Tesis Doctorado en Ingeniería de Sistemas y Computación

URI permanente para esta colecciónhttps://repositorio.uninorte.edu.co/handle/10584/5683

Examinar

Mostrando 1 - 20 de 21

Clasificación de pacientes con cáncer colorrectal usando datos de abundancia taxonómica de la microbiota, mediante un ensamble de modelos de aprendizaje automático entrenado con un subconjunto representativo de datos
(Universidad del Norte, 2026) Amaya Tejera, Nazhir Jesús; Gamarra Acosta, Margarita Rosa; Zurek Varela, Eduardo Enrique
La microbiota intestinal, comunidad de microorganismos que habita diversas regiones del cuerpo, cumple un rol esencial en la salud humana y se ha vinculado con enfermedades como el cáncer colorrectal (CRC). Su análisis mediante aprendizaje automático presenta desafíos significativos: baja interpretabilidad, alta dimensionalidad y dispersión de los datos provenientes de matrices de unidades taxonómicas operacionales (OTUs), además de limitaciones en los esquemas de partición que comprometen la representatividad del conjunto de entrenamiento. Con el objetivo de mejorar la clasificación computacional de pacientes con CRC a partir de datos de abundancia taxonómica de la microbiota, se diseñó un método basado en un ensamble de modelos de aprendizaje automático entrenados con subconjuntos representativos. La metodología se estructuró en seis fases: selección y preprocesamiento de datos; diseño de una técnica de representación de la diversidad microbiana sustentada en los números de Hill; selección de subconjuntos representativos de la diversidad biológica y composicional; establecimiento de un modelo línea base mediante validación cruzada; definición e implementación de la arquitectura del ensamble; y evaluación comparativa del desempeño según métricas de clasificación basadas en el mejor recall. Los resultados validaron el método propuesto, demostrando mayor capacidad para clasificar correctamente pacientes con CRC frente a otros modelos. Se concluye que la técnica de representación de la diversidad reduce la dimensionalidad y mejora la interpretabilidad de los datos microbianos, y que el kernel basado en distancia junto con la selección de subconjuntos representativos potencian el desempeño de los modelos supervisados aplicados a datos de alta complejidad composicional.
Arquitectura basada en tecnología Blockchain para sistemas de registro turístico con un algoritmo de consenso de bajo consumo energético
(Universidad del Norte, 2025) Pineda Rodríguez, Magda Lorena; Jabba Molinares, Daladier; Nieto Bernal, Wilson
El concepto Blockchain o cadena de bloques, ha sido de gran importancia a la hora de trazar y crear sistemas seguros y transparentes que no requieran intermediarios y que sean resistentes a la manipulación y al fraude, implementando aplicaciones que permitan asegurar inteligencia, trazabilidad e inmutabilidad a problemas digitales del entorno social. Una cadena de bloques tiene la capacidad de crear transacciones de manera simultánea y descentralizada, lo que significa que no depende de un servidor centralizado para su funcionamiento; la capacidad de una cadena de bloques es el tiempo de confirmación de la transacción. En general, cuanto más rápido se pueda confirmar una transacción en la red, mayor será su capacidad para manejar un gran volumen de transacciones. Esta investigación tiene como objetivo identificar, analizar y proponer un nuevo concepto de desarrollo de un algoritmo de consenso que disminuya el consumo de energía en una blockchain. Para ello se propone una modificación en el modelo de consenso, que garantice que todos los nodos de la red estén de acuerdo sobre el estado actual de la cadena y las transacciones que se han realizado. El algoritmo de consenso más utilizado en las cadenas de bloques públicas es la Prueba de Trabajo (PoW), que requiere que los nodos de la red resuelvan problemas matemáticos complejos para validar un bloque y recibir una recompensa. Este documento ha sido estructurado en 7 capítulos en los que se hace saber el desarrollo de la investigación y objetivos propuestos: En el capítulo uno se presentan los aspectos generales de la investigación, descripción del problema, objetivos, metodología, diseño de la investigación y la justificación; en el capítulo 2 bajo un marco conceptual y referencial, se afianza una revisión de literatura y estado del arte, donde se describen tanto algoritmos de consenso como arquitecturas blockchain y sus respectivos antecedentes. En el tercer capítulo, se realiza una evaluación de los algoritmos de consenso con respecto a su consumo energético y otras consideraciones tenidas en cuenta, seleccionando criterios de análisis, comparando y realizando un posicionamiento de dichos algoritmos. El 4to y 5to capítulo, presentan tanto la propuesta de la arquitectura basada en tecnología blockchain, con un algoritmo de consenso de bajo consumo energético y la aplicación de ésta al caso de estudio (Sistema de Información de Registro Turístico). Posteriormente se muestra la discusión, la verificación de la hipótesis, lagunas conclusiones y los posibles trabajos futuros.
