<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
<title>Vol. 8, no. 02 | Simposio Argentino de Inteligencia Artificial (ASAI 2022)</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151575" rel="alternate"/>
<subtitle/>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151575</id>
<updated>2026-11-19T12:45:22Z</updated>
<dc:date>2026-11-19T12:45:22Z</dc:date>
<entry>
<title>Sistema de conversión de texto a habla en español con control de acento, prosodia y clonación de voz</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151748" rel="alternate"/>
<author>
<name>Pepino, Leonardo</name>
</author>
<author>
<name>Riera, Pablo</name>
</author>
<author>
<name>Barchi, Germán</name>
</author>
<author>
<name>Giaccio, Joaquín</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151748</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
En esta demostración, mostraremos el sistema de conversión de texto a habla en español que hemos desarrollado, el cual permite sintetizar habla con distintos acentos latinoamericanos, controlar la prosodia y clonar y convertir voces. A su vez, el modelo es lo suficientemente liviano como para funcionar con pocos recursos de hardware, y de una calidad comparable con los principales sistemas del mercado.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>En esta demostración, mostraremos el sistema de conversión de texto a habla en español que hemos desarrollado, el cual permite sintetizar habla con distintos acentos latinoamericanos, controlar la prosodia y clonar y convertir voces. A su vez, el modelo es lo suficientemente liviano como para funcionar con pocos recursos de hardware, y de una calidad comparable con los principales sistemas del mercado.</dc:description>
</entry>
<entry>
<title>Evaluación de un modelo neuronal para la estimación de similaridad entre compuestos a partir de representaciones one-hot</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151714" rel="alternate"/>
<author>
<name>Borzone, Eugenio</name>
</author>
<author>
<name>Di Persia, Leandro Ezequiel</name>
</author>
<author>
<name>Gerard, Matías</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151714</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
El estudio de la similaridad entre elementos de un conjunto es un problema común en áreas tan diversas como la bioinformática, la informática química y la medicina. En el caso de compuestos químicos, para calcularla, se utilizan descriptores moleculares, como es el caso de las fingerprints, que son representaciones vectoriales de cada compuesto. En este trabajo se estudian diferentes fingerprints ampliamente utilizadas en la literatura, para identificar la más adecuada para el cálculo de similaridad. Además, se busca determinar si es posible predecir ésta similaridad a través de un modelo neuronal. Para esto se caracterizan diferentes fingerprints por su desempeño en términos de predicción de similaridad, distribución de resultados en el intervalo [0,1] y frecuencia de uso en el ámbito científico. Posteriormente, se evalúa la capacidad de un Perceptrón Multicapa (MLP) para predecir la similaridad entre compuestos representados mediante vectores one-hot.&#13;
Los resultados muestran que las claves MACC proporcionan una buena distribución en los valores de similaridad. El MLP es capaz de inferir con un bajo error (aproximadamente 10% en términos absolutos) la similaridad entre compuestos empleando una representación one-hot.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>El estudio de la similaridad entre elementos de un conjunto es un problema común en áreas tan diversas como la bioinformática, la informática química y la medicina. En el caso de compuestos químicos, para calcularla, se utilizan descriptores moleculares, como es el caso de las fingerprints, que son representaciones vectoriales de cada compuesto. En este trabajo se estudian diferentes fingerprints ampliamente utilizadas en la literatura, para identificar la más adecuada para el cálculo de similaridad. Además, se busca determinar si es posible predecir ésta similaridad a través de un modelo neuronal. Para esto se caracterizan diferentes fingerprints por su desempeño en términos de predicción de similaridad, distribución de resultados en el intervalo [0,1] y frecuencia de uso en el ámbito científico. Posteriormente, se evalúa la capacidad de un Perceptrón Multicapa (MLP) para predecir la similaridad entre compuestos representados mediante vectores one-hot.&#13;
Los resultados muestran que las claves MACC proporcionan una buena distribución en los valores de similaridad. El MLP es capaz de inferir con un bajo error (aproximadamente 10% en términos absolutos) la similaridad entre compuestos empleando una representación one-hot.</dc:description>
</entry>
<entry>
<title>Plataforma para la clasificación inteligente de espermatozoides humanos</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151713" rel="alternate"/>
<author>
<name>Revollo, Natalia V.</name>
</author>
<author>
<name>Berger, Carlos E.</name>
</author>
<author>
<name>Herrera, Marcela</name>
