http://sedici.unlp.edu.ar:80/handle/10915/87825 Thu, 12 Nov 2026 09:22:58 GMT 2026-11-12T09:22:58Z http://sedici.unlp.edu.ar:80/handle/10915/87942 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) Theory of Mind (ToM) is the ability of an agent to represent mental states of other agents including their intentions, desires, goals, models, beliefs, how the environment makes an impact on those beliefs, and the beliefs those agents may have about the beliefs others have about themselves. Integrating arti cial ToM in automated negotiations can provide software agents a key competitive advantage. In this work, we propose integrating ToM into context-aware negotiation agents using Bayesian inference to update each agent's beliefs. Beliefs are about the necessity and risk of the opponent considering hypothesis about how it takes into account contextual variables. A systematic hierarchical approach to combine ToM with using evidence from the opponent actions in an unfolding negotiation episode is proposed. Alternative contextual scenarios are used to argue in favor of incorporating di erent levels of reasoning and modeling the strategic behavior of an opponent. http://sedici.unlp.edu.ar:80/handle/10915/87942 Theory of Mind (ToM) is the ability of an agent to represent mental states of other agents including their intentions, desires, goals, models, beliefs, how the environment makes an impact on those beliefs, and the beliefs those agents may have about the beliefs others have about themselves. Integrating arti cial ToM in automated negotiations can provide software agents a key competitive advantage. In this work, we propose integrating ToM into context-aware negotiation agents using Bayesian inference to update each agent's beliefs. Beliefs are about the necessity and risk of the opponent considering hypothesis about how it takes into account contextual variables. A systematic hierarchical approach to combine ToM with using evidence from the opponent actions in an unfolding negotiation episode is proposed. Alternative contextual scenarios are used to argue in favor of incorporating di erent levels of reasoning and modeling the strategic behavior of an opponent. http://sedici.unlp.edu.ar:80/handle/10915/87941 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) Artificial intelligence changes everything, and almost no jobs will be immune. The application of AI to the practice of law is well-known and well-understood. In this paper, we present some aspects of the related disciplines of forensic science and specifically the development and analysis of “pattern [and impression] evidence.” We show that pattern evidence has a great need for AI.We discuss several applications in detail but focus mostly on the application of AI-based text analysis technology to forensic linguistics. http://sedici.unlp.edu.ar:80/handle/10915/87941 Artificial intelligence changes everything, and almost no jobs will be immune. The application of AI to the practice of law is well-known and well-understood. In this paper, we present some aspects of the related disciplines of forensic science and specifically the development and analysis of “pattern [and impression] evidence.” We show that pattern evidence has a great need for AI.We discuss several applications in detail but focus mostly on the application of AI-based text analysis technology to forensic linguistics. http://sedici.unlp.edu.ar:80/handle/10915/87940 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) This work presents a visual odometric system for camera tracking in underwater scenarios of the seafloor which are strongly perturbed with sunlight caustics and cloudy water. Particularly, we focuse on the performance and robustnes of the system, which structurally associates a deflickering filter with a visual tracker. Two state-of-the-art trackers are employed for our study, one pixel-oriented and the other feature-based. The contrivances of the trackers were crumbled and their suitability for underwater environments analyzed comparatively. To this end real subaquatic footages in perturbed environments were employed. http://sedici.unlp.edu.ar:80/handle/10915/87940 This work presents a visual odometric system for camera tracking in underwater scenarios of the seafloor which are strongly perturbed with sunlight caustics and cloudy water. Particularly, we focuse on the performance and robustnes of the system, which structurally associates a deflickering filter with a visual tracker. Two state-of-the-art trackers are employed for our study, one pixel-oriented and the other feature-based. The contrivances of the trackers were crumbled and their suitability for underwater environments analyzed comparatively. To this end real subaquatic footages in perturbed environments