QoS routing protocol for IOT
(Universidad del Norte, 2018) Sanmartín Mendoza, Paul; Jabba Molinares, Daladier
The IoT is a revolution in the relations between objects and people, even only among objects, due to the fact that an object can communicate either with another one over the Internet or in private networks. It should be noticed that the objects that make up the network can come from different applications, shops, and supermarket products, industrial machinery, vehicles, and others. This thesis represents an effort to associate IoT and SDN (Software Defined Networks) using the RPL (Routing over Low Power and Lossy Networks) protocol, to resolve problems inherent to IoT and by default the WSN. The proposed solution, SDN with RPL (SBR), could provoke interesting debates in the research community and opens to a wide range of innovation opportunities. That is why, and ultimately, and IoT is expected to be versatile, flexible and easy to administer through SDN. In this thesis, SDN is proposed using RPL protocol in the control plane and in the data plane for IoT architectures allowing to solve some quality of service problems, and reducing the energy and memory consumption, package loss in the network and the extension of the lifetime of the IoT network based on WSN. First, it was proposed the adaptation and implementation of a routing metric called SIGMA-ETX for the objective function in the RPL protocol, once the appropriate state of the art was defined; it was possible to observe the recent contributions in the subject by other researchers. In the second part, a model is proposed for the use of the RPL protocol with the SIGMA-ETX metric (RPL-SIGMA) in SDN, an architecture based in clusters or IoT domains is proposed, then SDN can be used to efficiently manage the IoT network.
Framework for the development of data-driven mamdani-type fuzzy decision support systems based on fuzzy set theory using clusters and pivot tables
(Universidad del Norte, 2019) Hernández Julio, Yamid Fabián; Nieto Bernal, Wilson
The objectives of this thesis were to design, implement and validate a framework for the development of data-driven Mamdani-type fuzzy Decision support systems using clusters and pivot tables. For the first objective we designed an architecture of layers with their components for their respective implementation. The second objective was to develop an efficient implementation of each of the designed layers with their respective components in the MATLAB platform. The third objective was to provide an efficient validation of the complete framework in real-world classification problems for validating if it could extract significant features and the knowledge base and rule base for the development of Data-driven Mamdani-type Decision support systems. For validating the proposed methodology, we applied our algorithms on four public datasets including Wisconsin, and Coimbra breast cancer, wart treatment, and compared them with other related works obtained from the literature. According to the obtained results it could be demonstrated that the knowledge database and the knowledge rule base could be extracted transparently. The bene its of these expert systems are multifold: assisting physicians in selecting the best treatment method, saving time for patients, reducing the treatment cost, and improving the quality of treatment.
Data assimilation methods for highly non-linear models via efficient and practical covariance matrix estimators
(Universidad del Norte, 2020) Guzmán Reyes, Luis Gabriel; Jabba Molinares, Daladier; Niño Ruiz, Elías David
In this research, efficient and practical implementation methods for data assimilation will be proposed using covariance matrix estimators, like Ledoit and Wolf (LW), and using an hybrid method based on modified Cholesky decomposition. The main idea is explote the rank-deficiency of the ensemble covariance matrix, and some properties of the trace of a matrix, in order to develop a tractable implementation of a covariance matrix estimator in high-dimensional probability spaces, such as those found in the context of operational data assimilation. In this manner, the ensemble covariance matrix is replaced by a well-conditioned, full-rank estimator wherein the impact of spurious correlations can be mitigated during assimilation steps. The work was organized as follow, first, an efficient and practical implementation of the ensemble Kalman filter (EnKF) via the distribution-free Ledoit and Wolf (LW) covariance matrix estimator is proposed (EnKF-LW). Second, the intrinsic needed of adjoint models in the four-dimensional context is avoided using an efficient and practical implementation of a Four-Dimensional Variational Ensemble Kalman Filter (4D-EnKF) via a modified Cholesky decomposition (4D-EnKF-MC). Last a framework for wind energy potential estimation is proposed using Four-Dimensional Variational (4D-Var) data assimilation. Experimental tests are performed by using an Atmospheric General Circulation Model. The results reveal that EnKF-RBLW by employing Gaussian relaxation on prior ensemble members during assimilation steps and that the proposed 4D-EnKF-MC method outperforms traditional filter formulations (4D-ENKF) in terms of L--2 error norms and RMSE values.
