ABSTRACT Wind energy is an important renewable source that has been considerably developed recently. In order to obtain successful 24-h lead-time wind power forecasts for operational and commercial uses, a combination of physical and statistical models is desirable. In this paper, a hybrid methodology that employs a numerical weather prediction model (Weather Research and Forecasting) and a neural network (NN) algorithm is proposed and assessed. The methodology is applied to a wind farm in northwestern Mexico, a region with high wind potential where complex geography adds large uncertainty to wind energy forecasts. The energy forecasts are then evaluated against actual on-site power generation over one year and compared with two reference models: decision trees (DT) and support vector regression (SVR). The proposed method exhibits a better performance with respect to the reference methods, showing an hourly normalized mean absolute percentage error of 6.97%, which represents 6 and 13 percentage points less error in wind power forecasts than with DT and SVR methods, respectively. Under strong synoptic forcing, the NN wind power forecast is not very accurate, and novel approaches such as hierarchical algorithms should be employed instead. Overall, the proposed model is capable of producing high-quality wind power forecasts for most weather conditions prevailing in this region and demonstrates a good performance with respect to similar models for medium-term wind power forecasts.

RESUMEN La energía eólica es una importante fuente de energía renovable que se ha desarrollado considerablemente en los últimos años. Con el fin de obtener pronósticos de energía eólica de alta precisión con 24 horas de anticipación para usos operativos y comerciales, se necesita una combinación de modelos físicos y estadísticos. En este artículo se propone y evalúa una metodología híbrida que emplea un modelo numérico (Weather Research and Forecasting) y un algoritmo de red neuronal (NN). La metodología se aplica a un parque eólico en el noroeste de México, una región con alto potencial eólico donde la compleja geografía agrega gran incertidumbre a los pronósticos de energía eólica. Los pronósticos de energía se evalúan usando la generación de energía real en el sitio de interés durante un año y se comparan con dos modelos de referencia: árboles de decisión (DT, por su sigla en inglés) y regresión de vectores de soporte (SVR). El método propuesto muestra un mejor desempeño respecto a los métodos de referencia, mostrando un error absoluto medio porcentual horario de 6.97%, lo que representa 6 y 13 puntos porcentuales menos de error en los pronósticos de energía eólica que con los métodos DT y SVR, respectivamente. El pronóstico de energía eólica NN no es muy preciso cuando tiene un fuerte forzamiento sinóptico, por lo que en su lugar deben emplearse enfoques novedosos como los algoritmos jerárquicos. En general, el modelo propuesto tiene la capacidad de producir pronósticos de energía eólica de alta calidad para la mayoría de las condiciones climáticas que prevalecen en esta región, y de- muestra un buen desempeño respecto a modelos similares para pronósticos de energía eólica a mediano plazo.

Resumen: Este trabajo analiza el proceso de handover en redes LTE (Long Term Evolution) en dos escenarios, detectando las características y el comportamiento de los parámetros RF (Radio Frequency) mediante modelos predictivos. Los dos escenarios recopilan datos de mediciones de los parámetros de RF, el primero en una zona urbana de la ciudad de Quito con la finalidad de analizar el comportamiento y establecer las características de una zona con handovers. El segundo escenario busca obtener un modelo predictivo de las zonas de handover fallidos; en este caso, se realizan recorridos en una zona rural de la ciudad de Quito y se analiza la falla de handovers con fallas en llamadas VoIP, ya que en este servicio es más notable la pérdida de conexión en LTE. Para la recolección de datos se utilizan herramientas de monitoreo instaladas en teléfonos celulares y para el análisis de datos y la obtención del modelo de Machine Learning se emplean R y RStudio. Los datos recopilados fueron limpiados y transformados para obtener un DataSet único por cada escenario, luego se dividió en un set de entrenamiento y test. El set de entrenamiento fue procesado mediante la técnica de árboles de decisión, que permitió obtener un modelo gráfico del comportamiento de los parámetros RF que generan handovers o handovers fallidos según el escenario. Finalmente, con el set de test se evaluaron los modelos definiendo matrices de confusión y se calculó el accuracy respectivo, teniendo 96.34 % en el escenario 1 y 95.5 % en el escenario 2.

Abstract: This work analyzes the handover process in LTE (Long Term Evolution) networks in two scenarios, detecting the features and behavior of RF (Radio Frequency) parameters by means of predictive models. The two scenarios collect measurement data of RF parameters, the first one in an urban area of Quito city, in order to analyze the behavior and establish the features of an area with handovers. The second scenario seeks to obtain a predictive model of the failed handover zones; in this case, we make tours in a rural area of Quito city and analyze the failure of handovers with failures in VoIP calls, since in this service the loss of connection in LTE is more noticeable. For data collection, monitoring tools installed in cell phones are used and for data analysis and obtaining the Machine Learning model, R and RStudio are used. The collected data were cleaned and transformed to obtain unique DataSet for each scenario, then divided into a training and test set. The training set was processed using the decision tree technique, which allowed obtaining a graphical model of the behavior of the RF parameters that generate handovers or failed handovers, according to the scenario. Finally, the models were evaluated with the test set by defining confusion matrices and calculating the respective accuracy, with 96.34 % in scenario 1 and 95.5 % in scenario 2.

