean claras y conocidas por los desarrolladores. No obstante, su utilización puede ser compleja, especialmente para desarrolladores juniors o en contextos con plazos ajustados. En este sentido, es importante contar no solo con un enfoque que permita mapear las guías a atributos y estos a sus métricas, sino también con una herramienta que chequee y recomiende mejoras cuando el código no adhiera a dichas guías. Este artículo ejemplifica el uso de un enfoque sistemático que mapea guías de estilo de programación a atributos y a sus métricas que los cuantifican. Además, muestra el empleo de la herramienta JavaStyleInspector para analizar código Java y generar reportes que permitan la mejora rápida del código en favor de cumplir con la Google Java Style Guide. Su uso puede influir positivamente tanto en la enseñanza de las guías de estilo en carreras relacionadas a informática como en el trabajo diario de un profesional de la industria de software. Software development typically involves large, decentralized teams, making it difficult to create software that is easy to understand and maintain. This situation highlights the need to code software programs following clear and widely recognized style guides for the language used. However, applying these guides can be complex, especially for junior developers or in timesensitive scenarios. In this sense, it is important to have not only an approach that allows mapping the guides to attributes and these to their metrics, but also a tool that checks and recommends improvements when the code does not adhere to these guides. This paper illustrates the use of a systematic approach that maps programming style guides to attributes and the metrics that quantify them. Additionally, it demonstrates the use of the JavaStyleInspector tool to analyze Java code and generate reports that facilitate rapid code improvement in alignment with the Google Java Style Guide. The tool's application can have a positive impact on the teaching of style guides in computer science-related careers and on the daily work of a software industry professional. Vargas, Francisco González Coene, Alejandro Escalante, Gastón Lobón, Exequiel Pulido, Manuel http://sedici.unlp.edu.ar:80/handle/10915/177987 2025-05-06T17:17:49Z 2025-04-01T00:00:00Z

Articulo El impacto del ajuste fino de LLaMA en las alucinaciones para la extracción de entidades nombradas en documentos legales 53 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad Nacional del Sur, 12 al 16 de agosto de 2024); Electronic Journal of SADIO; vol. 24, no. 1 The extraction of information about traffic accidents from legal documents is crucial for quantifying insurance company costs. Extracting entities such as percentages of physical and/or psychological disability and the involved compensation amounts is a challenging process, even for experts, due to the subtle arguments and reasoning in the court decision. A two-step procedure is proposed: first, segmenting the document identifying the most relevant segments, and then extracting the entities. For text segmentation, two methodologies are compared: a classic method based on regular expressions and a second approach that divides the document into blocks of n-tokens, which are then vectorized using multilingual models for semantic searches (text-embedding-ada- 002/MiniLM-L12-v2). Subsequently, large language models (LLaMA-2 7b, 70b, LLaMA-3 8b, and GPT-4 Turbo) are applied with prompting to the selected segments for entity extraction. For the LLaMA models, finetuning is performed using LoRA. LLaMA-2 7b, even with zero temperature, shows a significant number of hallucinations in extractions which are an important contention point for named entity extraction. This work shows that these hallucinations are substantially reduced after finetuning the model. The performance of the methodology based on segment vectorization and subsequent use of LLMs significantly surpasses the classic method which achieves an accuracy of 39.5%. Among open-source models, LLaMA-2 70B with finetuning achieves the highest accuracy 79.4%, surpassing its base version 61.7%. Notably, the base LLaMA-3 8B model already performs comparably to the finetuned LLaMA-2 70B model, achieving 76.6%, highlighting the rapid progress in model development. Meanwhile, GPT-4 Turbo achieves the highest accuracy at 86.1%.; La extracción de información sobre