Arquitectura de tecnología de la información basada en blockchain para sistemas de registros médicos electrónicos integrados, inmutables, resilientes, escalables y con políticas de privacidad centradas en el usuario
(Universidad del Norte, 2020) Gutiérrez Acosta, Omar; Wightman Rojas, Pedro M.
Los actuales sistemas de información para el registro y control de las historias clínicas EMR (Electronic Medical Records), presentan una serie de problemas que no permiten brindar una atención oportuna a los pacientes frente a sus problemas de salud. Entre los problemas principales de estos sistemas encontramos la fragmentación de los registros médicos, ya que cada centro de salud, hospital, laboratorio, médico especialista, etc. cuenta con su propia base de datos y maneja su propia información, por lo que un paciente no tiene un historial clínico unificado. Otro problema frecuente, se relaciona con la privacidad de los registros clínicos debido a la falta de control por parte de los pacientes, sobre quién puede tener acceso a su historial clínico y cuánta información es capaz de obtener. En este trabajo se presenta una arquitectura de tecnología de la información, basada en tecnología blockchain, para sistemas de registros médicos electrónicos que permitirá el desarrollo de sistemas de información de registros médicos electrónicos con características de integración, inmutabilidad, escalabilidad, con políticas de privacidad centradas en el usuario y resiliente ante fallas de conectividad. Los sistemas de registros médicos electrónicos desarrollados bajo esta arquitectura tendrán un historial clínico unificado y seguro, lo cual, permite a los actores del sistema de salud, tales como médicos, enfermeras, farmaceutas, laboratoristas e incluso al mismo paciente, tomar mejores decisiones sobre la historia del paciente y el mejor tratamiento médico a seguir. Además, el paciente cuenta con acceso permanente a su historia y puede conocer qué actores tienen permiso a ella y puede delimitar el nivel de acceso a su información, definiendo políticas diferenciales de privacidad. A partir de la arquitectura propuesta en el presente trabajo, se procedió a construir un prototipo de un sistema de registros médicos para realizar pruebas sobre este pudiendo observar que se mantuvo la sincronización entre los actores, se protegió la integridad de los datos ante fallas de conectividad y las operaciones de registro de transacciones mostraron un rendimiento adecuado, cumpliendo así los objetivos de la solución propuesta.
Digital image analysis of cells and computational tools for the study of mechanism of RSV entry to human bronchial epithelium
(Universidad del Norte, 2019) Gamarra Acosta, Margarita Rosa; Zurek Varela, Eduardo Enrique; San Juan Vergara, Homero
Respiratory Syncytial Virus (RSV) is one of the pathogens with the highest prevalence in upper and lower respiratory tract infections. The available information about the epidemiology of this virus in our environment is limited and its knowledge is very important to plan or carry out preventive and / or therapeutic interventions. The objective of this research is to perform a morphological characterization and statistical analysis that contribute to explain the heterogeneity of the RSV infection, using digital image processing and computational tools. The main results of this work are: * A framework for software development applied to cell image analysis, which includes a Spiral-based model and their techniques and artifacts. This methodology allows incorporating the step of the spiral methodology to the stages of digital image processing. * A new method for cell segmentation in fluorescence microscopy images. The proposed approach combines the well-known Marker-Controlled Watershed algorithm (MC-Watershed) with a new method of two-step based on Watershed (SM-Watershed). * A statistical analysis to determine the existence of correlation between morphological features and the presence of viral infection concluding that the predictors (Size, circularity, edge and LCD) do not determine the infection (although they are slightly associated with it).