Resumen Objetivo: Aplicar un modelo de análisis de redes neuronales artificiales (RNA) para identificar las variables que predicen el liderazgo asignado y el éxito académico en egresados de seis generaciones de la carrera de Medicina. Método: Estudio analítico, retrospectivo y comparativo. Participaron 1434 egresados. Se envió un cuestionario por correo electrónico que incluyó el consentimiento de participación voluntaria. Se realizó análisis estadístico multivariado mediante RNA del tipo perceptrón multicapa, árboles de decisión y análisis de impulsores. Resultados: Las RNA identificaron siete variables independientes que predijeron el éxito profesional y ocho para el liderazgo en los médicos egresados. Los árboles de decisión identificaron diferencias significativas en las variables desempeño profesional (p = 0.000), edad (p = 0.005) y actividades de educación continua (p = 0.034) relacionadas con el éxito profesional, y para el liderazgo las variables sexo (p = 0.000), promedio en el bachillerato (p = 0.042), realizar práctica clínica en el servicio social (p = 0.002) y actividades de educación continua (p = 0.011). Conclusiones: Las RNA identificaron las principales variables independientes predictoras del éxito profesional y el liderazgo de los egresados. El estudio abre dos líneas de investigación poco estudiadas con las técnicas de RNA en el área de la medicina.

Abstract Objective: To apply an artificial neural networks analysis (ANN) model to identify variables that predict assigned leadership and academic success in graduates of six generations of medical school. Method: Analytical, retrospective, comparative study. A total of 1434 graduates participated. A questionnaire was sent to them by e-mail including a voluntary participation consent. A multivariate statistical analysis using multi-layer perceptron ANN, decision trees and driver analysis was performed. Results: The ANN identified seven independent variables that predicted professional success and eight for leadership in medical graduates. The decision trees identified significant differences in the variables professional performance (p = 0.000), age (p = 0.005) and continuing education activities (p = 0.034) related to professional success, and for leadership the variables gender (p = 0.000), high school grades (p = 0.042), performing clinical practice during the social service year (p = 0.002) and continuing education activities (p = 0.011). Conclusions: The ANN identified the main independent predictor variables of professional success and leadership of the graduates. This study opens up two new lines of research little studied with the techniques of in the area of medicine.

Resumen: Este artículo presenta un enfoque novedoso para amortiguar de forma adaptativa las oscilaciones de baja frecuencia mediante un clasificador de árboles de decisión que utilizan como entradas las señales de frecuencia y potencia de las barras de generación sensadas por el sistema de monitoreo de área amplia (WAMS). El ajuste adaptativo de los estabilizadores de sistemas de potencia (PSS) convencionales (p.ej., PSS1A, PSS2A, PSS2B), que se encuentran disponibles en el sistema, se realiza al modificar los parámetros óptimos de sintonización del PSS, mediante el análisis de los modos críticos de los escenarios operativos utilizando el algoritmo de optimización heurística de mapeo media- varianza (MVMO). Estos parámetros por escenario pueden ser seleccionados mediante un clasificador inteligente basado en árboles de decisión con el objetivo de adaptar la sintonización del PSS a las condiciones de operación. Dicho proceso se implementa en PowerFactory de DIgSILENT mediante la herramienta de análisis modal, se determinan los modos críticos, para el caso de simulación. Mientras en tiempo real, los modos críticos son obtenidos por medio del algoritmo de identificación modal establecido con la matriz Pencil de las señales WAMS. La metodología planteada se aplica al sistema New York-New England de 66-Barras, obteniéndose la mejor respuesta dinámica del sistema con los PSS adaptativos a las diferentes condiciones operativas del sistema. Además, se compara la respuesta con el PSS4B que se caracteriza por monitorear varias frecuencias de los modos de oscilación presentes en la operación del sistema y así presentar los beneficios a la contribución propuesta.

Abstract: This paper presents a novel approach for adaptively damping low-frequency electromechanical oscillations via the application of decision trees that uses as inputs frequency and power signals of generation buses monitored by the wide-area measurement system (WAMS). This methodology can be applied for adaptive tuning of conventional Power System Stabilizers (e.g., PSS1A, PSS2A, PSS2B), generally available in actual power systems. It is done by adjusting the PSS tuning parameters by analyzing critical oscillation modes for different operational scenarios using the Mean-Variance Mapping Optimization (MVMO) heuristic algorithm. An intelligent classifier selects the PSS’s optimal parameters for each scenario based on Decision Trees with the objective of adapting the PSS tuning to the operating conditions. This process uses PowerFactory of DIgSILENT and critical modes are determined using modal analysis for simulation. In real-time, binding modes are derived by modal identification algorithm established with matrix Pencil of WAMS-signals. Such a methodology is applied to the 66-Bus New York-New England test power system, showing an excellent dynamic response in adapting PSS tuning to the different power system conditions. In addition, the response is compared with the PSS4B, which is characterized by monitoring various frequencies of the oscillation modes present in the system operation, thus presenting the benefits of proposed contribution.