accidentes de tráfico a partir de documentos legales es crucial para cuantificar los costes de las aseguradoras. Extraer entidades como los porcentajes de discapacidad física o psicológica y las indemnizaciones implicadas es un proceso complejo, incluso para expertos, debido a la sutileza de los argumentos y razonamientos de la sentencia judicial. Se propone un procedimiento en dos pasos: primero, segmentar el documento identificando los segmentos más relevantes y, posteriormente, extraer las entidades. Para la segmentación de texto, se comparan dos metodologías: un método clásico basado en expresiones regulares y un segundo enfoque que divide el documento en bloques de n-tokens, que posteriormente se vectorizan mediante modelos multilingües para búsquedas semánticas (text-embedding-ada- 002/MiniLM-L12-v2). Posteriormente, se aplican modelos de lenguaje grandes (LLaMA-2 7b, 70b, LLaMA-3 8b y GPT-4 Turbo) con prompts a los segmentos seleccionados para la extracción de entidades. Para los modelos LLaMA, se realiza un ajuste fino mediante LoRA. LLaMA-2 7b, incluso a temperatura cero, presenta un número significativo de alucinaciones en las extracciones, lo cual constituye un importante punto de contención para la extracción de entidades nombradas. Este trabajo demuestra que estas alucinaciones se reducen sustancialmente tras el ajuste fino del modelo. El rendimiento de la metodología basada en la vectorización de segmentos y el posterior uso de LLM supera significativamente al método clásico, que alcanza una precisión del 39,5 %. Entre los modelos de código abierto, LLaMA-2 70B con ajuste fino alcanza la mayor precisión, con un 79,4 %, superando a su versión base con 61,7 %. Cabe destacar que el modelo base LLaMA-3 8B ya presenta un rendimiento comparable al del modelo LLaMA-2 70B ajustado, alcanzando un 76,6 %, lo que demuestra el rápido progreso en el desarrollo del modelo. Por otro lado, GPT-4 Turbo alcanza la mayor precisión, con un 86,1 %.

2025-04-01T00:00:00Z The extraction of information about traffic accidents from legal documents is crucial for quantifying insurance company costs. Extracting entities such as percentages of physical and/or psychological disability and the involved compensation amounts is a challenging process, even for experts, due to the subtle arguments and reasoning in the court decision. A two-step procedure is proposed: first, segmenting the document identifying the most relevant segments, and then extracting the entities. For text segmentation, two methodologies are compared: a classic method based on regular expressions and a second approach that divides the document into blocks of n-tokens, which are then vectorized using multilingual models for semantic searches (text-embedding-ada- 002/MiniLM-L12-v2). Subsequently, large language models (LLaMA-2 7b, 70b, LLaMA-3 8b, and GPT-4 Turbo) are applied with prompting to the selected segments for entity extraction. For the LLaMA models, finetuning is performed using LoRA. LLaMA-2 7b, even with zero temperature, shows a significant number of hallucinations in extractions which are an important contention point for named entity extraction. This work shows that these hallucinations are substantially reduced after finetuning the model. The performance of the methodology based on segment vectorization and subsequent use of LLMs significantly surpasses the classic method which achieves an accuracy of 39.5%. Among open-source models, LLaMA-2 70B with finetuning achieves the highest accuracy 79.4%, surpassing its base version 61.7%. Notably, the base LLaMA-3 8B model already performs comparably to the finetuned LLaMA-2 70B model, achieving 76.6%, highlighting the rapid progress in model development. Meanwhile, GPT-4 Turbo achieves the highest accuracy at 86.1%. La extracción de información sobre accidentes de tráfico a partir de documentos legales es crucial para cuantificar los costes de las aseguradoras. Extraer entidades como los porcentajes de discapacidad física o psicológica y las indemnizaciones implicadas es un proceso complejo, incluso para expertos, debido a la sutileza de los argumentos y razonamientos de la sentencia judicial. Se propone un procedimiento en dos pasos: primero, segmentar el documento identificando los segmentos más relevantes y, posteriormente, extraer las entidades. Para la segmentación de texto, se comparan dos metodologías: un método clásico basado en expresiones regulares y un segundo enfoque que divide el documento en bloques de n-tokens, que posteriormente se vectorizan mediante modelos multilingües para búsquedas semánticas (text-embedding-ada- 002/MiniLM-L12-v2). Posteriormente, se aplican modelos de lenguaje grandes (LLaMA-2 7b, 70b, LLaMA-3 8b y GPT-4 Turbo) con prompts a los segmentos seleccionados para la extracción de entidades. Para los modelos LLaMA, se realiza un ajuste fino mediante LoRA. LLaMA-2 7b, incluso a temperatura cero, presenta un número significativo de alucinaciones en las extracciones, lo cual constituye un importante punto de contención para la extracción de entidades nombradas. Este trabajo demuestra que estas alucinaciones se reducen sustancialmente tras el ajuste fino del modelo. El rendimiento de la metodología basada en la vectorización de segmentos y el posterior uso de LLM supera significativamente al método clásico, que alcanza una precisión del 39,5 %. Entre los modelos de código abierto, LLaMA-2 70B con ajuste fino alcanza la mayor precisión, con un 79,4 %, superando a su versión base con 61,7 %. Cabe destacar que el modelo base LLaMA-3 8B ya presenta un rendimiento comparable al del modelo LLaMA-2 70B ajustado, alcanzando un 76,6 %, lo que demuestra el rápido progreso en el desarrollo del modelo. Por otro lado, GPT-4 Turbo alcanza la mayor precisión, con un 86,1 %. Uhrig, Mariela N. Vignolo, Leandro D. Müller, Omar V. http://sedici.unlp.edu.ar:80/handle/10915/177986 2025-04-07T20:07:15Z 2025-04-01T00:00:00Z

Articulo Modelling and forecasting electricity demand: comparing statistical and machine learning approaches 53 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad Nacional del Sur, 12 al 16 de agosto de 2024); Electronic Journal of SADIO; vol. 24, no. 1 Reliable forecasting of electricity demand is essential for enhancing distribution system management by optimizing resource utilization, streamlining operational planning, and reducing service disruptions. The fluctuation of electricity demand is influenced by various external factors, such as weather conditions, yet the intricate and non-linear associations between demand and these influences present significant prediction challenges. In this study, we aim to forecast electricity demand by examining its relationship with weather variables in the province of Entre Ríos, Argentina. A recurrent neural network, specifically using long short-term memory (LSTM) architecture, is employed to model this complex relationship directly from raw input data without prior feature engineering. We assess and compare the performance of this model with a baseline method. Preliminary data analysis reveals that extreme temperatures exert a notable effect on energy consumption behaviors. Our proposed model achieves a coefficient of determination of 0.77 when comparing predicted demand to actual observations, underscoring its effectiveness as a potential solution for optimizing system operations in Entre Ríos.; Una predicción confiable de la demanda eléctrica es esencial para mejorar la gestión del sistema de distribución, optimizando la utilización de recursos, racionalizando la planificación operativa y reduciendo las interrupciones del servicio. La fluctuación de la demanda eléctrica está influenciada por diversos factores externos, como las condiciones climáticas, sin embargo, las asociaciones intrincadas y no lineales entre la demanda y estas influencias presentan desafíos significativos para la predicción. En este estudio, nos proponemos predecir la demanda eléctrica examinando su relación con las variables meteorológicas en la provincia de Entre Ríos, Argentina. Se emplea una red neuronal recurrente, específicamente utilizando arquitectura de memoria a corto y largo plazo (LSTM), para modelar esta relación compleja directamente a partir de datos de entrada sin ingeniería de características previa. Evaluamos y comparamos el rendimiento de este modelo con un método de referencia. El análisis preliminar de datos revela que las temperaturas extremas ejercen un efecto notable en los comportamientos de consumo de energía. Nuestro modelo propuesto alcanza un coeficiente de determinación de 0.77 al comparar la demanda predicha con las observaciones reales, subrayando su efectividad como una posible solución para optimizar las operaciones del sistema en Entre Ríos.