Non-Gaussian data assimilation via ensembles: A DA application on tourism demand
(Universidad del Norte, 2019) Beltrán Arrieta, Rolando; Niño Ruiz, Elías David
Data Assimilation, DA, is the process by which an imperfect numerical forecast is corrected according to real observations. The aim of Data Assimilation is to improve the accuracy of forecast methods estimates, by incorporating observations optimally. The main goal of this research is to develop methods to overcome the limitations of some traditional DA techniques. In particular, the performance of traditional DA methods is greatly a ected in the following circumstances: 1. The prior probability distribution is non-Gaussian. 2. The operator of the observations is non-linear and therefore the probability distribution likelihood is non-Gaussian. The main goals of this research are described below: 1. To develop a Data Assimilation framework wherein prior errors are non-Gaussian. 2. To develop a Data Assimilation framework wherein observational errors are non-Gaussian. 3. To adapt and validate a Data Assimilation scheme for AR-models with data of tourism demand.
Ruteo y seguridad aplicado a internet de las cosas
(Universidad del Norte, 2021) Ávila Hernández, Karen Tatiana; Jabba Molinares, Daladier; Sanmartín Mendoza, Paul
La tesis de doctorado presentada como primera medida, establece los diferentes problemas que surgen en las redes de baja potencia y pérdidas, los cuales radican en la baja capacidad de procesamiento de los nodos, impidiendo el uso de mecanismos robustos en la protección de los datos. Durante la investigación se establece que protocolo principal utilizando en internet de las cosas es RPL, en el que sus autores dejan de lado la implementación de mecanismos de seguridad haciéndolo vulnerable a tipos de ataques. El objetivo principal de la investigación es proponer un protocolo de enrutamiento seguro para IoT, a través de la definición de niveles de confianza dentro de la función objetivo del protocolo incluyendo métricas de consumo de batería, retardo, y pérdida de paquetes. Como estrategia de mitigación de ataques en el protocolo RPL se propuso el protocolo LogNS-RPL, el cual se basa en el protocolo RPL y utiliza modelos de LogNormal y Shadowing en la construcción de la topología de la red. Al evaluar el protocolo propuesto, se evidencia que no iguala los valores arrojados por las funciones objetivo estándares del protocolo RPL, sin embargo, esto es un resultado esperado ya que se está incluyendo mayor procesamiento en cada uno de los nodos adicionando la métrica de seguridad. Como conclusión general se considera que se cumplieron las metas establecidas ya que el balance entre tiempo de vida y ataques detectados es razonable para una implementación futura, ya que, si bien se sacrifica batería en procesamiento extra, se gana seguridad en la implementación del protocolo RPL.
Arquitectura de tecnología informática - Solución Software - para soportar procesos de evaluación de entrenamiento en ambientes industriales
(Universidad del Norte, 2023) Gutiérrez López, Luz Elena; Jabba Molinares, Daladier; Nieto Bernal, Wilson; López Ospina, Héctor Andrés
Las empresas han tratado de innovar en sus procesos de capacitación para aumentar sus indicadores de productividad, disminuir costos de mantenimiento de equipos y mejorar el ambiente laboral. El uso de la realidad aumentada ha sido una de las estrategias utilizadas para mejorar los procesos de capacitación. Esta tesis doctoral describe la definición e implementación de una arquitectura informática que permite integrar la realidad aumentada (AR) en procesos de capacitación industrial. La arquitectura está formada por seis capas alineadas con el modelo de referencia de Arquitectura Empresarial y el estándar ISO/IEC/IEEE 42010. La capa Government Strategy se encarga de la visión estratégica de la arquitectura; Business plantea el modelo conceptual del negocio; Information se enfoca en las actividades para generar información de las áreas del negocio a través de 87 atributos de calidad identificados; Data recopila información de los atributos de calidad en procesos de capacitación; Systems and Application describe los sistemas software ofrecidos como servicios para soportar los procesos de capacitación; y Networks and infrastructure implementa las tecnologías para el procesamiento de plataformas, aplicaciones, datos e información. Se presenta un caso de estudio del uso de la nueva arquitectura en un proceso de capacitación de una máquina de cilindrado. La validación de la arquitectura incluyó el uso de microservicios y AR, en dos grupos de prueba que participaron en el proceso. Los resultados obtenidos se analizaron con técnicas de inferencia estadística. Entre los hallazgos se encontró qué el uso de la realidad aumentada en procesos de capacitación puede mejorar los indicadores de Efficiency, Effectiveness y Satisfaction en procesos de entrenamiento.
