Secciones
Usted está aquí: Inicio Eventos Bigdata Posters

Posters

Posters de estudiantes de doctorado

  • María Alejandra Osorio Angarita (Colombia) Emerging Images- based CAPTCHAs

Human Interactive Proofs (HIPs) were introduced by Naor in 1996. HIPs are automatic reverse Turing tests designed to distinguish between various groups of users. CAPTCHA is a technology which has its base in a test called the Turing Test. The main objective of a CAPTCHA is that distinguish between humans and malicious computer programs. Various
types of CAPTCHAs are used, which mostly requires users to enter the strings of characters that appear in distorted form on the screen or to answer a question about some images. CAPCHAs need to be developed to give greater security.
Emergence is the phenomenon by which we perceive objects in an image not by recognizing the object parts, but as a whole, all at once. We propose an Emerging Images- based CAPTCHA, it present an image that changing in the time, the users must identify an item requested in the image.

  • María Jacqueline Atoche Bravo (Perú) Análisis del Padrón Mapeado Localmente en Multiescala utilizando diferentes matrices de Peso

Una área importante de investigación en visión computacional es el análisis de texturas, la cual tiene por objetivo estudiar las propiedades de la superficie de un objeto, comprender como los seres humanos distinguen diferentes texturas y modelar algoritmos que tengan la capacidad de diferenciarlas. Diferentes descriptores son utilizados para analizar una imagen computacionalmente, pues se desea que un descriptor sea eficaz para la clasificación de texturas, utilizando sus tonos de gris. Los descriptores Local Fuzzy Pattern (LFP) y Multi-Scale Local Mapped Pattern (MSLMP) presentan resultados favorables en este sentido. Sin embargo, el número de estudios sobre la validación del desempeño de esos descriptores, aún es pequeño. Por eso, la motivación principal de este trabajo es realizar un análisis del MSLMP para concluir que este descriptor es más eficaz que los mencionados anteriormente. Este análisis se realiza alterando la Matriz de Pesos para los pixeles limiarizados. Los resultados experimentales que obtuvimos, muestran un valor de sensibilidad mejor para el descriptor MSLMP en comparación de los otros descriptores presentes en la literatura.

  • Gabriel Illanes (Uruguay). Exploration and visualization of genomic data

Scientists around the world are investing a lot of time, money and effort to develop our knowledge in biology. This means that biology is posing new problems for mathematicians, in the same way physics did before the twentieth century. As new technology is being developed, and costs decrease, more and more data is available for modeling and hypotheses testing. However, we usually do not know exactly what do we want from our data, and we do not know where to look for it; this means that we need to visualize and explore our data to find patterns or anomalies, to test if those patterns are due to randomness of data or true biological signals, and possibly pose new biological hypotheses. Special care must be taken during this stage: data usually do not correspond to gaussian distributions (or any other common distributions), observations or variables might not be independent, and many other common assumptions might not hold. If our procedures do not account for this possibilities, the obtained results might be misleading and not reproducible. The poster will present some exploration and visualization of genomic data (http://www.cell.com/cell-reports/fulltext/S2211-1247(16)31057-9) from the Milieu Intérieur Project (Institut Pasteur, http://www.milieuinterieur.fr/en).

  • Ignacio Ramírez (Uruguay) Métrica para detección de fraudes en tarjetas de crédito

El problema de detección de fraudes es en general complejo, en parte por la relativamente muy baja frecuencia de los fraudes, y en parte por la heterogeneidad de los datos que caracterizan a una transacción de tarjeta de crédito, en su mayoría de tipo categórico. Los métodos actualmente utilizados para detectar fraudes se basan en esquemas de clasificación de dos clases como ser redes neuronales o árboles de decisión. Uno de los objetivos  del presente es explorar alternativas de tipo "una
clase", en donde el objetivo es caracterizar de la manera más ajustada posible las transacciones legítimas, de modo de aislar lo más posible los fraudes. Siendo que el espacio de características y la métrica utilizada para comparar distintas instancias es crucial para el resto de las etapas de detección, el foco de esta primera etapa del proyecto se centra en encontrar una métrica adecuada para medir diferencias entre transacciones. Concretamente, el  trabajo presentado aquí explora el uso de métricas
sobre conjuntos categóricos que sean coherentes con el concepto de "anomalía", en el sentido de que ponderen con mayor peso las diferencias en donde al menos una de las categorías es atípica.

Acciones de Documento
« Septiembre 2020 »
Septiembre
LuMaMiJuViDo
123456
78910111213
14151617181920
21222324252627
282930
Entrar


¿Ha olvidado su contraseña?