Centro de Investigaciones de la Informática (CII)
URI permanente para esta comunidad
En esta comunidad se agrupan las colecciones que recogen la producción científica del Centro de Investigaciones de la Informática en la UCLV.
Examinar
Examinando Centro de Investigaciones de la Informática (CII) por Materia "Algoritmos"
Mostrando 1 - 2 de 2
Resultados por página
Opciones de ordenación
Ítem Acceso Abierto Comparación de estrategias aglomerativas combinatorias tipo Ward usando conjuntos de datos quimioinformáticos y descriptores moleculares reales seleccionados por técnicas de aprendizaje automático(Feijóo, 2011) Rivera Borroto, Oscar Miguel; Hernández Llanes, David; Marrero Ponce, Yovani; Grau Ábalo, Ricardo del Corazón; García de la Vega, José Manuel; Rodríguez Abed, Abdel; Casas Cardoso, Gladys; Rodríguez Martín, Itnamy; Díaz Gálvez, Amalia; Universida Central "Marta Abreu" de Las Villas. Facultad de Matemática Física y Computación. Centro de Investigaciones de la InformáticaEl trabajo aborda la temática de los algoritmos de conglomerados combinatorios y su aplicación en problemas de la Quimioinformática como son el cribado virtual y las técnicas de selección de compuestos en conjunto de datos farmacológicos. Como tarea primaria e íntimamente ligada a los propósitos del trabajo, se propone una metodología para la selección de descriptores moleculares linealmente relevantes a las actividades biológicas bajo estudio mediante técnicas del Aprendizaje Automático, que garanticen el principio de comportamiento de vecindad y, por tanto, el buen rendimiento de los algoritmos a comparar. Posteriormente se proponen doce algoritmos aglomerativos jerárquicos y combinatorios, siete de los cuales son clásicos en la literatura especializada y otros cinco son novedosos en esta área del conocimiento. El objetivo fundamental del trabajo es comparar los nuevos algoritmos con el de elección o de Ward. Los experimentos se realizaron empleando ocho conjuntos de datos bien establecidos y validados en la literatura de la Química Medicinal que incluyen compuestos con usos en el tratamiento de problemas cardiovasculares, de enfermedades mentales, antiinflamatorios, entre otros. El tratamiento estadístico de los resultados permitó a los autores concluir que mediante las técnicas de selección de rasgos empleadas es posible establecer un sistema de meta-aprendizaje en conjuntos supervisados que guíen la posterior selección de descriptores moleculares en sistemas análogos pero no supervisados. Además, permite inferir que el grupo de actividades farmacológicas es modelizable a través de unas pocas familias de descriptores moleculares 3D. Finalmente, y como resultado más alentador, conlleva a argumentar que tres de los algoritmos propuestos se comportan de forma superior a la mayoría de los algoritmos clásicos y similarmente (o ligeramente superior en el caso más optimista) al algoritmo de Unión Completa y al de Ward.Ítem Acceso Abierto Medición de la dimensión completitud en repositorios digitales utilizando MapReduce(2016) García Mendoza, Juan Luis; Díaz de la Paz, Lisandra; González González, Luisa Manuela; Nuñez Arcia, Yaisel; Leiva Mederos, Amed Abel; Moreno Montes de Oca, Isel; Universidad Central ”Marta Abreu” de Las Villas. Departamento Ciencia de la Computación; Universidad Central ”Marta Abreu” de Las Villas, Centro de Investigaciones de la Informática; Universidad Central ”Marta Abreu” de Las Villas, Departamento Ciencia de la InformaciónEn la actualidad se ha producido un aumento considerable en el volumen de información almacenada en repositorios digitales en forma de metadatos. Este aumento provoca una disminución de la calidad de dichos datos lo cual afecta las funcionalidades e interoperabilidad de los repositorios digitales. Además, dificulta el uso de herramientas computacionales tradicionales para su análisis. En el contexto de los metadatos, la dimensión de calidad “completitud” constituye una de las siete características más reconocidas. Es por ello que el presente trabajo tiene como objetivo medir la dimensión completitud en repositorios digitales con grandes volúmenes de metadatos. Para la medición de la completitud se utilizaron dos métricas expuestas en la literatura y para el manejo de los volúmenes de datos elevados, se usó el modelo de programación MapReduce. Como resultado se propusieron dos algoritmos que miden la completitud en repositorios digitales con altos volúmenes de metadatos utilizando MapReduce. Además se propuso un tercer algoritmo que calcula el grado de importancia de cada campo, el cual es necesario para una de las métricas implementadas.