were employed. http://sedici.unlp.edu.ar:80/handle/10915/87939 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) Unsupervised Machine Learning algorithms such as clustering offer convenient features for data analysis tasks. When combined with other tools like visualization software, the possibilities of automated analysis may be greatly enhanced. In the context of Molecular Dynamics simulations, in particular asymmetric granular collisions which typically consist of thousands of particles, it is key to distinguish the fragments in which the system is divided after a collision for classification purposes. In this work we explore the unsupervised Machine Learning algorithms k-means and AGNES to distinguish groups of particles in molecular dynamics simulations, with encouraging results according to performance metrics such as accuracy and precision. We also report computational times for each algorithm, where k-means results faster than AGNES. Finally, we delineate the integration of these type of algorithms with a well-known analysis and visualization tool widely used in the physics community. http://sedici.unlp.edu.ar:80/handle/10915/87939 Unsupervised Machine Learning algorithms such as clustering offer convenient features for data analysis tasks. When combined with other tools like visualization software, the possibilities of automated analysis may be greatly enhanced. In the context of Molecular Dynamics simulations, in particular asymmetric granular collisions which typically consist of thousands of particles, it is key to distinguish the fragments in which the system is divided after a collision for classification purposes. In this work we explore the unsupervised Machine Learning algorithms k-means and AGNES to distinguish groups of particles in molecular dynamics simulations, with encouraging results according to performance metrics such as accuracy and precision. We also report computational times for each algorithm, where k-means results faster than AGNES. Finally, we delineate the integration of these type of algorithms with a well-known analysis and visualization tool widely used in the physics community. http://sedici.unlp.edu.ar:80/handle/10915/87938 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) La presente investigación propone la aplicación de métodos cuantitativos computacionales de aprendizaje automático en las ciencias sociales, en este caso particular se apunta a la predicción del comportamiento del riesgo país. El indicador seleccionado de riesgo país utilizado es el EMBI implementado por el Banco JP Morgan desde 1999 para monitorear el riesgo financiero y el retorno requerido de los mercados emergentes vs mercados seguros. El método de aprendizaje se aplica a la lectura subyacente del patrón/patrones de comportamiento histórico del índice durante el periodo 1999 a 2018 con el objetivo de elaborar un algoritmo que permita proyectar el valor diario del índice con distintos horizontes de tiempo usando el método de redes neuronales no lineales. Dado que cada mercado /país tiene su patrón de comportamiento, su volatilidad histórica, se proyectaron los escenarios de Argentina, Brasil, Chile, Colombia y México. En esta investigación se proyectaron dos horizontes de tiempo mensual Dic 2018- Enero 2019 y luego Diciembre Enero 2020. Los escenarios planteados permiten el desarrollo de análisis predictivos asociados al concepto de riesgo en la toma de decisiones, y análisis de escenarios económicos y políticos. Para ello el algoritmo permite pronosticar la tendencia del índice y valor diario. Adicionalmente se presentan medidas de performance de las series de datos proyectados vs la realidad. Se busca abrir el debate sobre la aplicación de estos métodos en las relaciones económicas internacionales. El modelo ha sido entrenado revisando el patrón del EMBI de los últimos 10 años, para aprender cual será en el largo plazo (12 meses) y en cada momento (diario) el rango del costo de financiamiento de cada economía, de cuáles serán los momentos de volatilidad, y cuál será la tendencia del costo financiero del país y cuál será el valor promedio del mismo. http://sedici.unlp.edu.ar:80/handle/10915/87938 La presente investigación propone la aplicación de métodos cuantitativos computacionales de aprendizaje automático en las ciencias sociales, en este caso particular se apunta a la predicción del comportamiento del riesgo país. El indicador seleccionado de riesgo país utilizado es el EMBI implementado por el Banco JP Morgan desde 1999 para monitorear el riesgo financiero y el retorno requerido de los mercados emergentes vs mercados seguros. El método de aprendizaje se aplica a la lectura subyacente del patrón/patrones de comportamiento histórico del índice durante el periodo 1999 a 