</author>
<author>
<name>Delrieux, Claudio</name>
</author>
<author>
<name>González-José, Rolando</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151713</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
La infertilidad es una enfermedad que afecta aproximadamente 48 millones de parejas en todo el mundo. En este sentido, el análisis de semen es considerado el estudio principal para la evaluación de la capacidad reproductiva del hombre. Aun así, el estudio continúa siendo subjetivo de acuerdo a la interpretación del analista, que analiza de forma manual la muestra de semen. La morfología, en particular, es uno de los factores determinantes en este análisis.&#13;
En la búsqueda de nuevos criterios para la evaluación de semen surgen los sistemas para el análisis de semen basado en computadoras (CASA, Computer Aided Semen Analysis), los cuales en su gran mayoría aún no analizan morfología espermática en forma automática. Esto se debe a las dificultades que presentan las imágenes de estos sistemas de análisis computarizados y una dificultad no menor se centra en la segmentación adecuada de las diferentes partes de los espermatozoides.&#13;
El desarrollo de una plataforma para el análisis de semen sirve para el estudio de muestras de espermatozoides humanos así como base para analizar otras especies de producción animal. El objetivo de este proyecto es la investigación y desarrollo de algoritmos de segmentación, extracción de características morfológicas y clasificación de imágenes de espermatozoides humanos y de animales por medio del procesamiento de imágenes y técnicas de Inteligencia Artificial.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>La infertilidad es una enfermedad que afecta aproximadamente 48 millones de parejas en todo el mundo. En este sentido, el análisis de semen es considerado el estudio principal para la evaluación de la capacidad reproductiva del hombre. Aun así, el estudio continúa siendo subjetivo de acuerdo a la interpretación del analista, que analiza de forma manual la muestra de semen. La morfología, en particular, es uno de los factores determinantes en este análisis.&#13;
En la búsqueda de nuevos criterios para la evaluación de semen surgen los sistemas para el análisis de semen basado en computadoras (CASA, Computer Aided Semen Analysis), los cuales en su gran mayoría aún no analizan morfología espermática en forma automática. Esto se debe a las dificultades que presentan las imágenes de estos sistemas de análisis computarizados y una dificultad no menor se centra en la segmentación adecuada de las diferentes partes de los espermatozoides.&#13;
El desarrollo de una plataforma para el análisis de semen sirve para el estudio de muestras de espermatozoides humanos así como base para analizar otras especies de producción animal. El objetivo de este proyecto es la investigación y desarrollo de algoritmos de segmentación, extracción de características morfológicas y clasificación de imágenes de espermatozoides humanos y de animales por medio del procesamiento de imágenes y técnicas de Inteligencia Artificial.</dc:description>
</entry>
<entry>
<title>Evaluation of Named Entity Recognition in Historical Argentinian Documents</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151702" rel="alternate"/>
<author>
<name>Darfe, Facundo</name>
</author>
<author>
<name>Xamena, Eduardo</name>
</author>
<author>
<name>Orozco, Carlos I.</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151702</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
Research over historical text volumes can be performed by means of automatic tools that help historians achieve more abstract and aggregated points of view. Tasks such as Information Extraction or Text Mining can be performed more efficiently if Machine Learning models are employed. We propose the evaluation of different state-of-the-art models over a new dataset for Named Entity Recognition. The dataset was built over a History texts volume about General Güemes, a national Argentinian independence hero. The results show that some models perform better in terms of precision, recall and f1-score for most types of entities. Specifically, pretrained language models fine-tuned for this particular task show considerably higher performance than classical models based on word embeddings and other kinds of representations and models.Besides, statistical tests are provided to ensure the significance in the differences of the performance values attained. Hence, the contribution of this work is twofold, on the one hand a new corpus and dataset for Named Entity Recognition and a complete statistical assessment of performance values of state-of-the-art models over the generated dataset.