Examinando por Autor "Takahashi Rodríguez, Silvia"
Mostrando 1 - 20 de 91
Resultados por página
Opciones de ordenación
Publicación Acceso abierto 1# Expressive - a language for text register programs(Uniandes, 2016) Cerón Uribe, Santiago; Takahashi Rodríguez, SilviaPublicación Acceso abierto A domain-specific language to specify behavior in a management game simulator(Uniandes, 2011) Téllez Sánchez, Edwin Leonardo; Meneses Ramírez, Rafael Gustavo; Casallas Gutiérrez, Rubby; González Rojas, Oscar Fernando; Takahashi Rodríguez, Silvia; Arboleda Jiménez, Hugo FernandoThe contribution of this thesis is the use of the DSL approach in a real-world context (and not only as a case study), consisting on a domain-specific transactional system with a large number of functional requirements (with about70different business decisions) that can change through the time and whose size rises 800.000 LOCs. Finally, the whole project implementation is evaluated empirically through a validation workshop done by all of the targeted users(the MAGES developers). The advantages gained, and the issues faced could certainly serve as a reference case for other projects.Publicación Acceso abierto A Machine learning approach for forecasting financial bubbles(Universidad de los Andes, 2022-07-09) Londoño Bohórquez, Daniel Santiago; Takahashi Rodríguez, Silvia; 39689762The goal of this document is to categorically foresee bubble like behavior in stocks. In order to accomplish this a wide variety of libraries, including Google¿s renowned Tensorflow and a well founded and updated stock market dataset were be used. The data gathering process for this project was without a doubt the biggest challenge of all. This is basically due to the fact that we are studying dead companies. The 2001 Dotcom Crash forced hundreds of companies file for chapter 11, forcing their financial data to become unavailable, even in large databases such as Bloomberg¿s or the SEC¿s. The final model is optimal when it comes evaluate bubble behavior in securities.Publicación Acceso abierto Ad Hoc systems management and specification with distributed Petri Nets.(Universidad de los Andes, 2021) Sosa Flórez, Juan Sebastián; Cardozo Álvarez, Nicolás; Takahashi Rodríguez, Silvia; Leger, PaulManaging mobile ad hoc systems is a difficult task due to the high volatility of the systems¿ topology. Ad hoc systems are commonly defined by means of their constituent entities and the relationships between such entities, however, a formal specification and run-time execution model is missing. The benefit of a formal specification is that it can enable reasoning about local and global system properties, for example, determining whether the system can reach a given state. We propose a Petri net-based specification and execution model to manage ad hoc distributed systems. Our model enables spontaneous communication between previously unknown system components. The model is locally equivalent to standard Petri nets, and hence could be used for the verification of properties for system snapshots static with respect to connections and disconnection, in which it is possible to analyze liveness, reachability, or conflicts. We validate the usability of our distributed ad hoc Petri net model by modeling distributable systems as described by existing distributed Petri nets approaches. Additionally, we demonstrate the ap- plicability and usability of the proposed model in distributed ad hoc networks by implementing the communication behavior of two prototypical ad hoc network applications, disaster and crisis management, and VANETs, successfully validating the appropriate behavior of the system in each case.Publicación Acceso abierto Algorithmic diversity through semantic program comparison(Universidad de los Andes, 2021) Trujillo Achury, Miller Andrés; Cardozo Álvarez, Nicolás; Takahashi Rodríguez, Silvia; Nallur, VivekLa diversidad es una propiedad bien estudiada en el diseño de software, especialmente en áreas como la seguridad o los sistemas distribuidos. Sin embargo, a la hora de diseñar un sistema, no existen formas adecuadas de medir la diversidad real entre las distintas implementaciones del mismo. Por tanto, proponemos una nueva métrica de diversidad basada en técnicas de análisis de similitud de programas que utiliza la representación de grafos de flujo de control para determinar el grado de similitud de dos programas dados. Dividimos nuestro trabajo en dos partes principales: El análisis de la similitud de los programas y el análisis del impacto de la diversidad en el software. Para validar nuestro enfoque de análisis de la similitud de los programas, utilizamos programas simples de los dominios de los algoritmos de ordenamiento, búsqueda y agregación, midiendo la similitud entre las diferentes implementaciones. Además, utilizamos un nuevo corpus creado a partir de problemas de concursos virtuales de programación competitiva para descubrir la similitud entre las soluciones presentadas por los concursantes. Para evaluar el impacto de la diversidad, utilizamos una configuración de balanceadores de carga que implementan diferentes algoritmos, y medimos el rendimiento del