Resumen Contexto: En el sector educativo se han identificado variables que inciden considerablemente en el rendimiento academico de los estudiantes. En la ultima decada se han llevado a cabo investigaciones desde diversos campos como la psicologia, la estadistica y el analisis de datos con el fin de predecir el rendimiento academico. Metodo: La analitica de datos, especialmente a traves de herramientas de Machine Learning, permite predecir el rendimiento academico utilizando algoritmos de aprendizaje supervisado basados en variables academicas, demograficas y sociodemograficas. En este trabajo se seleccionan las variables mas influyentes en el transcurso de la vida academica de los estudiantes mediante metodos de filtro, embebidos, y de ensamble, asi como las caracteristicas mas importantes semestre a semestre utilizando algoritmos de Machine Learning (arbol de decision, KNN, SVC, Naive Bayes, LDA), implementados en el lenguaje Python. Resultados: Los resultados del estudio muestran que el KNN es el modelo que mejor predice el rendimiento academico para cada uno de los semestres, seguido de los arboles de decision, con valores de precision que oscilan alrededor del 80 y 78,5% en algunos semestres. Conclusiones: Con respecto a las variables, no se puede decir que el promedio academico semestral de un estudiante influya necesariamente en la prediccion del rendimiento academico del siguiente semestre. El analisis de estos resultados indica que la prediccion del rendimiento academico utilizando herramientas de Machine Learning es un enfoque promisorio que puede ayudar a mejorar la vida academica de los estudiantes y permitir a las instituciones y a los docentes adoptar acciones que ayuden al proceso de ensenanza-aprendizaje.

Abstract Context: In the education sector, variables have been identified which considerably affect students’ academic performance. In the last decade, research has been carried out from various fields such as psychology, statistics, and data analytics in order to predict academic performance. Method: Data analytics, especially through Machine Learning tools, allows predicting academic performance using supervised learning algorithms based on academic, demographic, and sociodemographic variables. In this work, the most influential variables in the course of students’ academic life are selected through wrapping, embedded, filter, and assembly methods, as well as the most important characteristics semester by semester using Machine Learning algorithms (Decision Trees, KNN, SVC, Naive Bayes, LDA), which were implemented using the Python language. Results: The results of the study show that the KNN is the model that best predicts academic performance for each of the semesters, followed by Decision Trees, with precision values that oscillate around 80 and 78,5% in some semesters. Conclusions: Regarding the variables, it cannot be said that a student’s per-semester academic average necessarily influences the prediction of academic performance for the next semester. The analysis of these results indicates that the prediction of academic performance using Machine Learning tools is a promising approach that can help improve students’ academic life allow institutions and teachers to take actions that contribute to the teaching-learning process.

Resumen Se realizó una evaluación de la rentabilidad económica del uso del método de regeneración de árboles padre para poblaciones arboladas en contraste con el uso de una plantación. La comparación proporciona información sobre la eficiencia económica de ambos métodos de regeneración que es útil para la toma de decisiones. La evaluación se basa en un algoritmo para estimar el número de árboles padre que se deben dejar en pie de acuerdo con la calidad de sitio, variable que integra factores ambientales e intrínsecos de cada especie. Se muestra un ejemplo de calibración del modelo y, a través de una simulación Monte Carlo, variando parámetros del modelo y costos, se evalúa el valor presente neto, tanto de la regeneración natural en un periodo de t años, como de la realización de una plantación. Los resultados muestran que, si no existen limitantes fisiológicas de la especie y de sitio para que se regenere a través de plantación, esta es más rentable que una repoblación natural. Se discuten algunas variables económicas y sociales que influyen en la decisión final de un productor de adoptar la regeneración asistida. Se concluye que la regeneración asistida es más rentable y potencialmente más eficiente que la regeneración natural.

Abstract A comparison of the profitability of the seed tree regeneration method versus planting is carried out. The comparison provides useful information on the economic efficiency of both methods of regeneration which is useful for decision making. The evaluation is based on an algorithm to estimate the number of seed trees to left standing based on-site quality, variable that accounts for environmental and species intrinsic factors. An example of model calibration is shown and through a Monte Carlo simulation varying several model and costs parameters, the net present value is evaluated for both, regeneration, and planting methods over a period of t years. Results show that if there are no physiological constraints for the species regeneration through planting, this method is more cost effective than natural regeneration. Some economic and social variables that influence the producer's final decision to adopt planting are discussed. It is concluded that assisted regeneration is more cost-effective and potentially more efficient than natural regeneration.