2025-04-01T00:00:00Z Reliable forecasting of electricity demand is essential for enhancing distribution system management by optimizing resource utilization, streamlining operational planning, and reducing service disruptions. The fluctuation of electricity demand is influenced by various external factors, such as weather conditions, yet the intricate and non-linear associations between demand and these influences present significant prediction challenges. In this study, we aim to forecast electricity demand by examining its relationship with weather variables in the province of Entre Ríos, Argentina. A recurrent neural network, specifically using long short-term memory (LSTM) architecture, is employed to model this complex relationship directly from raw input data without prior feature engineering. We assess and compare the performance of this model with a baseline method. Preliminary data analysis reveals that extreme temperatures exert a notable effect on energy consumption behaviors. Our proposed model achieves a coefficient of determination of 0.77 when comparing predicted demand to actual observations, underscoring its effectiveness as a potential solution for optimizing system operations in Entre Ríos. Una predicción confiable de la demanda eléctrica es esencial para mejorar la gestión del sistema de distribución, optimizando la utilización de recursos, racionalizando la planificación operativa y reduciendo las interrupciones del servicio. La fluctuación de la demanda eléctrica está influenciada por diversos factores externos, como las condiciones climáticas, sin embargo, las asociaciones intrincadas y no lineales entre la demanda y estas influencias presentan desafíos significativos para la predicción. En este estudio, nos proponemos predecir la demanda eléctrica examinando su relación con las variables meteorológicas en la provincia de Entre Ríos, Argentina. Se emplea una red neuronal recurrente, específicamente utilizando arquitectura de memoria a corto y largo plazo (LSTM), para modelar esta relación compleja directamente a partir de datos de entrada sin ingeniería de características previa. Evaluamos y comparamos el rendimiento de este modelo con un método de referencia. El análisis preliminar de datos revela que las temperaturas extremas ejercen un efecto notable en los comportamientos de consumo de energía. Nuestro modelo propuesto alcanza un coeficiente de determinación de 0.77 al comparar la demanda predicha con las observaciones reales, subrayando su efectividad como una posible solución para optimizar las operaciones del sistema en Entre Ríos. Hermann, Tobías J. Vignolo, Leandro D. Gerard, Matias F. http://sedici.unlp.edu.ar:80/handle/10915/177971 2025-05-06T17:17:49Z 2025-04-01T00:00:00Z

Articulo Estrategia evolutiva para la optimización de modelos neuronales de estimación de similaridad entre compuestos 53 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad Nacional del Sur, 12 al 16 de agosto de 2024); Electronic Journal of SADIO; vol. 24, no. 1 Molecular similarity evaluation is a key aspect of bioinfor- matics and poses a significant challenge when dealing with compounds with unknown structures. In this context, graph neural networks have proven effective in generating representations based on the topology of chemical reactions. However, designing these models and selecting their hyperparameters requires exploring a vast range of options. Evolutio- nary algorithms naturally arise as a solution for searching these exten- sive spaces, including the hyperparameter space of neural architectures. This study presents a comparison between a traditional hyperparameter search approach, based on expert knowledge, and a method leveraging evolutionary computation for the same task, specifically in compound similarity estimation. Using a predefined architecture, experiments are conducted to compare both approaches across different datasets. The re- sults indicate that the evolutionary computation-based method success- fully identifies suitable hyperparameters for the evaluated architecture, achieving a performance comparable to the expert-driven approach while eliminating the need for human intervention in the selection process.; La evaluación de similaridad molecular es clave en el ámbito de la bioinformática, y representa un reto significativo cuando se trata de compuestos cuya estructura no se conoce. En este contexto, los modelos neuronales en grafos han demostrado ser efectivos para obtener representaciones a partir de la topología de reacciones químicas. No obstante, el diseño de estos modelos, así como la selección de sus hiperparámetros, requiere la evaluación de un extenso rango de opciones. Los algoritmos evolutivos se presentan como una solución natural para explorar estos amplios espacios de búsqueda, incluyendo el espacio de hiperparámetros de las arquitecturas neuronales. Este estudio propone una comparación entre un enfoque tradicional de búsqueda de hiperparámetros, basado en la experiencia del experto, y un método que utiliza computación evolutiva para la misma tarea, específicamente en la estimación de similaridad entre compuestos. Utilizando una arquitectura predefinida, se llevan a cabo experimentos para comparar ambos enfoques en distintos conjuntos de datos. Los resultados indican que el método basado en computación evolutiva logra identificar hiperparámetros adecuados para la arquitectura evaluada, alcanzando un desempeño comparable al del enfoque experto, pero sin requerir la intervención del conocimiento humano para dicha selección.

