[Todos CMAT] [Todosdmel] Homenaje a Enrique Cabaña

José L. Vieitez jvieitez226 en gmail.com
Vie Dic 8 08:46:47 -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 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/20171208/884133ed/attachment.html>


Más información sobre la lista de distribución Todos