Resumo Este artigo identifica os principais estudos relacionados aos fatores que contribuem para explicar a evasão universitária e como eles são abordados a partir do campo da inteligência artificial (IA). O estudo descreve a metodologia adotada para selecionar 31 documentos de um repositório de 2745 relatados na literatura. A análise foi realizada a partir dos principais métodos de IA adotados, bem como dos fatores explicativos da evasão universitária agrupados em quatro categorias: acadêmica, relacionada com a motivação e hábitos de estudo, institucional, e econômica e sociodemográfica. A revisão da literatura permite concluir que a tarefa mais comum da IA é a classificação por meio de árvores de decisão e que a maioria dos trabalhos prevê a evasão universitária a partir dos fatores que a explicam.

Abstract This paper identifies key research on the factors that help to explain university dropout and how these factors are being explored by means of artificial intelligence (AI). The study describes the methodology employed to select 31 papers from a repository of 2,745 reported in the literature. The analysis centered on the main AI methods used and four categories of explanatory factors of university dropout: academic factors; factors associated with motivation and study habits; institutional factors; and economic and sociodemographic factors. The conclusion drawn from this literature review is that AI is most commonly used for decision tree-based classification, and most studies focus on predicting university dropout on the basis of explanatory factors.

Resumen Este artículo identifica los principales estudios relacionados con los factores que contribuyen a explicar la deserción universitaria, y cómo estos son abordados desde el campo de la inteligencia artificial (IA). El estudio describe la metodología adoptada para seleccionar 31 documentos sobre un repositorio de 2745 reportados en la literatura. El análisis se realizó desde los principales métodos de IA adoptados, así como desde los factores explicativos de la deserción universitaria agrupados en cuatro categorías: académicos, relacionados con la motivación y hábitos de estudio, institucionales, y económicos y sociodemográficos. La revisión de la literatura permite concluir que la tarea más común desde la IA es la clasificación mediante árboles de decisión y que la mayoría de los trabajos predicen la deserción universitaria desde los factores que la explican.

Resumen Este trabajo presenta los resultados de un proceso exploratorio donde se aplicaron diferentes métodos de clasificación para determinar el modo de transporte de los estudiantes para acceder a la sede Rodrigo Facio de la Universidad de Costa Rica. Dentro de los modelos analizados se encuentran la regresión logística binomial, análisis discriminante lineal, árboles de decisión, K-vecinos más cercanos, máquinas de soporte vectorial y redes neuronales. Se realizó una validación con el método de K-pliegues y se obtuvo una precisión superior al 83% para todos los modelos analizados. De manera similar se aplicó el modelo de ensamble apilamiento para las técnicas de árboles de decisión, K-vecinos más cercanos, máquinas de soporte vectorial, bosques aleatorios, agregación de Bootstrap, regresión logística binomial y método de potenciación obteniendo valores de precisión superiores al 86% en todos los casos, siendo el modelo de bosques aleatorios el que presentó una mayor precisión.

Abstract This work presents the results of an exploratory process where different classification methods were applied to determine the mode of transportation for students to access the Rodrigo Facio campus of the University of Costa Rica. Among the analyzed models are binomial logistic regression, linear discriminant analysis, decision trees, K-closest neighbors, vector support machines and neural networks. A validation was carried out with the K-folds method and a precision higher than 83% was obtained for all the models analyzed. Similarly, the stacking assembly model was applied for the decision tree techniques, K-nearest neighbors, vector support machines, random forests, Bootstrap aggregation, binomial logistic regression and the potentiation method, obtaining precision values higher than 86% in all cases. The random forest method gives the 0highest precision.

Abstract This paper presents decision trees as a machine learning technique for classifying cows as good milk producers or not, based on the use of genetic markers. The purpose is to select genetically superior animals in less time and make the assisted reproduction process more efficient, thereby reducing costs and increasing profits in the dairy sector. Results are presented on the efficiency of decision trees for the classification of dairy cows, up to 94.5% accuracy was achieved. In addition, the algorithm allowed the identification of the most dominant SNP for classification, and the chromosome that most influences the prediction.

Resumen En este trabajo se presenta a los árboles de decisión como una técnica de aprendizaje automático para la clasificación de vacas como buenas productoras de leche a partir del uso de marcadores genéticos. La finalidad es realizar una selección de animales genéticamente superiores en menor tiempo y hacer más eficiente el proceso de reproducción asistida logrando con ello disminuir costos y aumentar ganancias en el sector lechero. Los resultados de los experimentos realizados muestran hasta un 94.5% de precisión. Además, el algoritmo permitió la identificación del SNP más dominante para la clasificación, y el cromosoma que más influye en la predicción.

