[Todos CMAT] [Todosdmel] Homenaje a Enrique Cabaña

José L. Vieitez jvieitez en fing.edu.uy
Vie Dic 8 08:49:01 -03 2017


Lamentablemente no podré estar en este merecido homenaje al querido
Profesor Ing. Enrique Cabaña.
Igual deseo manifestar mi apoyo a dicha actividad y acompañarla desde lejos.
Cordiales saludos,
José Vieitez.

El 8 de diciembre de 2017, 8:46, José L. Vieitez <jvieitez226 en gmail.com>
escribió:

> Lamentablemente no podré estar en este merecido homenaje al querido
> Profesor Ing. Enrique Cabaña.
> Igual deseo manifestar mi apoyo a dicha actividad y acompañarla desde
> lejos.
> Cordiales saludos,
> José Vieitez.
>
>
> El 7 de diciembre de 2017, 20:51, jgraneri <jgraneri en fing.edu.uy>
> escribió:
>
>>
>> Estimados Todos:
>>
>> Mando un resumen más detallado de las actividades de homenaje a Enrique
>> Cabaña, que tendrán lugar mañana a partir de las 14 horas en el
>> salón rojo dela Facultad de Ingeniería.
>> Cordiales saludos.
>> J.
>>
>> 14 a 14:45: Presentación de la actividad a cargo de la Dra. María Simon
>> (Decana de la Facultad de Ingeniería) y del Dr. Roberto Markarian (Rector
>> del la Universidad de la República)
>>
>> 14:45 a 15:30: Random projections and SVM/ Proyecciones aleatorias y
>> Máquinas de soporte vectorial
>>
>> Dra. Carenne Ludeña (Universidad Jorge Tadeo Lozano, Bogotá, Colombia)
>>
>>
>> Resumen: Uno de los problemas de interés al trabajar con grandes
>> volúmenes de datos es el de encontrar estrategias eficientes para agrupar o
>> clasificar muchos datos en espacios posiblemente de gran dimensión o de
>> naturaleza compleja.
>>  Una de las alternativas más usadas es la de encontrar esquemas de
>> muestreo
>> o más recientemente  proyecciones aleatorias que permitan encontrar la
>> información relevante sin tener que considerar todo el conjunto de datos.
>> Por otro lado, los métodos basados en kernels se basan en la construcción
>> de un espacio
>> de características  sobre el cual resulta más natural realizar esta tarea
>> mediante un producto interno definido sobre el nuevo espacio. Una pregunta
>> natural es estudiar estrategias de proyecciones aleatorias para este nuevo
>> espacio,teniendo en cuenta la existencia de direcciones principales
>> definidas por el kernel.
>> En esta charla presentaremos algunos resultados sobre proyecciones
>> aleatorias para el problema de clasificación y agrupamiento usando kernels.
>>
>>
>> 15:30 a 16:15: Un enfoque secuencial para la estimación de estados y
>> parámetros en EDPs lineales dependientes del tiempo.
>>
>> Dr. Marco Scavino (Universidad de la República)
>>
>>
>> Resumen: En esta charla se presenta una variante del filtro de Kalman de
>> conjunto (EnKF) inspirada por un método estadístico de marginalización de
>> condiciones de frontera que hemos desarrollado para la estimación de
>> coeficientes en ecuaciones en derivadas parciales lineales. El método ha
>> sido aplicado a un estudio experimental llevado a cabo en una cámara
>> ambiental con el propósito de inferir las propiedades térmicas de una pared
>> de ladrillos [1]. La técnica con marginalización (EnMKF) introducida en [2]
>> permite estimar de manera secuencial el estado del sistema dinámico
>> parcialmente observado y los parámetros de la ecuación en derivadas
>> parciales empleada para la modelación del problema de interés.
>> En comparación con un método EnKF modificado y sin marginalización de las
>> condiciones de frontera aleatorias, los resultados muestran que EnMKF
>> reduce el error de sesgo de las estimaciones de los parámetros de la pared
>> y evita el colapso del conjunto.
>>
>> [1] Marco Iglesias, Zaid Sawlan, Marco Scavino, Raúl Tempone &
>> Christopher Wood (2018). Bayesian inferences of the thermal properties of a
>> wall using temperature and heat flux measurements, International Journal of