2018 con el objetivo de elaborar un algoritmo que permita proyectar el valor diario del índice con distintos horizontes de tiempo usando el método de redes neuronales no lineales. Dado que cada mercado /país tiene su patrón de comportamiento, su volatilidad histórica, se proyectaron los escenarios de Argentina, Brasil, Chile, Colombia y México. En esta investigación se proyectaron dos horizontes de tiempo mensual Dic 2018- Enero 2019 y luego Diciembre Enero 2020. Los escenarios planteados permiten el desarrollo de análisis predictivos asociados al concepto de riesgo en la toma de decisiones, y análisis de escenarios económicos y políticos. Para ello el algoritmo permite pronosticar la tendencia del índice y valor diario. Adicionalmente se presentan medidas de performance de las series de datos proyectados vs la realidad. Se busca abrir el debate sobre la aplicación de estos métodos en las relaciones económicas internacionales. El modelo ha sido entrenado revisando el patrón del EMBI de los últimos 10 años, para aprender cual será en el largo plazo (12 meses) y en cada momento (diario) el rango del costo de financiamiento de cada economía, de cuáles serán los momentos de volatilidad, y cuál será la tendencia del costo financiero del país y cuál será el valor promedio del mismo. http://sedici.unlp.edu.ar:80/handle/10915/87937 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) El Scaled Conjugate Gradient es un algoritmo de aprendizaje iterativo para redes neuronales artificiales, destacándose por su velocidad de convergencia frente al Backpropagation. Esto se debe a que utiliza derivadas de segundo orden, lo que permite una convergencia más veloz. En este artículo, se demuestra lo expuesto por Möller en su trabajo original, respecto a que una adecuada implementación del Scaled Conjugate Gradient puede reducir en un 50% el tiempo de ejecución. La implementación fue realizada en la herramienta gratuita "Froog Neural Networks" de redes neuronales y probada en 4 base de datos estándar, con diferentes cantidades de neuronas para probar la efectividad de los cambios realizados. http://sedici.unlp.edu.ar:80/handle/10915/87937 El Scaled Conjugate Gradient es un algoritmo de aprendizaje iterativo para redes neuronales artificiales, destacándose por su velocidad de convergencia frente al Backpropagation. Esto se debe a que utiliza derivadas de segundo orden, lo que permite una convergencia más veloz. En este artículo, se demuestra lo expuesto por Möller en su trabajo original, respecto a que una adecuada implementación del Scaled Conjugate Gradient puede reducir en un 50% el tiempo de ejecución. La implementación fue realizada en la herramienta gratuita "Froog Neural Networks" de redes neuronales y probada en 4 base de datos estándar, con diferentes cantidades de neuronas para probar la efectividad de los cambios realizados. http://sedici.unlp.edu.ar:80/handle/10915/87936 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta); https://sedici.unlp.edu.ar/handle/10915/135046 Es sabido que el comportamiento sedentario posee consecuencias negativas para la salud y, por lo tanto, alentar a los individuos a evitar este tipo de comportamiento puede redundar en la reducción de diferentes indicadores de riesgo. En este trabajo, se evaluaron diferentes arquitecturas de aprendizaje profundo para predecir el comportamiento sedentario futuro de un individuo a partir de los registros capturados de diferentes sensores disponibles en los dispositivos móviles actuales. Se analizaron usuarios con diferentes niveles de gasto energético, y se obtuvieron resultados alentadores que demuestran la eficiencia de las arquitecturas propuestas. http://sedici.unlp.edu.ar:80/handle/10915/87936 Es sabido que el comportamiento sedentario posee consecuencias negativas para la salud y, por lo tanto, alentar a los individuos a evitar este tipo de comportamiento puede redundar en la reducción de diferentes indicadores de riesgo. En este trabajo, se evaluaron diferentes arquitecturas de aprendizaje profundo para predecir el comportamiento sedentario futuro de un individuo a partir de los registros capturados de diferentes sensores disponibles en los dispositivos móviles actuales. Se analizaron usuarios con diferentes niveles de gasto energético, y se obtuvieron resultados alentadores que demuestran la eficiencia de las arquitecturas propuestas. http://sedici.unlp.edu.ar:80/handle/10915/87859 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) Domain Name Service is a central part of Internet regular operation. Such importance has made it a common target of different malicious behaviors such as the application of Domain Generation Algorithms (DGA) for command and control a group of infected computers or Tunneling techniques for bypassing