Abstract This research presents an alternative approach to computing the content of total organic carbon using wireline logs and machine learning techniques. Specifically, borehole resistivity imaging, its average resistivity, and gamma rays log are employed to train a regression model. The methodology was applied in La Luna Formation, which has been reported as one of the principal source rocks for Colombia and western Venezuela. This work aims to teach a machine how to recognize patterns between fractal features in borehole images and their content of total organic carbon. Implemented machine learning is based on ensemble learning techniques, in this case, an ensemble of decision trees known as random forest. The working data set totalizes 960 wireline log measurements, randomly split into 80% for training and 20% for validation. The outcome is equivalent to the curve obtained using a semi-log regression of organic carbon measured in core against density log values. The accuracy of this method is high enough to be considered during petrophysics evaluations, showing a root-mean-square error of 0.44% and Pearson's correlation coefficient of 0.88. The methodology depends on image quality, and anomalies in these data increase the error. The generated model must be recalibrated for other formations, for horizontal and deviated wells, and when logging while drilling imaging is employed.

Resumen Esta investigación presenta un enfoque alternativo para calcular el contenido de carbono orgánico total utilizando registros de cable y técnicas de aprendizaje automático; específicamente, imágenes resistivas de pozo, su resistividad promedio y registro de rayos gamma son empleados para entrenar un modelo regresivo. La metodología se aplicó en la Formación La Luna, la cual ha sido reportada como una de las principales rocas generadoras de Colombia y el oeste de Venezuela. El objetivo de este trabajo es enseñar a una máquina como reconocer patrones entre rasgos fractales en imágenes de pozo y su contenido de carbono orgánico total. El aprendizaje automático implementado se basa en técnicas de aprendizaje por conjuntos, en este caso, un conjunto de árboles de decisión conocido como bosques aleatorios. Los datos empleados tienen un total de 960 mediciones de registros, los cuales fueron divididos aleatoriamente en 80% para entrenamiento y 20% para validación. El resultado es equivalente a la curva obtenida con una regresión semilogarítmica del carbono orgánico medido en el núcleo contra valores de registro de densidad. La precisión de este método es suficientemente alta para ser considerada durante evaluaciones petrofísicas, mostrando un error medio cuadrático de 0.44% y un coeficiente de correlación de Pearson de 0.88. La metodología depende de la calidad de la imagen y cualquier anomalía en estos datos aumentará el error. El modelo generado debe ser recalibrado para otras formaciones, pozos horizontales, desviados y cuando se empleen registro de imágenes durante la perforación.

Resumo Neste artigo, técnicas preditivas de mineração de dados são aplicadas para descobrir padrões de desempenho acadêmico na competência linguística dos testes Saber 5 apresentados por alunos de escolas primárias colombianas em 2017. Para isso, foi usada a metodologia CRISP-DM e o socioeconômico, foram consideradas as informações acadêmicas e institucionais das bases de dados do ICFES. Um conjunto de dados mineráveis foi obtido usando técnicas de limpeza e transformação de dados e uma árvore de decisão foi construída com o algoritmo J48 da ferramenta Weka. Entre os preditores dos padrões descobertos estão a natureza e a localização da escola, se os alunos foram ou não reprovados, a faixa etária, a escolaridade da mãe e as taxas de TIC e eletrodomésticos nas residências. O conhecimento produzido nesta pesquisa é informação de qualidade para a tomada de decisões nos MEN e nas secretarias de educação e para os diretores de instituições de educação primária definirem planos de melhoria que resultem na qualidade da educação na Colômbia.

Abstract In this paper, predictive data mining techniques are applied to determine the academic performance from fifth grade students in the Saber 5° tests Language skill at Colombian elementary schools in 2017. We employed the CRISP-DM methodology. Socioeconomic, academic, and institutional information was available at the ICFES databases. A minable dataset was obtained using data cleaning and transformation techniques. A decision tree was built with the Weka tool J48 algorithm. Some of the predictors of the discovered patterns are the nature and location of the school, whether or not students failed a school year, the age group, the mother's educational attainment, and the rates of ICTs and household appliances. The findings of this research serve as quality information for the decision-making at the Ministry of National Education (MEN) and the secretaries of education, and for the directors of elementary educational institutions to define improvement plans that result in the quality of elementary school education in Colombia.

Resumen En este artículo se aplican técnicas predictivas de minería de datos para descubrir patrones de desempeño académico en la competencia de Lenguaje de las pruebas Saber 5° que presentaron los estudiantes de las instituciones educativas colombianas de básica primaria en el año 2017. Para tal fin, se utilizó la metodología CRISP-DM y se tuvo en cuenta la información socioeconómica, académica e institucional de las bases de datos del ICFES. Se obtuvo un conjunto de datos minable utilizando técnicas de limpieza y transformación de datos y se construyó un árbol de decisión con el algoritmo J48 de la herramienta Weka. Entre los factores predictores de los patrones descubiertos están la naturaleza y la ubicación del colegio, si los estudiantes reprobaron o no algún grado, el grupo etario, la educación de la madre y los índices de TICs y electrodomésticos en los hogares. El conocimiento producido en esta investigación es información de calidad para la toma de decisiones en el MEN y las secretarías de educación y para que las directivas de las instituciones educativas de básica primaria definan planes de mejoramiento que redunden en la calidad de la educación en Colombia.