Countermeasures for the majority attack in blockchain distributed systems
(Universidad del Norte, 2023) Aponte Novoa, Fredy Andrés; Villanueva Polanco, Ricardo Luis; Sandoval Orozco, Ana Lucila; Wightman Rojas, Pedro M.
La tecnología Blockchain es considerada como uno de los paradigmas informáticos más importantes posterior al Internet; en función a sus características únicas que la hacen ideal para registrar, verificar y administrar información de diferentes transacciones. A pesar de esto, Blockchain se enfrenta a diferentes problemas de seguridad, siendo el ataque del 51% o ataque mayoritario uno de los más importantes. Este consiste en que uno o más mineros tomen el control de al menos el 51% del Hash extraído o del cómputo en una red; de modo que un minero puede manipular y modificar arbitrariamente la información registrada en esta tecnología. Este trabajo se enfocó en diseñar e implementar estrategias de detección y mitigación de ataques mayoritarios (51% de ataque) en un sistema distribuido Blockchain, a partir de la caracterización del comportamiento de los mineros. Para lograr esto, se analizó y evaluó el Hash Rate / Share de los mineros de Bitcoin y Crypto Ethereum, seguido del diseño e implementación de un protocolo de consenso para controlar el poder de cómputo de los mineros. Posteriormente, se realizó la exploración y evaluación de modelos de Machine Learning para detectar software malicioso de tipo Cryptojacking.
A protocol design paradigm for rateless fulcrum code
(Universidad del Norte, 2022) Rivera Julio, Yair Enrique; Gutiérrez García, Ismael; Márquez Díaz, José
Establecer servicios Multicast eficientes en una red con dispositivos heterogéneos y bajo los efectos de un canal con efecto de borradura es una de las prioridades actuales en la teoría de la codificación, en particular en Network Coding (NC). Además, el creciente número de clientes con dispositivos móviles de gran capacidad de procesamiento y la prevalencia de tráfico no tolerante al retardo han provocado una demanda de esquemas Multicast sin realimentación en lo que respecta a la gestión de recursos distribuidos. Las plataformas de comunicación actuales carecen de un control de codificación gradual y dinámico basado en el tipo de datos que se transmiten a nivel de la capa de aplicación. Este trabajo propone un esquema de transmisión fiable y eficiente basado en una codificación hibrida compuesta por una codificación sistemática y codificación de red lineal aleatoria (RLNC) denominada codificación Fulcrum. Este esquema híbrido de codificación distribuida tipo Rateless permite implementar un sistema adaptativo de gestión de recursos para aumentar la probabilidad de descodificación durante la recepción de datos en cada nodo receptor de la información. En última instancia, el esquema propuesto se traduce en un mayor rendimiento de la red y en tiempos de transmisión (RTT) mucho más cortos mediante la implementación eficiente de una corrección de errores hacia delante (FEC).
Framework to predict the metabolic syndrome without doing a blood test: based on machine learning for a clinical decision support system
(Universidad del Norte, 2021) Barrios Barrios, Mauricio Andrés; Jimeno Paba, Miguel Ángel; Villalba Amarís, Pedro Javier
Metabolic Syndrome (MetS) is a cluster of risk factors that increase the likelihood of heart disease and diabetes mellitus, and researchers have recently linked it to worse outcomes for the novel Covid-19 disease. It is crucial to get diagnosed with time to take preventive measures, especially for patients in locations without proper laboratories and medical consultations. This work presents a new model to diagnose metabolic syndrome using machine learning and non-biochemical variables that healthcare professionals can obtain from initial consultations. For evaluating and comparing the model, this work also proposes a new methodology for performing research on data mining called RAMAD. The methodology standardizes the novel model’s comparison with similar classification models, using their reported variables and previously obtained data from a study in Colombia, using the holdout and random subsampling validation methods to get performance evaluation indicators between the models. The resulting ANN model used three hidden layers and only Hip Circumference, dichotomous Waist Circumference, and dichotomous blood pressure variables. It gave an Area under Receiver Operating Characteristic curves (AROC) of 87.75% by the International Diabetes Federation (IDF) and 85.12% by Harmonized Diagnosis or Joint Interim Statement (HMS) diagnosis criteria, higher than previous models. Thanks to the new methodology, diagnosis models can be thoroughly documented for appropriate future comparisons, thus benefiting the studied diseases’ diagnosis. Medical personnel needs to know the factors involved in the syndrome to start a treatment. So, this work also presents the segmentation of metabolic syndrome in types related to each biochemical variable. It uses the RAMAD methodology together with several machine learning techniques to design a framework to predict MetS and their several types, without using a blood test and only anthropometric and clinical information. The results showed an excellent system for predicting six MetS types that combine several factors mentioned above that have an AROC with a range of 71% to 96%, and an AROC 82.86%. This thesis finishes with the proposal of using a SCRUM Thinking framework for creating mobile health applications to implement the new models and serve as decision tools for healthcare professionals. The standard and fundamental characteristics were analyzed, finding the quality attributes verified in the framework’s early stages. Keywords — Metabolic Syndrome, Segmentation, Quine–McCluskey, Random Subsampling validation, RAMAD, Machine learning, Framework, International Diabetes Federation (IDF), Harmonized Diagnosis or Joint Interim Statement (HMS).