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>Research over historical text volumes can be performed by means of automatic tools that help historians achieve more abstract and aggregated points of view. Tasks such as Information Extraction or Text Mining can be performed more efficiently if Machine Learning models are employed. We propose the evaluation of different state-of-the-art models over a new dataset for Named Entity Recognition. The dataset was built over a History texts volume about General Güemes, a national Argentinian independence hero. The results show that some models perform better in terms of precision, recall and f1-score for most types of entities. Specifically, pretrained language models fine-tuned for this particular task show considerably higher performance than classical models based on word embeddings and other kinds of representations and models.Besides, statistical tests are provided to ensure the significance in the differences of the performance values attained. Hence, the contribution of this work is twofold, on the one hand a new corpus and dataset for Named Entity Recognition and a complete statistical assessment of performance values of state-of-the-art models over the generated dataset.</dc:description>
</entry>
<entry>
<title>A Spanish dataset for Targeted Sentiment Analysis of political headlines</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151701" rel="alternate"/>
<author>
<name>Alves Salgueiro, Tomás</name>
</author>
<author>
<name>Recart Zapata, Emilio</name>
</author>
<author>
<name>Furman, Damián</name>
</author>
<author>
<name>Pérez, Juan Manuel</name>
</author>
<author>
<name>Fernández Larrosa, Pablo Nicolás</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151701</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
Subjective texts have been especially studied by several works as they can induce certain behaviours in their users. Most work focuses on user-generated texts in social networks, but some other texts also comprise opinions on  certain topics and could influence judgement criteria during political decisions. In this work, we address the task of Targeted Sentiment Analysis for the domain of news headlines, published by the main outlets during the 2019 Argentinean Presidential Elections. For this purpose, we present a polarity dataset of 1,976 headlines mentioning candidates in the 2019 elections at the target level. Preliminary experiments with state-of-the-art classification algorithms based on pre-trained linguistic models suggest that target information is helpful for this task. We make our data and pre-trained models publicly available.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>Subjective texts have been especially studied by several works as they can induce certain behaviours in their users. Most work focuses on user-generated texts in social networks, but some other texts also comprise opinions on  certain topics and could influence judgement criteria during political decisions. In this work, we address the task of Targeted Sentiment Analysis for the domain of news headlines, published by the main outlets during the 2019 Argentinean Presidential Elections. For this purpose, we present a polarity dataset of 1,976 headlines mentioning candidates in the 2019 elections at the target level. Preliminary experiments with state-of-the-art classification algorithms based on pre-trained linguistic models suggest that target information is helpful for this task. We make our data and pre-trained models publicly available.</dc:description>
</entry>
<entry>
<title>Coordinación de grupos mediante bots conversacionales</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151698" rel="alternate"/>
<author>
<name>Amandi, Analía</name>
</author>
<author>
<name>Campo, Marcelo</name>
</author>
<author>
<name>Faiella, Santiago</name>
</author>
<author>
<name>Vibart, Eduardo</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151698</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
Los estudiantes realizan trabajos en grupo, y coordinar la realización del trabajo depende usualmente de ellos mismos. En este contexto, no todos los miembros del grupo participan de igual manera y no siempre la causa es la falta de interés en participar. Para atacar este problema, se presenta un bot conversacional que coordina el trabajo de un grupo de alumnos de tal manera que detecte problemas de colaboración automáticamente e intervenga para guiarlos en una solución.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>Los estudiantes realizan trabajos en grupo, y coordinar la realización del trabajo depende usualmente de ellos mismos. En este contexto, no todos los miembros del grupo participan de igual manera y no siempre la causa es la falta de interés en participar. Para atacar este problema, se presenta un bot conversacional que coordina el trabajo de un grupo de alumnos de tal manera que detecte problemas de colaboración automáticamente e intervenga para guiarlos en una solución.</dc:description>
</entry>
<entry>
<title>Recommending Buy/Sell in Brazilian Stock Market through Recurrent Neural Networks</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151695" rel="alternate"/>
<author>
<name>Lopes Silva, Gabriel</name>
</author>
<author>
<name>Silva Camargo, Sandro da</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151695</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