Resumo A utilização de Veículos Aéreos Não Tripulados (VANTs) equipados com câmeras espectrais tem aumentado nos últimos anos, principalmente no setor agrícola, pois permite que agricultores e pesquisadores analisem o estado de uma lavoura, seja para analisar sua saúde, nutrientes, crescimento, epidemias, entre outros parâmetros. Na Colômbia, o setor cafeeiro enfrenta diversos desafios, como a necessidade de aumentar a produtividade, o rendimento e a qualidade do café. Este trabalho estimou o estado de saúde de um cultivo da variedade Castilla localizado em San Joaquín, Tambo, Cauca, para apoiar a tomada de decisões dos cafeicultores. Para fazer isso, os dados de clorofila foram medidos no campo com o dispositivo CCM-200 plus, imagens multiespectrais foram capturadas com a câmera aérea MAPIR SURVEY 3 em um SOLO 3DR UAV e dados sintéticos foram gerados para aumentar o conjunto de dados. Foram estabelecidos seis índices de vegetação que, juntamente com os valores de clorofila, foram modelados por meio da implementação de regressões lineares simples e múltiplas, árvores de decisão, máquinas vetoriais, florestas aleatórias e k-vizinhos mais próximos. O modelo com melhor desempenho e menor erro quadrático médio foi o modelo implementado com a máquina de vetores de suporte. Da mesma forma, os índices de melhor desempenho nos modelos foram CVI, GNDVI e GCI, amplamente utilizados na agricultura para estimar a clorofila das plantas.

Abstract The use of Unmanned Aerial Vehicles (UAVs) equipped with spectral cameras has increased in recent years, especially in the agricultural sector, because it allows farmers and researchers to analyze the state of a crop, i.e., health, nutrients, growth, epidemics, among other parameters. In Colombia, the coffee production sector faces several challenges, such as the need to increase the productivity, the yield, and the quality of coffee. This work estimated the health status of a Castilla variety crop located in San Joaquín, Tambo, Cauca to support the decision-making of coffee growers. For this, chlorophyll data were measured in the field with the CCM-200 plus device, multispectral images were captured with the MAPIR SURVEY 3 camera airborne on a SOLO 3DR UAV, and synthetic data were generated to increase the data set. Six vegetation indices were set, which—together with the chlorophyll values—were modeled through the implementation of simple and multiple linear regressions, decision trees, vector machines, random forests, and k-nearest neighbors. The model with the best performance and the lowest mean square error was disorder with the support vector machine. Likewise, the best performance indices in the models were CVI, GNDVI, and GCI, which are widely used in agriculture to estimate the chlorophyll of plants.

Resumen El uso de Vehículos Aéreos No Tripulados (UAVs) equipados con cámaras espectrales se ha incrementado en los últimos años, especialmente en el sector agrícola ya que permite a los agricultores e investigadores analizar el estado de un cultivo, ya sea para analizar su salud, nutrientes, crecimiento, epidemias, entre otros parámetros. En Colombia, el sector cafetero enfrenta varios desafíos, como la necesidad de incrementar la productividad, el rendimiento y la calidad del café. Este trabajo estimó el estado sanitario de un cultivo variedad Castilla ubicado en San Joaquín, Tambo, Cauca para apoyar la toma de decisiones de los caficultores. Para ello, se midieron datos de clorofila en campo con el dispositivo CCM-200 plus, se capturaron imágenes multiespectrales con la cámara MAPIR SURVEY 3 aerotransportada en un UAV SOLO 3DR y se generaron datos sintéticos para aumentar el conjunto de datos. Se establecieron seis índices de vegetación, los cuales, junto con los valores de clorofila, se modelaron mediante la implementación de regresiones lineales simples y múltiples, árboles de decisión, máquinas vectoriales, bosques aleatorios y k-vecinos más cercanos. El modelo con el mejor rendimiento y el menor error cuadrático medio fue el modelo implementado con máquina de vectores de soporte. De igual forma, los mejores índices de desempeño en los modelos fueron CVI, GNDVI y GCI, los cuales son muy utilizados en agricultura para estimar la clorofila de las plantas.