>> Heat and Mass Transfer, 116, 417-431.
>>
>> [2] Marco Iglesias, Zaid Sawlan, Marco Scavino, Raúl Tempone &
>> Christopher Wood (2017). Ensemble-marginalized Kalman filter for linear
>> time-dependent PDEs with noisy boundary conditions: Application to heat
>> transfer in building walls, https://arxiv.org/abs/1711.09365, Noviembre.
>>
>>
>>
>> 16.15 a 17: Construcción de Procesos Continuos Autoregresivos mediante
>> iteraciones del proceso Ornstein-Uhlenbeck
>>
>> Dr. Argimiro Arratia (Universitat Politécnica de Catalunya)
>>
>>
>> Resumen:  Expondré trabajo conjunto con Alejandra Cabaña y Enrique
>> Cabaña sobre la construcción de un proceso continuo que al observarse
>> en  tiempo discreto coincide en sus  covarianzas con ARMA(p,p-1). La
>> construcción se hace mediante iteración del proceso de
>> Ornstein-Uhlenbeck.
>>
>> 17 a 17:45 Pausa Café
>>
>>
>> 17:45 a 18:30.  Trabajando con Enrique
>>
>> Dra. Alejandra Cabaña (Universitat Autónoma de Barcelona)
>>
>>
>> Resumen: Un recorrido por los 18 artículos que hemos publicado con
>> Enrique desde 1994 hasta ahora.  Desde las transformaciones de
>> procesos empíricos y procesos de residuos hasta las interpolaciones en
>> ley de series temporales estacionarias.
>>
>>
>> 18:30 a 19:15. Métodos Estocásticos para el Análisis de Olas Marinas.
>>
>> Dr. Joaquín Ortega Sánchez (CIMAT, Guanajuato, México)
>>
>> Resumen: Los modelos estocásticos para el análisis del movimiento de la
>> superficie del mar comenzaron a desarrollarse en la segunda mitad del siglo
>> pasado, principalmente a partir del trabajo de Pierson y Longuet-Higgins,
>> quienes propusieron un modelo basado en la teoría de procesos aleatorios
>> Gaussianos estacionarios. Sin embargo, ambas hipótesis, estacionaridad y
>> gaussianidad, tienen limitaciones. El mar sólo es estacionario por períodos
>> cortos de tiempo mientras que la gaussianidad depende de las condiciones
>> del mar así como de su profundidad en el punto de estudio.
>> Los datos que se obtienen a partir de boyas situadas en la superficie del
>> mar se pueden considerar como una serie de tiempo registrada a una cierta
>> frecuencia de muestreo, y cuyo ‘estado’ cambia en el tiempo, es decir, la
>> serie sólo es estacionaria por intervalos y hay períodos de transición
>> entre ellos. Uno de nuestros puntos de interés está en el análisis y
>> modelación de la evolución de los estados del mar, reflejados en los
>> cambios que se observan en esta serie de tiempo. En consecuencia, las
>> herramientas principales están asociadas al estudio de series temporales y
>> en especial a su representación espectral, que permite resumir el
>> comportamiento oscilatorio de la serie en la densidad espectral.
>> Presentaremos resultados recientes sobre agrupamiento (clustering) de
>> series temporales como un método para determinar períodos de comportamiento
>> estacionario. Estos métodos están basados en el uso de la distancia en
>> variación total entre espectros normalizados. También presentamos
>> resultados basados en técnicas de análisis de datos funcionales, tanto para
>> agrupamiento como para comparación de poblaciones.
>>
>>
>> 19:15 a 20:00. Mesa redonda coordinada por el Dr. Ernesto Mordecki
>> (Facultad de Ciencias) y por el Dr. José R. León (Facultad de Ingeniería)
>>
>>
>> 19:15 a 20:00. Mesa redonda coordinada por el Dr. Ernesto Mordecki
>> (Facultad de Ciencias) y por el Dr. José R. León (Facultad de Ingeniería)
>>
>>
>> _______________________________________________
>> Todosdmel mailing list
>> Todosdmel en unorte.edu.uy
>> http://unorte.edu.uy/mailman/listinfo/todosdmel
>>
>
>
------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL: <http://listas.cmat.edu.uy/pipermail/todos/attachments/20171208/b431e374/attachment.html>


Más información sobre la lista de distribución Todos