This work aims to evaluate the accuracy of Long Short-Term Memory Neural Networks to recommend Buy/Sell signals of some Brazilian Stock Market Blue Chips. The population of this study was composed by top 5 volume stocks, which represented nearly 40% of the total volume of Brazilian Stock Market in 2019. It was analyzed the following features: volume traded, closing and opening price, maximum and minimum price, and last five-day closing prices. Models created can forecast the next day's opening or closing price. Obtained results show that forecasting and real values have a coefficient of determination (R²) from 0.91 to 0.99, depending on the stock.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>This work aims to evaluate the accuracy of Long Short-Term Memory Neural Networks to recommend Buy/Sell signals of some Brazilian Stock Market Blue Chips. The population of this study was composed by top 5 volume stocks, which represented nearly 40% of the total volume of Brazilian Stock Market in 2019. It was analyzed the following features: volume traded, closing and opening price, maximum and minimum price, and last five-day closing prices. Models created can forecast the next day's opening or closing price. Obtained results show that forecasting and real values have a coefficient of determination (R²) from 0.91 to 0.99, depending on the stock.</dc:description>
</entry>
<entry>
<title>Definición de una red neuronal para simular el consumo eléctrico horario de la Ciudad de Salta</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151693" rel="alternate"/>
<author>
<name>Zanek, Franco</name>
</author>
<author>
<name>Xamena, Eduardo</name>
</author>
<author>
<name>Rodríguez, Diego</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151693</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
Los pronósticos de demanda de electricidad son extremadamente importantes para los proveedores de energía y otros participantes en la generación, transmisión, distribución y mercados de energía eléctrica. Los modelos precisos para el pronóstico de carga de energía eléctrica son  esenciales para la operación y planificación de una ciudad, localidad o región de interés. Además de desempeñar un papel muy importante en el campo de la programación, análisis de contingencia, análisis de flujo de carga, planificación y mantenimiento del sistema eléctrico. Es por eso que en este artículo se presenta un modelo basado en redes neuronales artificiales (ANN) con el fin de poder predecir la de-manda eléctrica horaria, discriminada por mes. Si bien en la literatura existen modelos que ayudan a resolver el problema, al aplicarlo para esta situación se presentaron demasiadas divergencias entre los valores arrojados y los valores reales. Este estudio se lleva a cabo a partir de los datos, para Salta Capital en la provincia de Salta. Los resultados así obtenidos fueron comparados con valores de consumo reales para medir la eficiencia de los modelos definidos.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>Los pronósticos de demanda de electricidad son extremadamente importantes para los proveedores de energía y otros participantes en la generación, transmisión, distribución y mercados de energía eléctrica. Los modelos precisos para el pronóstico de carga de energía eléctrica son  esenciales para la operación y planificación de una ciudad, localidad o región de interés. Además de desempeñar un papel muy importante en el campo de la programación, análisis de contingencia, análisis de flujo de carga, planificación y mantenimiento del sistema eléctrico. Es por eso que en este artículo se presenta un modelo basado en redes neuronales artificiales (ANN) con el fin de poder predecir la de-manda eléctrica horaria, discriminada por mes. Si bien en la literatura existen modelos que ayudan a resolver el problema, al aplicarlo para esta situación se presentaron demasiadas divergencias entre los valores arrojados y los valores reales. Este estudio se lleva a cabo a partir de los datos, para Salta Capital en la provincia de Salta. Los resultados así obtenidos fueron comparados con valores de consumo reales para medir la eficiencia de los modelos definidos.</dc:description>
</entry>
<entry>
<title>Una red neuronal para series de comportamiento</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151636" rel="alternate"/>
<author>
<name>Fonseca, Rocío Guadalupe</name>
</author>
<author>
<name>Bosch, María Candelaria</name>
</author>
<author>
<name>Barberis, Lucas Miguel</name>
</author>
<author>
<name>Kembro, Jackelyn Melissa</name>
</author>
<author>
<name>Flesia, Ana Georgina</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151636</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