Abstract Analyzing the relation between socioeconomic variables and neglected tropical diseases can help managers in the conception of public policies to reduce cases. The objective of this study was to evaluate, based on machine learning algorithms, which socioeconomic variables are more important for the risk classification of three neglected diseases: leprosy, cutaneous leishmaniasis, and dengue. Three algorithms based on decision trees were evaluated: Random Forest (RF), XGBoost, and C5.0. As a study area, the municipalities of the state of Goiás and of the Federal District - Brazil, were delimited. For the dengue risk classes, both the RF algorithm and the XGBoost showed accuracy values above 0.6. Both emphasizing the low-income conditions, literacy, and race as the most important predictive variables. In the leprosy risk classes case, the three algorithms presented accuracy results above 0.6, indicating the variables water supply, literacy, race, and housing as important. For the cutaneous leishmaniasis risk classes, the algorithms showed an accuracy lower than 0.4, making the evaluation of possible predictive variables to the model unfeasible. The three evaluated algorithms revealed approximate predictive performance; however, the RF was slightly higher. The most important socioeconomic variables for dengue and leprosy risk classes prediction were similar.

Résumé Analyser la relation entre les variables socio-économiques et les maladies tropicales négligées peut accompagner les gestionnaires dans l’élaboration de politiques publiques pour réduire les cas. L’objectif de ce travail était d’évaluer, sur la base d’algorithmes machine learning, quelles variables socio-économiques sont le plus important pour la classification des risques de trois maladies négligées: la lèpre, la leishmaniose tégumentaire et la dengue. Trois algorithmes basés sur des arbres de décision ont été considérés: Aléatoire Forêt (AF), XGBoost et C5.0. La zone d’étude délimitée sont les municipalités de la province de Goiás et le District Fédéral, situées dans la région Centre-Ouest du Brésil. Pour les classes de risque de dengue, l’algorithme AF et XGBoost ont présenté des valeurs de précision supérieures à 0,6. Les deux ressortent comme des variables plus prédictives de facteurs tels que les conditions de faible revenu, l’alphabétisation et la race. Dans le cas des classes de risque de lèpre, les trois algorithmes ont présenté des résultats de précision supérieurs à 0,6, indiquant comment paramètres importants tels que l’approvisionnement en eau, l’alphabétisation, la race et les conditions de logement. Dans le cas des cours risque de leishmaniose tégumentaire, les algorithmes ont adopté une précision inférieure à 0,4, rendant évaluation des variables prédictives possibles au modèle. Les trois algorithmes évalués performances prédictives approximatives, cependant, le AF était supérieur résistant. Les variables les variables socio-économiques les plus importantes pour prédire les classes de risque de dengue et de lèpre étaient similaire.

Resumen Analizar la relación entre las variables socioeconómicas y las enfermedades tropicales desatendidas puede ayudar los gestores en la producción de políticas públicas para la reducción de casos. El objetivo de este trabajo fue evaluar, con base en algoritmos de machine learning, qué variables socioeconómicas son más importantes para la clasificación de riesgo de tres enfermedades desatendidas: lepra, leishmaniasis cutánea y dengue. Se evaluaron tres algoritmos basados en árboles de decisión: Random Forest (RF), XGBoost y C5.0. Como área de estudio, fueron delimitados los municipios del Estado de Goiás y del Distrito Federal - Brasil. Para las clases de riesgo de dengue, tanto el algoritmo RF como el XGBoost presentaron valores de precisión superiores a 0,6. Ambos resaltan como las variables predictivas más importantes las condiciones de baja renta, alfabetización y raza. En el caso de las clases de riesgo de lepra, los tres algoritmos presentaron resultados de precisión superiores a 0,6, lo que indica que las variables suministro de agua, alfabetización, raza y vivienda son importantes. En el caso de las clases de riesgo de leishmaniasis cutánea, los algoritmos mostraron una precisión inferior a 0,4, haciendo inviable la evaluación de posibles variables predictivas del modelo. Los tres algoritmos evaluados presentaron un rendimiento predictivo aproximado, sin embargo, el RF fue ligeramente superior. Las variables socioeconómicas más importantes para la predicción de las clases de riesgo de dengue y de lepra fueron similares.

Resumo Analisar a relação entre variáveis socioeconômicas e doenças tropicais negligenciadas pode auxiliar gestores no desenvolvimento de políticas públicas para a redução de casos. O objetivo deste trabalho foi avaliar, com base em algoritmos de machine learning, quais as variáveis socioeconômicas mais importantes para a classificação de risco de três doenças negligenciadas: hanseníase, leishmaniose tegumentar e dengue. Foram avaliados três algoritmos embasados em árvores de decisão: Random Forest (RF), XGBoost e C5.0. Como área de estudo, delimitaram-se os municípios do Estado de Goiás e o Distrito Federal - Brasil. Para as classes de risco de dengue, tanto o algoritmo RF quanto o XGBoost apresentaram valores de acurácia acima de 0,6. Ambos destacaram como variáveis preditivas mais importantes as condições de baixa renda, alfabetização e raça. No caso das classes de risco de hanseníase, os três algoritmos apresentaram resultados de acurácia acima de 0,6 indicando como importantes as variáveis abastecimento de água, alfabetização, raça e moradia. No caso das classes de risco de leishmaniose tegumentar, os algoritmos apresentaram acurácia inferior a 0,4 inviabilizando a avaliação das possíveis variáveis preditivas ao modelo. Os três algoritmos avaliados apresentaram desempenho preditivo aproximados, no entanto, o RF foi ligeiramente superior. As variáveis socioeconômicas mais importantes para predição das classes de risco de dengue e hanseníase foram similares.

