IV congreso internacional / días de matemática aplicada

Daniela Alejandra Molina Alvarez

1113468

Universidad Francisco de Paula Santander

Ecuaciones Diferenciales
Programa Ingeniería civil
Cúcuta
2019
 Los pasados días 16, 17 y 18 de octubre se llevó a cabo el IV congreso
internacional / días de matemática aplicada en las instalaciones de la
universidad Simón Bolívar a través del cual se compartieron experiencias
referentes al saber matemático con la resolución de situaciones problemas de
la vida real vistos desde diferentes contextos expuestos en ponencias
magistrales, debates y talleres guiados por investigadores de carácter nacional
e internacional. De esta manera cabe resaltar las características de algunos
temas tratados en el evento, con el fin de comprender y analizar dichas
ponencias.
Entre ellas encontramos el análisis de datos para un conjunto de listas de
estudiantes universitarios utilizando el método de aprendizaje automático de
los K vecinos más cercanos, en donde se define el método KNN (k-Nearest
Neighbor) como un proceso que busca en las muestras de entrenamiento más
cercanas a la que se está tratando de predecir y clasifica el punto de interés
basado en la mayoría de datos que le rodean. Donde la «K» significa la
cantidad de «puntos vecinos» que tenemos en cuenta en las cercanías para
clasificar los «n» grupos que ya se conocen de antemano.
Considerando también sus pros encontramos que es sencillo de aprender e
implementar y sus contras teniendo en cuenta que utiliza todo el conjunto de
datos para entrenar «cada punto» y por eso utilizan mucha memoria y recursos
de procesamiento (CPU). Podemos decir que el método tiende a funcionar
mejor en datasets pequeños y sin una cantidad enorme de columnas.
Para la realización del estudio se toma en cuenta los pasos del método:
1. Calcular la distancia entre el ítem a clasificar y el resto de ítems de las
muestras de entrenamiento.

2. Seleccionar los «k» elementos más cercanos (con menor distancia,

según la función que se use).

3. Realizar una «votación de mayoría» entre los k puntos: los de una

clase/etiqueta que <<dominen>> decidirán su clasificación final.
¿En qué consiste el estudio?

Categorización,
clasificación y predicción
de datos

de
Estudiantes de una
universidad privada

Catalogados por

Promedio Periodo
Carrera Barrio
ponderado académico

Características del parámetro K

La etiqueta de la nueva muestra se definirá a partir de estos vecinos:
 Tienen una constante fija definida por el usuario
 Se toma la distancia radial más cercana
 Medida métrica: distancia euclidiana
Seguidamente estudiaremos el análisis fractal de serie de tiempo de material
particulado, a través de este se da a conocer el concepto de fractal y sus
distintas dimensiones, decimos entonces que, un fractal es un objeto cuya
estructura se repite a diferentes escalas.
Es decir, por mucho que nos acerquemos o alejemos del objeto, observaremos
siempre la misma estructura, por lo tanto, son elementos calificados como
semi geométricos (por su irregularidad no pertenecen a la geometría
tradicional), el fractal puede ser creado por el hombre, incluso con intenciones
artísticas, aunque también existen estructuras naturales que son fractales
(como los copos de nieve).
De acuerdo al matemático Mandelbrot, los fractales pueden presentar 3 clases
diferentes de auto similitud, lo que significa que las partes tienen la misma
estructura que el conjunto total:
* Auto similitud exacta, el fractal resulta idéntico a cualquier escala;
* Cuasiautosimilitud, con el cambio de escala, las copias del conjunto son
muy semejantes, pero no idénticas;
* Auto similitud estadística, el fractal debe tener dimensiones estadísticas o
de número que se conserven con la variación de la escala.
La geometría clásica no es lo suficientemente amplia como para medir las
diferentes formas fractales debido a que existirán siempre componentes tan
pequeños y delgados que no podrán ser delimitados con precisión.
Pero la dimensión en la mayoría de los fractales no se ajusta a los conceptos
tradicionales de la dimensión euclidiana o dimensión topológica. Más aún, su
valor raramente puede ser expresado con un número entero. La dimensión
fractal, se puede definir de diferentes maneras, siendo la más rigurosa la de
Hausdorf y la más intuitiva y más fácil de aplicar es la de semejanza.