2025-04-01T00:00:00Z Molecular similarity evaluation is a key aspect of bioinfor- matics and poses a significant challenge when dealing with compounds with unknown structures. In this context, graph neural networks have proven effective in generating representations based on the topology of chemical reactions. However, designing these models and selecting their hyperparameters requires exploring a vast range of options. Evolutio- nary algorithms naturally arise as a solution for searching these exten- sive spaces, including the hyperparameter space of neural architectures. This study presents a comparison between a traditional hyperparameter search approach, based on expert knowledge, and a method leveraging evolutionary computation for the same task, specifically in compound similarity estimation. Using a predefined architecture, experiments are conducted to compare both approaches across different datasets. The re- sults indicate that the evolutionary computation-based method success- fully identifies suitable hyperparameters for the evaluated architecture, achieving a performance comparable to the expert-driven approach while eliminating the need for human intervention in the selection process. La evaluación de similaridad molecular es clave en el ámbito de la bioinformática, y representa un reto significativo cuando se trata de compuestos cuya estructura no se conoce. En este contexto, los modelos neuronales en grafos han demostrado ser efectivos para obtener representaciones a partir de la topología de reacciones químicas. No obstante, el diseño de estos modelos, así como la selección de sus hiperparámetros, requiere la evaluación de un extenso rango de opciones. Los algoritmos evolutivos se presentan como una solución natural para explorar estos amplios espacios de búsqueda, incluyendo el espacio de hiperparámetros de las arquitecturas neuronales. Este estudio propone una comparación entre un enfoque tradicional de búsqueda de hiperparámetros, basado en la experiencia del experto, y un método que utiliza computación evolutiva para la misma tarea, específicamente en la estimación de similaridad entre compuestos. Utilizando una arquitectura predefinida, se llevan a cabo experimentos para comparar ambos enfoques en distintos conjuntos de datos. Los resultados indican que el método basado en computación evolutiva logra identificar hiperparámetros adecuados para la arquitectura evaluada, alcanzando un desempeño comparable al del enfoque experto, pero sin requerir la intervención del conocimiento humano para dicha selección. Semeshenko, Viktoriya De Raco, Sergio A. http://sedici.unlp.edu.ar:80/handle/10915/177970 2025-05-06T17:17:49Z 2025-04-01T00:00:00Z

Articulo Comparación de redes de parentesco de habilidades: conectividades estructural y de parentesco en la movilidad laboral 53 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO 2024) (Universidad Nacional del Sur, 12 al 16 de agosto de 2024); Electronic Journal of SADIO; vol. 24, no. 1 In this paper, we compare Skill-Relatedness Networks (SRNs) across selected countries, representing statistically significant interindustrial interactions that capture latent skill exchanges derived from observed labor flows. Using data from Argentina (ARG), Germany (DEU), and Sweden (SWE), we analyze their SRNs through an information-theoretic method designed to compare networks with non-aligned nodes, a crucial aspect for cross-country comparisons. By extracting network portraits—structural fingerprints based on shortest path distributions— we measure pairwise divergences to contrast differences in binary connectivity and weighted skill-relatedness across countries. Our findings reveal that ARG’s SRN structural connectivity differs significantly from those of DEU and SWE, while at the same time also contrast with each other. These findings suggest that the fundamental structure of skill-related interconnections is country specific. However, when viewed through the lens of the SR indicator, the differences between countries become less pronounced, suggesting a universal phenomenon in skill exchanges, highlighting a structured pattern of labor mobility across sectors in any national economy. These findings support the idea that historical and cultural factors shape SRNs, but structural connectivity remains country-specific. While skill intensity patterns (weighted SRNs) appear consistent across economies, the topological structure (binary SRNs) varies sharply, highlighting distinct labor market dynamics, patterns of specialization and pools of skills in each country.; En este trabajo comparamos redes de parentesco de habilidades (SRNs), que resumen interacciones interindustriales estadísticamente significativas que representan intercambios latentes de habilidades derivados de flujos laborales observados. Utilizando datos de Argentina (ARG), Alemania (DEU) y Suecia (SWE), analizamos sus SRN mediante un método basado en teoría de la información diseñado para comparar redes con nodos no alineados. Mediante la extracción de network portraits-identificadores estructurales basados en las distribuciones de caminos cortos- medimos las divergencias entre pares para contrastar las diferencias en la conectividad binaria y la relación ponderada entre parentescos de habilidades de estos países. Encontramos que la conectividad estructural de la SRN de ARG difiere significativamente de las de DEU y SWE, al mismo tiempo que las conectividades entre estos países contrastan entre sí. Ello sugiere que la existencia de especificidades en las estructuras fundamentales de interconexiones relacionadas con las habilidades en cada país. En cambio, cuando al utilizar el indicador de parentesco de habilidades, las diferencias se vuelven menos pronunciadas sugiriendo un fenómeno universal en los intercambios de habilidades, destacando un posible patrón estructurado de movilidad laboral intersectorial en cualquier economía nacional. Estos resultados apoyan la idea de que los factores históricos y culturales conforman las SRNs, pero la conectividad estructural sigue siendo específica de cada país. Mientras que los patrones de intensidad de las habilidades (ponderados) parecen coherentes en las economías analizadas, la estructura topológica (binaria) varía notablemente, poniendo de relieve las distintas dinámicas del mercado laboral, los patrones de especialización y los conjuntos de habilidades disponibles de cada país.