El comportamiento de animales de laboratorio es estudiado usualmente por medio de la observación directa, utilizando catálogos de conductas predefinidas. Sin embargo la determinación de eventos en señales derivadas de sensores de alta precisión como los acelerómetros, es muy difícil de lograr por inspección, por lo cual es necesario entrenar métodos de clasificación usando datos sincronizados, segmentados manualmente, de series derivadas de videograbaciones, además de los datos de acelerómetros. En el (IIByT, CONICET-UNC) recolectamos datos de codornices japonesas con esas condiciones de laboratorio, para poder conformar una database de información de entrenamiento para el problema.&#13;
También estudiamos la optimalidad de una red neuronal Long Short Time Memory (LSTM) entrenada con nuestros datos, los cuales son series multivariadas de las coordenadas espaciales del acelerometro, medidas cuando éste es colocado sobre el cuerpo del animal. Estas series  corresponden a la aceleración debida al propio movimiento y a la gravedad. Una característica de este tipo de red es que la información puede permanecer introduciendo bucles en el diagrama, por lo que pueden recordar estados previos y utilizar esta información para decidir cuál sería el siguiente paso. Esto las hace muy adecuadas para manejar series de tiempo, como estas relacionadas al comportamiento animal.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>El comportamiento de animales de laboratorio es estudiado usualmente por medio de la observación directa, utilizando catálogos de conductas predefinidas. Sin embargo la determinación de eventos en señales derivadas de sensores de alta precisión como los acelerómetros, es muy difícil de lograr por inspección, por lo cual es necesario entrenar métodos de clasificación usando datos sincronizados, segmentados manualmente, de series derivadas de videograbaciones, además de los datos de acelerómetros. En el (IIByT, CONICET-UNC) recolectamos datos de codornices japonesas con esas condiciones de laboratorio, para poder conformar una database de información de entrenamiento para el problema.&#13;
También estudiamos la optimalidad de una red neuronal Long Short Time Memory (LSTM) entrenada con nuestros datos, los cuales son series multivariadas de las coordenadas espaciales del acelerometro, medidas cuando éste es colocado sobre el cuerpo del animal. Estas series  corresponden a la aceleración debida al propio movimiento y a la gravedad. Una característica de este tipo de red es que la información puede permanecer introduciendo bucles en el diagrama, por lo que pueden recordar estados previos y utilizar esta información para decidir cuál sería el siguiente paso. Esto las hace muy adecuadas para manejar series de tiempo, como estas relacionadas al comportamiento animal.</dc:description>
</entry>
<entry>
<title>Domain Adaptation and Transfer Learning methods enhance Deep Learning Models used in Inner Speech Based Brain Computer Interfaces</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151632" rel="alternate"/>
<author>
<name>Zablocki, Luciano Ivan</name>
</author>
<author>
<name>Mendoza, Agustín Nicolás</name>
</author>
<author>
<name>Nieto, Nicolás</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151632</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
Brain Computer Interfaces are useful devices that can partially restore the communication from severe compromised patients. Although the advances in deep learning have significantly improved brain pattern recognition, a large amount of data is required for training these deep architectures. In the last years, the inner speech paradigm has drew much attention, as it can potentially allow a natural control of different devices. However, as of the date of this publication, there is only a small amount of data available in this paradigm. In this work we show that it is possible, by means of transfer learning and domain adaptation methods, to make the most of the scarce data, enhancing the training process of a deep learning architecture used in brain computer interfaces.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>Brain Computer Interfaces are useful devices that can partially restore the communication from severe compromised patients. Although the advances in deep learning have significantly improved brain pattern recognition, a large amount of data is required for training these deep architectures. In the last years, the inner speech paradigm has drew much attention, as it can potentially allow a natural control of different devices. However, as of the date of this publication, there is only a small amount of data available in this paradigm. In this work we show that it is possible, by means of transfer learning and domain adaptation methods, to make the most of the scarce data, enhancing the training process of a deep learning architecture used in brain computer interfaces.</dc:description>
</entry>
<entry>
<title>Sesgos en problemas de regresión originados por el desbalance de datos en términos de atributos protegidos</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151624" rel="alternate"/>
<author>
<name>Claucich, Estanislao</name>
</author>
<author>
<name>Ferrante, Enzo</name>
</author>
<author>
<name>Echeveste, Rodrigo</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151624</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