system administrator restrictions. A common detection approach is based on training different models detecting DGA and Tunneling capable of performing a lexicographic discrimination of the domain names. However, since both DGA and Tunneling showed domain names with observable lexicographical differences with normal domains, it is reasonable to apply the same detection approach to both threats. In the present work, we propose a multi-class convolutional network (MC-CNN) capable of detecting both DNS threats. The resulting MC-CNN is able to detect correctly 99% of normal domains, 97% of DGA and 92% of Tunneling, with a False Positive Rate of 2.8%, 0.7% and 0.0015% respectively and the advantage of having 44% fewer trainable parameters than similar models applied to DNS threats detection. http://sedici.unlp.edu.ar:80/handle/10915/87859 Domain Name Service is a central part of Internet regular operation. Such importance has made it a common target of different malicious behaviors such as the application of Domain Generation Algorithms (DGA) for command and control a group of infected computers or Tunneling techniques for bypassing system administrator restrictions. A common detection approach is based on training different models detecting DGA and Tunneling capable of performing a lexicographic discrimination of the domain names. However, since both DGA and Tunneling showed domain names with observable lexicographical differences with normal domains, it is reasonable to apply the same detection approach to both threats. In the present work, we propose a multi-class convolutional network (MC-CNN) capable of detecting both DNS threats. The resulting MC-CNN is able to detect correctly 99% of normal domains, 97% of DGA and 92% of Tunneling, with a False Positive Rate of 2.8%, 0.7% and 0.0015% respectively and the advantage of having 44% fewer trainable parameters than similar models applied to DNS threats detection. http://sedici.unlp.edu.ar:80/handle/10915/87858 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta); https://sedici.unlp.edu.ar/handle/10915/135052 Las imágenes por difusión son un tipo de imágenes por resonancia magnética especialmente sensibles a la dirección de difusión de las moléculas de agua. Utilizándolas es posible determinar el movimiento de dichas moléculas en base a modelos biofísicos. Esta es un técnica muy utilizada para estudiar la microestructura del tejido nervioso y la conectividad cerebral. En este artículo presentamos un nuevo modelo de difusión, inspirado en las redes neuronales arti ficiales, que propone una arquitectura de red cristalina. Se presenta el modelo junto a una propuesta de método para ajustarlo. Para evaluar el desempeño se desarrollaron pruebas sobre fantomas virtuales que imitan posibles disposiciones de fi bras nerviosas. El modelo propuesto convergió en el ajuste sobre los fantomas y mostró potencial para resolver disposiciones que otros modelos estándares de difusión no pueden, como cruces y curvas en las fi bras. http://sedici.unlp.edu.ar:80/handle/10915/87858 Las imágenes por difusión son un tipo de imágenes por resonancia magnética especialmente sensibles a la dirección de difusión de las moléculas de agua. Utilizándolas es posible determinar el movimiento de dichas moléculas en base a modelos biofísicos. Esta es un técnica muy utilizada para estudiar la microestructura del tejido nervioso y la conectividad cerebral. En este artículo presentamos un nuevo modelo de difusión, inspirado en las redes neuronales arti ficiales, que propone una arquitectura de red cristalina. Se presenta el modelo junto a una propuesta de método para ajustarlo. Para evaluar el desempeño se desarrollaron pruebas sobre fantomas virtuales que imitan posibles disposiciones de fi bras nerviosas. El modelo propuesto convergió en el ajuste sobre los fantomas y mostró potencial para resolver disposiciones que otros modelos estándares de difusión no pueden, como cruces y curvas en las fi bras. http://sedici.unlp.edu.ar:80/handle/10915/87856 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) A medida que las organizaciones crecen, surgen problemas cuya resolución de manera manual o artesanal ocasiona pérdidas económicas o disminución en la eficiencia de sus operaciones. Uno de ellos es el de planificación de horarios (Timetabling Problem). El presente trabajo está enfocado a la planificación de horarios en el ámbito univesitario. Para ello, proponemos un nuevo algoritmo heurístico que mediante lista tabú y exploración de vecindarios es capaz de ofrecer soluciones satisfactorias sobre un conjunto de instancias conocidas de la literatura. http://sedici.unlp.edu.ar:80/handle/10915/87856 A medida que las organizaciones crecen, surgen problemas cuya resolución de manera manual o