2025-04-01T00:00:00Z In this paper, we compare Skill-Relatedness Networks (SRNs) across selected countries, representing statistically significant interindustrial interactions that capture latent skill exchanges derived from observed labor flows. Using data from Argentina (ARG), Germany (DEU), and Sweden (SWE), we analyze their SRNs through an information-theoretic method designed to compare networks with non-aligned nodes, a crucial aspect for cross-country comparisons. By extracting network portraits—structural fingerprints based on shortest path distributions— we measure pairwise divergences to contrast differences in binary connectivity and weighted skill-relatedness across countries. Our findings reveal that ARG’s SRN structural connectivity differs significantly from those of DEU and SWE, while at the same time also contrast with each other. These findings suggest that the fundamental structure of skill-related interconnections is country specific. However, when viewed through the lens of the SR indicator, the differences between countries become less pronounced, suggesting a universal phenomenon in skill exchanges, highlighting a structured pattern of labor mobility across sectors in any national economy. These findings support the idea that historical and cultural factors shape SRNs, but structural connectivity remains country-specific. While skill intensity patterns (weighted SRNs) appear consistent across economies, the topological structure (binary SRNs) varies sharply, highlighting distinct labor market dynamics, patterns of specialization and pools of skills in each country. En este trabajo comparamos redes de parentesco de habilidades (SRNs), que resumen interacciones interindustriales estadísticamente significativas que representan intercambios latentes de habilidades derivados de flujos laborales observados. Utilizando datos de Argentina (ARG), Alemania (DEU) y Suecia (SWE), analizamos sus SRN mediante un método basado en teoría de la información diseñado para comparar redes con nodos no alineados. Mediante la extracción de network portraits-identificadores estructurales basados en las distribuciones de caminos cortos- medimos las divergencias entre pares para contrastar las diferencias en la conectividad binaria y la relación ponderada entre parentescos de habilidades de estos países. Encontramos que la conectividad estructural de la SRN de ARG difiere significativamente de las de DEU y SWE, al mismo tiempo que las conectividades entre estos países contrastan entre sí. Ello sugiere que la existencia de especificidades en las estructuras fundamentales de interconexiones relacionadas con las habilidades en cada país. En cambio, cuando al utilizar el indicador de parentesco de habilidades, las diferencias se vuelven menos pronunciadas sugiriendo un fenómeno universal en los intercambios de habilidades, destacando un posible patrón estructurado de movilidad laboral intersectorial en cualquier economía nacional. Estos resultados apoyan la idea de que los factores históricos y culturales conforman las SRNs, pero la conectividad estructural sigue siendo específica de cada país. Mientras que los patrones de intensidad de las habilidades (ponderados) parecen coherentes en las economías analizadas, la estructura topológica (binaria) varía notablemente, poniendo de relieve las distintas dinámicas del mercado laboral, los patrones de especialización y los conjuntos de habilidades disponibles de cada país.