En este trabajo se busca estudiar el efecto sobre el desempeño de modelos de regresión provocado por el desbalance en los datos en términos de atributos protegidos durante el entrenamiento. Estos atributos, como género o color de piel de una persona, son características propias de los datos que pueden o no tener una relación directa con el problema a resolver. Los resultados obtenidos mediante experimentos tanto sobre datos sintéticos como reales, muestran que el error sobre una dada población aumenta cuando se encuentra subrepresentada en el conjunto de datos de entrenamiento. En ambos casos estudiados encontramos que el error sobre la población completa fue mínimo cuando se encontraba balanceado en términos del atributo protegido en cuestión. Este estudio es el primer paso de un trabajo que busca extender este análisis a otras bases de datos, modelos y problemas, para luego atenuar este inconveniente incorporando penalizadores que desincentiven un mejor rendimiento sobre un subconjunto en desmedro de otro.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>En este trabajo se busca estudiar el efecto sobre el desempeño de modelos de regresión provocado por el desbalance en los datos en términos de atributos protegidos durante el entrenamiento. Estos atributos, como género o color de piel de una persona, son características propias de los datos que pueden o no tener una relación directa con el problema a resolver. Los resultados obtenidos mediante experimentos tanto sobre datos sintéticos como reales, muestran que el error sobre una dada población aumenta cuando se encuentra subrepresentada en el conjunto de datos de entrenamiento. En ambos casos estudiados encontramos que el error sobre la población completa fue mínimo cuando se encontraba balanceado en términos del atributo protegido en cuestión. Este estudio es el primer paso de un trabajo que busca extender este análisis a otras bases de datos, modelos y problemas, para luego atenuar este inconveniente incorporando penalizadores que desincentiven un mejor rendimiento sobre un subconjunto en desmedro de otro.</dc:description>
</entry>
<entry>
<title>Clasificación según características de gestión de proyectos en ambientes académicos</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151622" rel="alternate"/>
<author>
<name>Rambo, Alice Raquel</name>
</author>
<author>
<name>Boari, Mariana</name>
</author>
<author>
<name>Sueldo, Roberto L.</name>
</author>
<author>
<name>Rodriguez, Miriam I.</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151622</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Classifier according to characteristics of project management in academic environments
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
En las carreras “Analista en Sistemas de Computación” y “Licenciatura en Sistemas de Información” de la Facultad de Ciencias Exactas Químicas y Naturales de la Universidad Nacional de Misiones, hay un espacio curricular perteneciente al tercer año de ambas carreras. Esta materia es obligatoria y cuatrimestral. La misma consiste en la gestión integral de proyectos unipersonales de desarrollo software. Se realizaron encuestas a los estudiantes agregando una variable final de bandera según estos llegaban a concluir exitosamente sus proyectos. A partir del análisis de los datos relevados, se logra determinar características presentes y proponer un clasificador que ayude a definir la posibilidad de éxito de los estudiantes según vayan presentando estas características mencionadas.; In the "Computer Systems Analyst" and "Bachelor's Degree in Information Systems" careers of the Faculty of Exact Chemical and Natural Sciences of the National University of Misiones, there is a curricular space belonging to the third year of both careers. This subject is compulsory and four-monthly. It deals with the management of individual software development projects. Students were surveyed adding a final flag variable as they successfully completed their projects. From the analysis of the data collected, it is possible to determine present characteristics and propose a classifier that helps define the possibility of success of the students as they present these characteristics mentioned.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>En las carreras “Analista en Sistemas de Computación” y “Licenciatura en Sistemas de Información” de la Facultad de Ciencias Exactas Químicas y Naturales de la Universidad Nacional de Misiones, hay un espacio curricular perteneciente al tercer año de ambas carreras. Esta materia es obligatoria y cuatrimestral. La misma consiste en la gestión integral de proyectos unipersonales de desarrollo software. Se realizaron encuestas a los estudiantes agregando una variable final de bandera según estos llegaban a concluir exitosamente sus proyectos. A partir del análisis de los datos relevados, se logra determinar características presentes y proponer un clasificador que ayude a definir la posibilidad de éxito de los estudiantes según vayan presentando estas características mencionadas.