artesanal ocasiona pérdidas económicas o disminución en la eficiencia de sus operaciones. Uno de ellos es el de planificación de horarios (Timetabling Problem). El presente trabajo está enfocado a la planificación de horarios en el ámbito univesitario. Para ello, proponemos un nuevo algoritmo heurístico que mediante lista tabú y exploración de vecindarios es capaz de ofrecer soluciones satisfactorias sobre un conjunto de instancias conocidas de la literatura. http://sedici.unlp.edu.ar:80/handle/10915/87855 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) En este artículo se decribe el enfoque basado en Procesamiento de Lenguaje Natural adoptado en el sitio AYUD@RG para poder detectar de manera satisfactoria las donaciones que las personas quieren realizar a partir de texto libre. El objetivo de AYUD@RG es poner en contacto a los donantes y a aquellas ONGs que necesitan los recursos en cuestión. Los principales desafíos los constituyen las caracteríasticas propias el lenguaje natural, como la ambigüedad en los términos, los sinónimos, los errores ortográficos. Resultados preliminares demuestran la viabilidad del enfoque adopatado. http://sedici.unlp.edu.ar:80/handle/10915/87855 En este artículo se decribe el enfoque basado en Procesamiento de Lenguaje Natural adoptado en el sitio AYUD@RG para poder detectar de manera satisfactoria las donaciones que las personas quieren realizar a partir de texto libre. El objetivo de AYUD@RG es poner en contacto a los donantes y a aquellas ONGs que necesitan los recursos en cuestión. Los principales desafíos los constituyen las caracteríasticas propias el lenguaje natural, como la ambigüedad en los términos, los sinónimos, los errores ortográficos. Resultados preliminares demuestran la viabilidad del enfoque adopatado. http://sedici.unlp.edu.ar:80/handle/10915/87854 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) El procesamiento de lenguaje natural es un área central en cualquier aplicación de análisis de datos textuales. Muchas de estas aplicaciones se realizan a partir de textos publicados en Internet y muy frecuentemente, a partir de textos de redes sociales. Existen diversas herramientas informáticas de código libre que facilitan el procesamiento de lenguaje natural de diversas lenguas, pero especialmente para el idioma inglés. En este artículo se seleccionaron cinco módulos o librerías para el lenguaje Python, con el objetivo de comparar algunas funciones básicas del procesamiento de textos, aplicadas a textos cortos en español extraídos de una red social. La tokenización y segmentación de oraciones fueron perfectamente realizadas por dichas herramientas. Se encontraron diferencias en etiquetado gramatical pero los resultados se consideran aceptables. http://sedici.unlp.edu.ar:80/handle/10915/87854 El procesamiento de lenguaje natural es un área central en cualquier aplicación de análisis de datos textuales. Muchas de estas aplicaciones se realizan a partir de textos publicados en Internet y muy frecuentemente, a partir de textos de redes sociales. Existen diversas herramientas informáticas de código libre que facilitan el procesamiento de lenguaje natural de diversas lenguas, pero especialmente para el idioma inglés. En este artículo se seleccionaron cinco módulos o librerías para el lenguaje Python, con el objetivo de comparar algunas funciones básicas del procesamiento de textos, aplicadas a textos cortos en español extraídos de una red social. La tokenización y segmentación de oraciones fueron perfectamente realizadas por dichas herramientas. Se encontraron diferencias en etiquetado gramatical pero los resultados se consideran aceptables. http://sedici.unlp.edu.ar:80/handle/10915/87852 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) The design optimization of water distribution systems, considering multi-period restrictions with time varying demand patterns, is a complex optimization problem present in modern cities. Taking into account this issue, we propose a hybrid optimization technique based on Simulated Annealing (HSA) enhanced with a local search procedure, in order to obtain good quality networks designs. The SA performance is very sensitive to the choice of the cooling scheme, which includes parameters as the cooling function and the initial temperature. For this reason, we have analysed the HSA behaviour using proportional, exponential, logarithmic and a new random cooling functions and three different initial temperatures. An extensive experimentation using different benchmark networks has been carried out to test our proposals. Moreover, a comparison with an approach from the literature has revealed the goodness to solve this network design problem. http://sedici.unlp.edu.ar:80/handle/10915/87852 The design optimization of water