EGFR and KRAS mutation prediction on lung cancer through medical image processing and artificial intelligence
(Universidad del Norte, 2022) Moreno Trillos, Silvia Carolina; Zurek Varela, Eduardo Enrique
Lung cancer causes more deaths globally than any other type of cancer. To determine the best treatment, detecting EGFR and KRAS mutations is of interest. However, non-invasive ways to obtain this information are not available. In this study, an ensemble approach is applied to increase the performance of EGFR and KRAS mutation prediction from CT images using a small dataset. A new voting scheme, Selective Class Average Voting (SCAV) is proposed and its performance is assessed both for machine learning models and Convolutional Neural Networks (CNNs). For the EGFR mutation, in the machine learning approach, there was an increase in the Sensitivity from 0.66 to 0.75, and an increase in AUC from 0.68 to 0.70. With the deep learning approach an AUC of 0.846 was obtained with custom CNNs, and with SCAV the Accuracy of the model was increased from 0.80 to 0.857. Finally, when combining the best Custom and Pre-trained CNNs using SCAV an AUC of 0.914 was obtained. For the KRAS mutation both in the machine learning models (0.65 to 0.71 AUC) and the deep learning models (0.739 to 0.778 AUC) a significant increase in performance was found. This increase was even greater with Ensembles of Pre-trained CNNs (0.809 AUC). The results obtained in this work show how to effectively learn from small image datasets to predict EGFR and KRAS mutations, and that using ensembles with SCAV increases the performance of machine learning classifiers and CNNs.
Design and implementation of data assimilation methods based on Cholesky decomposition
(Universidad del Norte, 2020) Mancilla Herrera, Alfonso Manuel; Niño Ruiz, Elías David
In Data Assimilation, analyses of a system are obtained by combining a previous numerical model of the system and observations or measurements from it. These numerical models are typically expressed as a set of ordinary differential equations and/or a set of partial differential equations wherein all knowledge about dynamics and physics of, for instance, the ocean and or the atmosphere are encapsulated. We treat numerical forecasts and observations as random variables and therefore, error dynamics can be estimated by using Bayes’ rule. For the estimation of hyper-parameters in error distributions, an ensemble of model realizations is employed. In practice, model resolutions are several order of magnitudes larger than ensemble sizes, and consequently, sampling errors impact the quality of analysis corrections and besides, models can be highly non-linear and well-common Gaussian assumptions on prior errors can be broken. To overcome these situations, we replace prior errors by a mixture of Gaussians and even more, precision covariance matrices intra-clusters are estimated by means of the modified Cholesky decomposition. Four different methods are proposed, namely the Posterior EnKF with its deterministic and stochastic variations, a Non-Gaussian method and a MCMC filter, which used the Bickel-Levina estimator; these methods are based on a modified Cholesky decomposition and tested with the Lorenz 96 model. Their implementations are shown to provide equivalent solutions compared to another EnKF methods like the LETKF and the EnSRF.