In the "Computer Systems Analyst" and "Bachelor's Degree in Information Systems" careers of the Faculty of Exact Chemical and Natural Sciences of the National University of Misiones, there is a curricular space belonging to the third year of both careers. This subject is compulsory and four-monthly. It deals with the management of individual software development projects. Students were surveyed adding a final flag variable as they successfully completed their projects. From the analysis of the data collected, it is possible to determine present characteristics and propose a classifier that helps define the possibility of success of the students as they present these characteristics mentioned.</dc:description>
</entry>
<entry>
<title>Semi-Automated Stereo Image Patches Generation and Labeling Method Based on Perspective Transformations</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151619" rel="alternate"/>
<author>
<name>Durante, Diego Patricio</name>
</author>
<author>
<name>Verrastro, Ramiro</name>
</author>
<author>
<name>Gómez, Juan Carlos</name>
</author>
<author>
<name>Verrastro, Claudio Abel</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151619</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
In computer vision, Wide Baseline Stereo (WxBS) refers to Vision System configurations on which their images come from cameras with non parallel and widely separated views.&#13;
One common task in reconstruction algorithms of WxBS consists of subvididing the stereo images in multiple image patches and then associate homologous patches between homologous images. Multiple approaches can be used to associate homologous patches. To train and test supervised learning algorithms for this tasks, a labeled dataset is required.&#13;
In this work, a semi-automated method to generate patches and their labels from WxBS images is presented. It allows to calculate thousands of positive and negative pairs of patches with a score of correspondence between a pair of potentially homologous image patches. This method largely solves the problems of traditional approach, which requires a lot of hand labeled work and time. To apply the method, images from different viewpoints of objects with planar faces and their corner locations are required.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>In computer vision, Wide Baseline Stereo (WxBS) refers to Vision System configurations on which their images come from cameras with non parallel and widely separated views.&#13;
One common task in reconstruction algorithms of WxBS consists of subvididing the stereo images in multiple image patches and then associate homologous patches between homologous images. Multiple approaches can be used to associate homologous patches. To train and test supervised learning algorithms for this tasks, a labeled dataset is required.&#13;
In this work, a semi-automated method to generate patches and their labels from WxBS images is presented. It allows to calculate thousands of positive and negative pairs of patches with a score of correspondence between a pair of potentially homologous image patches. This method largely solves the problems of traditional approach, which requires a lot of hand labeled work and time. To apply the method, images from different viewpoints of objects with planar faces and their corner locations are required.</dc:description>
</entry>
<entry>
<title>Extracción de información de facturas(ar) agrupada en jerarquías de negocios</title>
<link href="http://sedici.unlp.edu.ar:80/handle/10915/151615" rel="alternate"/>
<author>
<name>Maciel, Marcos</name>
</author>
<author>
<name>Pons, Claudia Fabiana</name>
</author>
<id>http://sedici.unlp.edu.ar:80/handle/10915/151615</id>
<updated>2023-05-03T20:02:12Z</updated>
<published>2022-01-01T00:00:00Z</published>
<summary type="text">Objeto de conferencia
Simposio Argentino de Inteligencia Artificial (ASAI 2022) - JAIIO 51 (Modalidad virtual y presencial (UAI), octubre 2022)
Las compañías intercambian una gran cantidad y variedad de facturas (ar) en formato digital e incluso en formato de papel. La extracción automática de información se vuelve compleja por la diversidad en las extensiones y diseños de estos documentos. El objetivo de extraer información es alimentar procesos de negocios con datos clasificados y que cumplan con parámetros de calidad. Para abordar la complejidad se propone un pipeline que integra un modelo de inteligencia artificial y un modelo de programación tradicional capaz de extraer información en jerarquía de negocios y en un segundo paso procesarla en un motor de reglas para cumplir con parámetros de calidad personalizados. En este artículo se presenta la extracción de información de facturas argentinas mediante la clasificación de entidades con el modelo de inteligencia artificial preentrenado LayoutLM, conversión del resultado en una jerarquía de negocios para reutilizarlo en un motor de reglas con capacidad de optimizar la calidad de la información y robustecer los procesos de negocios, así demostramos que el uso integrado de programación con inteligencia artificial y programación tradicional es una solución superadora al uso en forma independiente.
</summary>
<dc:date>2022-01-01T00:00:00Z</dc:date>
<dc:description>Las compañías intercambian una gran cantidad y variedad de facturas (ar) en formato digital e incluso en formato de papel. La extracción automática de información se vuelve compleja por la diversidad en las extensiones y diseños de estos documentos. El objetivo de extraer información es alimentar procesos de negocios con datos clasificados y que cumplan con parámetros de calidad. Para abordar la complejidad se propone un pipeline que integra un modelo de inteligencia artificial y un modelo de programación tradicional capaz de extraer información en jerarquía de negocios y en un segundo paso procesarla en un motor de reglas para cumplir con parámetros de calidad personalizados. En este artículo se presenta la extracción de información de facturas argentinas mediante la clasificación de entidades con el modelo de inteligencia artificial preentrenado LayoutLM, conversión del resultado en una jerarquía de negocios para reutilizarlo en un motor de reglas con capacidad de optimizar la calidad de la información y robustecer los procesos de negocios, así demostramos que el uso integrado de programación con inteligencia artificial y programación tradicional es una solución superadora al uso en forma independiente.</dc:description>
</entry>
</feed>