sistema utilizando la latencia y la tasa de errores. Nuestros resultados muestran que, de hecho, nuestro enfoque para analizar la similitud de los programas detecta correctamente la similitud entre diferentes implementaciones de programas, y marca como diferentes aquellas implementaciones a problemas no relacionados, con un rendimiento comparable a los enfoques existentes. Por último, también observamos que al añadir diversidad a la configuración de balanceadores de carga se reducía la latencia de todo el sistema, sin impactar las tasas de error.Publicación Acceso abierto Algoritmos de optimización combinatoria aplicados al diseño de redes de distribución de agua potable(Uniandes, 2004) Villalba Fernández de Castro, Germán Augusto; Takahashi Rodríguez, SilviaPublicación Acceso abierto Análisis de dos algoritmos de Reinforcement Learning aplicados a OpenAi Gym Retro(Universidad de los Andes, 2023-08-15) González Oviedo, Rodrigo José; Takahashi Rodríguez, Silvia; 39689762; Takahashi Rodríguez, SilviaEl presente trabajo explica detalladamente el funcionamiento de los algoritmos de aprendizaje reforzado, DQN y PPO. Adicionalmente se realiza una comparación entre estos algoritmos utilizando el framework de OpenAI Gym-retro, para entrenar un game agent basado en cada uno de los algoritmos.Publicación Acceso abierto Análisis de flujos de información en aplicaciones Android(Uniandes, 2015) Jiménez Becerra, Lina Marcela; Ochoa Ronderos, Martín; Rueda Rodríguez, Sandra Julieta; Takahashi Rodríguez, SilviaPublicación Acceso abierto Análisis de herramientas y métodos : predicción de estructura proteica terciaria(Uniandes, 2020) Rengifo Sanguino, Daniel Fernando; Duitama Castellanos, Jorge Alexander; Mariño Drews, Olga; Cardozo Álvarez, Nicolás; Takahashi Rodríguez, Silvia"A través del desarrollo de una herramienta para la predicción de estructura terciaria de proteínas, por medio de comparación por homología; se lleva a cabo un análisis comparativo entre las herramientas de software líderes en este campo, y los resultados experimentales y los obtenidos por medio del software propuesto. Se utiliza una aproximación de aprendizaje de máquina, específicamente un modelo oculto de Markov, para poder encontrar las relaciones sutiles de homología a nivel estructural, a partir de una secuencia inicial de aminoácidos que llegaran a componer la proteína en cuestión. Este modelo de oculto de Markov deberá ser capaz de incorporar emisiones nulas dentro de su estructura, para poder soportar la inclusión de secuencias en las cuales uno (o varios) aminoácidos no están presentes en la cadena de comparación. Para este fin, se utilizarán recursos API para consumir servicios de bioinformática ligados a los procedimientos requeridos para hacer una predicción de estructura terciaria, como lo son bases de datos, o aproximaciones reputadas de estructuras secundarias, de la proteína a analizar."--Tomado del Formato de Documento de GradoPublicación Acceso abierto Aplicando técnicas de aprendizaje profundo al juego de ritmo "Osu!"(Universidad de los Andes, 2023-09-11) Zona Moreno, Sergio Julián; Takahashi Rodríguez, Silvia; 39689762; FLAGA lo largo de los últimos años, el desarrollo de la inteligencia artificial (IA) en el campo de los videojuegos ha sido objeto de interés. Esto se debe a que los mismos proponen múltiples retos de alta complejidad que impulsan el desarrollo de nuevas tecnologías. En este contexto, el objetivo del proyecto es desarrollar un Game Agent utilizando técnicas de aprendizaje profundo en el videojuego "Osu!" con el fin de evaluar su efectividad en un juego de ritmo. Particularmente, se implementó la técnica de aprendizaje profundo Proximal Policy Optimization (PPO) para determinar si su uso puede extrapolarse a otros contextos, situaciones y/o proyectos de la vida cotidiana.Publicación Acceso abierto Applying deep reinforcement learning to Berkeley's capture the flag game(Universidad de los Andes, 2019) Rojas Herrera, Santiago; Takahashi Rodríguez, Silvia"This project aimed to apply Deep Reinforcement Learning methods on Capture the Flag, a game designed for Berkeley's Introduction to AI (CS188) class. Furthermore, the potential of generating images from the state information of the game and using these as inputs to a Deep Neural Network was studied. Then, multiple agents that used different exploring strategies and different reward functions were trained, with the purpose of finding the most effective way to train agents for this game."