ABSTRACT This work analyze the technical-tactical performance in combat in the initiation to karate and show the possibilities of application of the decision tree analysis technique in observational methodology. The observational sampling is made up of 887 offensive technical-tactical actions executed in 40 combats by participants of the 8-9 age group. Regarding the recording and coding process, the observation instrument has been introduced in the software LINCE. The quality of the data has been guaranteed by means of an inter-observer concordance procedure based on Cohen's Kappa coefficient and by a design of generalizability. Two decision trees have been made using two different algorithms (CHAID and CART). The results obtained with both algorithms coincide in pointing out the "segment" dimension as the best predictor of the "body area to which the technique is directed"; but they differ in the second best forecaster: dimension "technique group" through the CHAID algorithm, and "concrete technique" dimension with the CART algorithm.

RESUMEN El presente trabajo persigue delimitar el desempeño técnico-táctico en combate en la iniciación al karate y mostrar las posibilidades de aplicación de la técnica de análisis de árbol de decisión en metodología observacional. El muestreo observacional ha ascendido a 887 acciones técnico-tácticas ofensivas realizadas en 40 combates por participantes de la franja de 8-9 años de edad. El instrumento de observación se ha introducido en el seno del software de registro y codificación, Lince. La calidad del dato ha quedado garantizada, por un lado, mediante un procedimiento de concordancia inter-observadores a partir del coeficiente Kappa de Cohen y, por otro lado, por un diseño de generalizabilidad. Se han realizado dos árboles de decisión utilizando dos algoritmos diferentes (CHAID y CART). Los resultados obtenidos con ambos algoritmos coinciden en señalar como mejor predictor de la "zona del cuerpo a la que se dirige la técnica" a la dimensión "segmento"; pero se diferencian en el segundo mejor pronosticador: dimensión "grupo de técnica" mediante el algoritmo CHAID, y dimensión "técnica detallada" con el algoritmo CART.

RESUMO Este trabalho analisa o desempenho técnico-tático em combate na iniciação ao karatê e mostra as possibilidades de aplicação da técnica de análise de árvore de decisão na metodologia observacional. A amostragem observacional é composta por 887 ações técnico-táticas ofensivas executadas em 40 combates por participantes da faixa etária de 8 a 9 anos. Em relação ao processo de registro e codificação, o instrumento de observação foi introduzido no software LINCE. A qualidade dos dados foi garantida por meio de um procedimento de concordância interobservador baseado no coeficiente Kappa de Cohen e por um desenho de generalização. Duas árvores de decisão foram feitas usando dois algoritmos diferentes (CHAID e CART). Os resultados obtidos com ambos os algoritmos coincidem em apontar a dimensão "segmento" como o melhor preditor da "área do corpo para a qual a técnica é direcionada"; mas diferem no segundo melhor preditor: dimensão "grupo de técnicas" usando o algoritmo CHAID, e dimensão "técnica detalhada" com o algoritmo CART.

ABSTRACT The objective of this research is to present a methodology proposal for the diagnosis of failures in the industry based on decision trees and fuzzy logic. Decision trees have among their advantages simplicity and ease of interpretation. While fuzzy logic provides capabilities for managing the uncertainty of the knowledge provided by process experts. This new methodology makes the contribution of offering a method to avoid the need to have a large training database during the development process for the diagnosticator, which will imply the use of a fault symptom table. In addition, the PMML standard is used to transmit the information of the model obtained in the configuration application to the application that performs the online monitoring tasks. The effectiveness of the methodology is analyzed in a real case, specifically in the diagnosis of failures of a water treatment process for injection in the pharmaceutical industry.

RESUMEN La presente investigación tiene como objetivo presentar una propuesta de metodología para el diagnóstico de fallos en la industria basado en árboles de decisión y lógica difusa. Los árboles de decisión tienen entre sus ventajas la sencillez y facilidad de interpretación. Mientras que, la lógica difusa, brinda capacidades para el manejo de la incertidumbre del conocimiento aportado por los expertos del proceso. Esta nueva metodología evita tener que contar con una gran base de datos de entrenamiento durante el proceso de desarrollo del diagnosticador y en su lugar usar una tabla de síntomas de fallos. Además, se hace uso del estándar PMML para transmitir la información del modelo obtenido en la aplicación de configuración a la aplicación que realiza las tareas de monitoreo en línea. La efectividad de la metodología se analiza en un caso real, específicamente en el diagnóstico de fallos de un proceso de tratamiento de agua para inyección de la industria farmacéutica.