distribution systems, considering multi-period restrictions with time varying demand patterns, is a complex optimization problem present in modern cities. Taking into account this issue, we propose a hybrid optimization technique based on Simulated Annealing (HSA) enhanced with a local search procedure, in order to obtain good quality networks designs. The SA performance is very sensitive to the choice of the cooling scheme, which includes parameters as the cooling function and the initial temperature. For this reason, we have analysed the HSA behaviour using proportional, exponential, logarithmic and a new random cooling functions and three different initial temperatures. An extensive experimentation using different benchmark networks has been carried out to test our proposals. Moreover, a comparison with an approach from the literature has revealed the goodness to solve this network design problem. http://sedici.unlp.edu.ar:80/handle/10915/87851 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta); https://sedici.unlp.edu.ar/handle/10915/135049 Optimization of hyper-parameters in reinforcement learning (RL) algorithms is a key task, because they determine how the agent will learn its policy by interacting with its environment, and thus what data is gathered. In this work, an approach that uses Bayesian optimization to perform a two-step optimization is proposed: rst, categorical RL structure hyper-parameters are taken as binary variables and optimized with an acquisition function tailored for such variables. Then, at a lower level of abstraction, solution-level hyper-parameters are optimized by resorting to the expected improvement acquisition function, while using the best categorical hyper-parameters found in the optimization at the upper-level of abstraction. This two-tier approach is validated in a simulated control task. Results obtained are promising and open the way for more user-independent applications of reinforcement learning. http://sedici.unlp.edu.ar:80/handle/10915/87851 Optimization of hyper-parameters in reinforcement learning (RL) algorithms is a key task, because they determine how the agent will learn its policy by interacting with its environment, and thus what data is gathered. In this work, an approach that uses Bayesian optimization to perform a two-step optimization is proposed: rst, categorical RL structure hyper-parameters are taken as binary variables and optimized with an acquisition function tailored for such variables. Then, at a lower level of abstraction, solution-level hyper-parameters are optimized by resorting to the expected improvement acquisition function, while using the best categorical hyper-parameters found in the optimization at the upper-level of abstraction. This two-tier approach is validated in a simulated control task. Results obtained are promising and open the way for more user-independent applications of reinforcement learning. http://sedici.unlp.edu.ar:80/handle/10915/87850 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) This work presents a model that forecasts the residential electricity demand of the City of Salta. The consumption habits of the residents of the dwellings helped the development of the proposed model, which include the turning on and off of the artifacts, aspects related to the presence or not of peo-ple in the homes, including the day-night simulation, of temperature environ-ment and relative humidity. Surveys and interviews were conducted to characte-rize the electricity consumption routines in the city's housing. The techniques proposed in the theory of probability and statistics helped the development of the functions that are integrated to form the proposed model http://sedici.unlp.edu.ar:80/handle/10915/87850 This work presents a model that forecasts the residential electricity demand of the City of Salta. The consumption habits of the residents of the dwellings helped the development of the proposed model, which include the turning on and off of the artifacts, aspects related to the presence or not of peo-ple in the homes, including the day-night simulation, of temperature environ-ment and relative humidity. Surveys and interviews were conducted to characte-rize the electricity consumption routines in the city's housing. The techniques proposed in the theory of probability and statistics helped the development of the functions that are integrated to form the proposed model http://sedici.unlp.edu.ar:80/handle/10915/87848 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) Al contar cada vez con mayor volumen de datos a analizar y que gran parte de estos sea en formato texto, resulta muy dificultoso para las personas poder entender y aprovechar el valor que ofrecen. La clasificación automática de textos