Búsqueda y selección de servicios web con restricciones QoS en ambientes cloud computing
(Universidad del Norte, 2021) Adarme Jaimes, Marco Antonio; Jimeno Paba, Miguel Ángel
En la actualidad la nube enfrenta problemas para la búsqueda y selección de servicios web, debido al gran número de servicios disponibles por los diferentes proveedores cloud y a la diversidad de criterios de calidad de servicio (QoS, por sus siglas en inglés) de cada uno de ellos. Muchos servicios pueden satisfacer un requisito con criterios de calidad similares. Debido a esto, los desarrolladores de software tienen que elegir los servicios más adecuados para una composición determinada. Esta tesis desarrolla una estrategia para el descubrimiento y selección de servicios web denominada Ar_WSDS, que basa su implementación en el funcionamiento sistemático de reconocimiento de patrones del cerebro. Los servicios web son representados como patrones hacer reconocidos por Ar_WSDS, quien determina los servicios necesarios y suficientes que constituyen la composición y que cumplan con los criterios QoS que el desarrollador defina. El proceso de reconocimiento da como resultado un conjunto de servicios web que cumplen con una métrica de calidad para cada uno de sus servicios como para el servicio compuesto. Ar_WSDS ofrece una nueva visión de reconocimiento que permite dividir el problema de selección en tareas funcionales y descriptivas. El sistema es concebido desde una arquitectura por componentes, principio que brinda granularidad y adaptación para la adición nuevos criterios QoS. Los resultados de la evaluación del sistema demuestran la efectividad del proceso de descubrimiento y selección, y de categorización o ranking de servicios que ofrecen un mayor rango de búsqueda y selección, frente a otros enfoques.
Sparse Representation-Based Framework for Preprocessing Brain MRI
(Universidad del Norte, 2020) Leal Narváez, Nallig Eduardo; Zurek Varela, Eduardo Enrique
This thesis addresses the use of sparse representations, specifically Dictionary Learning and Sparse Coding, for pre-processing brain MRI, so that the processed image retains the fine details of the original image, to improve the segmentation of brain structures, to assess whether there is any relationship between alterations in brain structures and the behavior of young offenders. Denoising an MRI while keeping fine details is a difficult task; however, the proposed method, based on sparse representations, NLM, and SVD can filter noise while prevents blurring, artifacts, and residual noise. Segmenting an MRI is a non-trivial task; because normally the limits between regions in these images may be neither clear nor well defined, due to the problems which affect MRI. However, this method, from both the label matrix of the segmented MRI and the original image, yields a new improved label matrix in which improves the limits among regions.
Wind Energy Potential Estimation via a Hybrid Data Assimilation Method
(Universidad del Norte, 2020) Calabria Sarmiento, Juan Carlos; Niño Ruiz, Elías David; Capacho Portilla, José Rafael
This research proposes a 4D-Var ensemble-based data assimilation framework for wind energy potentialestimation. In this formulation, in the 4D-Var context, the intrinsic need of adjoint models is avoided via the use of an ensemble of model realizations. These ensembles are employed to build control spaces onto which analysis increments are estimated. Control spaces are built via a modified Cholesky decomposition. The particular structure of this estimator allows for a matrix-free implementation of the proposed filter formulation. Experimental tests are performed,making use of wind turbines catalogs and the Atmospheric General Circulation Model Speedy. The results reveal that our proposed framework can properly estimate wind energy potential capacities within reasonable accuracies in terms of Root-Mean-Square-Error, and even more,these estimations are better than those of traditional 4D-Var ensemble-based methods. Besides, Wind Turbine Generators(WTGs) with low rate-capacity are the ones which provide homogeneous behavior of error estimations around the globe. As the rate-capacity increases,the potential energy increases as well, but the error dispersion of ensemble members grow, which can difficult decision-makingprocesses. Of course, rate-capacity is just a single parameter of many in the WTG context, and we do not consider, for instance, economic aspects in our study, which can be crucial for deciding whether or not to employ green sources of energy.
Código de red aplicados sobre múltiples flujos de datos en transmisión multicast
(Universidad del Norte, 2018) Márquez Díaz, José; Gutiérrez García, Ismael
Framework de gestión de tecnologías de información para ciudades inteligentes: caso colombiano
(Universidad del Norte, 2017) Maestre Góngora, Gina Paola; Nieto Bernal, Wilson

Examinar

Envíos recientes