--Tomado del Formato de Documento de Grado.Publicación Acceso abierto Applying Q learning algorithm to the game of Tetris(Universidad de los Andes, 2022-12-20) Olave Tobasia, Joshua Manolo Huaraz; Takahashi Rodríguez, Silvia; 39689762Documento de proyecto de grado para la obtención del título de Ingeniería de Sistemas y Computación. El estudio y desarrollo fue realizado utilizando el lenguaje de programación Python y la Libreria Tensorflow. En el proyecto se describe el desarrollo de un programa con la capacidad de resolver un juego de Tetris utilizando herramientas del aprendizaje por refuerzo.Publicación Acceso abierto Bad Smells en bases de datos relacionales : una propuesta taxonómica(Universidad de los Andes, 2006) Ramírez Pinilla, Ángela Paola; Takahashi Rodríguez, SilviaPublicación Acceso abierto Bounded generics over constants in Rust(Uniandes, 2019) Poveda Ruiz, Christian Nicanor; Cardozo Álvarez, Nicolás; Takahashi Rodríguez, Silvia; Scherer, OliverRust is a language aiming to provide a way to write robust and performant code without using garbage collection or manual memory managment. Yet it lacks of a mechanism to abstract constants, forcing users to repeat code in cases where con- stants are involved. One of the challenges of developing this mechanism, is that it must be compatible with the language's core principles of performance, reliability and productivity, putting it in contrast with well established languages such as C++, where the mechanism for constant abstraction is another source of unsafety. In order to provide such a mechanism, we propose and develop a symbolic execution engine for the Rust compiler. We explore the integration of the engine in the language's trait solving and type inference mechanisms.Publicación Acceso abierto Calibración de redes de alcantarillado utilizando algoritmos genéticos(Uniandes, 2011) Escovar Bernal, María Alejandra; Saldarriaga Valderrama, Juan Guillermo; Takahashi Rodríguez, SilviaEn este trabajo de investigación se formula una metodología para realizar la calibración hidráulica de redes de alcantarillado y con los resultados; se desea brindar una herramienta útil a los encargados de la toma de decisiones de operación de los sistemas de alcantarillado, y el sistema de drenaje integrado, para mejorar la prestación del servicio y el uso de la infraestructura disponible.Publicación Acceso abierto Calibración de redes de distribución de agua potable con métodos de inteligencia artificial(Uniandes, 2007) Vega Sánchez, María Carolina; Takahashi Rodríguez, SilviaPublicación Acceso abierto Chained NEAT implementation for better adapting neural networks applied to Super Mario World(Universidad de los Andes, 2021-07-09) Kavanagh, Tomas; Takahashi Rodríguez, Silvia; 39689762Con uso de redes neuronales encadenadas basadas en NEAT se crea un prototipo de un agente, juega el videojuego "Super Mario World" con posibilidad de adaptarse a varios niveles.Publicación Acceso abierto Communication in D-MANETs using tuple spaces(Universidad de los Andes, 2018) Bages Prada, Juan Camilo; Cardozo Álvarez, Nicolás; Takahashi Rodríguez, SilviaMobile devices can be used for creating networks in which hosts can communicate directly between each other in an infrastructure-less environment. However, important challenges arise when working with these networks. In this thesis, we propose a framework for abstracting the development of applications that communicate directly. This framework takes advantage of the simplicity of the Tuple Space model in order to hide complex communication logic from the application layer.Publicación Acceso abierto Comparación de Algoritmos de Aprendizaje por Refuerzo: DQN vs PPO en el Juego Atari Amidar(Universidad de los Andes, 2026-01-22) Corzo Acuña, Fabrizio Mario; Takahashi Rodríguez, Silvia; Takahashi Rodríguez, SilviaEn este proyecto implementé y comparé tres algoritmos de aprendizaje por refuerzo para jugar Amidar, un clásico de Atari: Q-Learning tabular (como punto de partida), DeepQ-Network (DQN), y Proximal Policy Optimization (PPO). Los experimentos arrojaron resultados claros: PPO obtuvo en promedio 293,88 ±84,91 puntos, mientras que DQN apenas alcanzó 89,69 ± 15,45, una diferencia de más del 200%. También desarrollé versiones optimizadas de PPO (“Mejorado” y “Ultra”) usando técnicas recientes como normalización de recompensas y arquitectura Impala-CNN, que mejoraron aún más la estabilidad durante el entrenamiento. El trabajo documenta tanto los éxitos como los problemas encontrados, incluyendo un fenómeno interesante de colapso de entropía en PPO que limita la diversidad de estrategias aprendidas.Publicación Acceso abierto Comparative study of SAC and PPO in multi-agent reinforcement learning using unity ML-agents(Universidad de los Andes, 2023-07-25) Bayona Latorre, Andrés Leonardo; Takahashi Rodríguez, Silvia; 39689762; Takahashi Rodríguez, SilviaThis document presents a comparative study of the Soft Actor-Critic (SAC) and Proximal Policy Optimization (PPO) algorithms in the context of Multi-Agent Reinforcement Learning (MARL) using the Unity ML-Agents framework. The objective is to investigate the performance and adaptability of these algorithms in dynamic environments. A collaborative-competitive multi-agent problem is formulated in the context of a food-gathering task. The proposed solution includes a dynamic environment generator and reward-shaping training techniques. The results showcase the effectiveness of SAC and PPO in learning complex behaviors and strategies in the objective MARL task. Using dynamic environments and reward shaping enables the agents to exhibit intelligent and adaptive behaviors. This study highlights the potential of MARL algorithms in addressing real-world challenges and their suitability for training agents in dynamic environments with the Unity ML-Agents framework.