consiste en asignar a un documento de texto una serie de clases utilizando técnicas de Machine Learning basado en su contenido y los temas que lo componen. La clasifi-cación automática tiene importantes aplicaciones en la administración de contenido, la minería de opinión, el análisis de reseñas de un producto, filtros de SPAM y análisis de sentimiento en redes sociales. Este trabajo explica y detalla paso a paso una es-trategia híbrida entre aprendizaje no supervisado y clasificación automática de textos basada en obras clásicas y literatura técnica trabajando sobre textos no estructurados y seleccionando las técnicas apropiadas para llegar a una aplicación concreta. Luego de realizar evaluaciones con conjuntos de libros, los resultados obtenidos permitieron verificar que nuestro enfoque es efectivo para la asignación automática de categorías a obras literarias. http://sedici.unlp.edu.ar:80/handle/10915/87848 Al contar cada vez con mayor volumen de datos a analizar y que gran parte de estos sea en formato texto, resulta muy dificultoso para las personas poder entender y aprovechar el valor que ofrecen. La clasificación automática de textos consiste en asignar a un documento de texto una serie de clases utilizando técnicas de Machine Learning basado en su contenido y los temas que lo componen. La clasifi-cación automática tiene importantes aplicaciones en la administración de contenido, la minería de opinión, el análisis de reseñas de un producto, filtros de SPAM y análisis de sentimiento en redes sociales. Este trabajo explica y detalla paso a paso una es-trategia híbrida entre aprendizaje no supervisado y clasificación automática de textos basada en obras clásicas y literatura técnica trabajando sobre textos no estructurados y seleccionando las técnicas apropiadas para llegar a una aplicación concreta. Luego de realizar evaluaciones con conjuntos de libros, los resultados obtenidos permitieron verificar que nuestro enfoque es efectivo para la asignación automática de categorías a obras literarias. http://sedici.unlp.edu.ar:80/handle/10915/87828 Objeto de conferencia XX Simposio Argentino de Inteligencia Artificial (ASAI 2019) - JAIIO 48 (Salta) A current challenge in bioinformatics is to discover how to transform particular compounds into specific products. Typically, the common approach is finding the sequence of reactions that relate the specified substrate (source) and product (target) using classical searching algorithms. However, those methods have three main limitations: difficulty in handling large amounts of reactions and compounds; absence of a step that verifies the availability of substrates; and inability to find branched pathways. In [1], we propose a novel ant colony-based algorithm for metabolic pathways synthesis. This algorithm, named Pheromone-Directed Seeker (PhDSeeker), is able to relate several compounds simultaneously by emulating the behavior of real ants while seeking a path between their colony and a source of food. The process is designed to ensure the availability of substrates for every reaction in the solution. Thus, ants explore the set of reactions on each iteration searching for possible pathways to link the compounds. After that, they share information about solutions found by each one and then perform a new search. This process is guided by a cost function that evaluates the availability of substrates, the connection between source and target, and the pathway size. http://sedici.unlp.edu.ar:80/handle/10915/87828 A current challenge in bioinformatics is to discover how to transform particular compounds into specific products. Typically, the common approach is finding the sequence of reactions that relate the specified substrate (source) and product (target) using classical searching algorithms. However, those methods have three main limitations: difficulty in handling large amounts of reactions and compounds; absence of a step that verifies the availability of substrates; and inability to find branched pathways. In [1], we propose a novel ant colony-based algorithm for metabolic pathways synthesis. This algorithm, named Pheromone-Directed Seeker (PhDSeeker), is able to relate several compounds simultaneously by emulating the behavior of real ants while seeking a path between their colony and a source of food. The process is designed to ensure the availability of substrates for every reaction in the solution. Thus, ants explore the set of reactions on each iteration searching for possible pathways to link the compounds. After that, they share information about solutions found by each one and then perform a new search. This process is guided by a cost function that evaluates the availability of substrates, the connection between source and target, and the pathway size.