Catálogo de publicaciones

Fil:Salas, Carlos. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.

Fil:Fernández, Ximena Laura. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.

La optimización sin derivadas es un área de creciente interés por su potencial relación con aplicaciones en otras disciplinas, dado que es frecuente no contar con una expresión explícita de las funciones involucradas en el problema de optimización sino sólo datos experimentales o simulaciones computacionales. Por lo tanto el objetivo general de este plan es desarrollar nuevos algoritmos eficientes y robustos basados en estrategias adecuadas, analizando su convergencia y validando los mismos mediante implementaciones y experimentación numérica. En este trabajo se propuso dos métodos de optimización sin derivadas basados en modelos de interpolación y región de confianza. El primer algoritmo desarrollado para este trabajo es el algoritmo TRB-POWELL [4]. TRB-Powell fue propuesto para resolver un problema de optimización irrestricto o con restricciones de caja sin derivadas basado en el método de Powell, NEWUOA [52, 53], para optimización (sin restricciones) sin derivadas. Inicialmente se ha considerado el problema irrestricto. El método NEWUOA, en cada iteración, construye un modelo de interpolación cuadrática de la función objetivo alrededor del iterado actual y este modelo es minimizado para obtener un nuevo punto de prueba. Todo el proceso está inmerso en un marco de región de confianza usando la norma Euclídea. Dado que tenemos restricciones de caja, nuestro método usa norma infinito en vez de norma Euclídea y resolvemos el subproblema cuadrático usando una estrategia de conjuntos activos para explorar las caras de la caja. Luego, extendimos el problema irrestricto a un problema con restricciones de caja. El segundo algoritmo es el IR-DFO, el cual se propone para resolver problemas de programación no lineal general sin hacer uso de derivadas y está basado en el método de Restauración Inexacta (IR), el cual fue introducido por Martínez y Pilotta (2000) [43] y posteriormente analizado en el año 2005 [44]. Estos métodos proceden en dos fases y generan una sucesión de puntos infactibles con iteraciones intermedias que consisten en puntos inexactamente restaurados. En nuestro método, todos los cálculos de derivadas del método IR han sido adaptados adecuadamente para resolver el problema sin el uso de éstas. Bajo adecuadas hipótesis, se mostraron resultados de buena definición del algoritmo propuesto y resultados de convergencia a puntos factibles que satisfacen adecuadas condiciones de optimalidad. La implementación incluye diferentes subalgoritmos para obtener una mejor aproximación en cada iteración. Se realizaron diferentes experimentos numéricos.

En este trabajo estudiaremos las teorias de campo de orden superior, haciendo énfasis en el tratamiento de los modos complejos (grados de libertad asociados a parámetros complejos de masa). En el primer capítulo mostramos la relación de los modos complejos y las teorías de métrica indefinida; también veremos que estos modos aparecen de manera natural cuando se extiende el modelo supersimétrico de Wess-Zumino a un espacio de dimensión mayor a cuatro. I En el segundo capítulo presentaremos los métodos lagrangianos para campos que obedecen ecuaciones de orden superior. Usando el teorema de Nöether construiremos los tensores canónicos, en particular obtendremos el hamiltoniano (magnitud conservada por la simetría ante traslaciones temporales). Para estudiar las caracteristicas escenciales del tratamiento de los modos complejos, consideraremos en el tercer capítulo un modelo de orden superior en el cual intervienen un modo de masa real y un par de modos complejos conjugados. El requerimiento de que a nivel cuántico el hamiltoniano genere las traslaciones temporales del sistema nos llevará al algebra de conmutadores para los coeficientes en el desarrollo de Fourier de los campos. La representación para los operadores correspondientes a los modos complejos, a diferencia del caso habitual de masa real (donde la representación es holomorfa), se asemeja a la de los operadores canónicos de posición e impulso, actuando sobre funciones de z y z¯. Obtendremos entonces una representación para el operador de energía-momento lo cual nos permitirá representar al vacío y calcular los valores de expectación de los distintos productos de operadores de campo. En particular, el propagador para los modos complejos resultará mitad avanzado y mitad retardado. En el cuarto capítulo calcularemos la auto-energia a segundo orden para el modelo anteriormente descrito (con una auto-interacción ʎϕ3). Para ello representaremos a los distintos propagadores por medio de funcionales analíticas y obtendremos la expresión para la convolución de dos funcionales analíticas definidas por caminos de integración generales. Mostraremos entonces que el diagrama de auto-energía es compatible con unitariedad y la eliminación de los modos complejos del espacio asintótico. Finalmente, en el quinto capitulo estudiaremos algunas propiedades de la autoenergia. a segundo orden. Siendo la teoría relativista y el vacío invariante de Lorentz, las amplitudes de probabilidad para los distintos procesos deben ser invariantes de Lorentz; verificaremos entonces que la auto-energía calculada es invariante de Lorentz. Además, veremos que los modos complejos actúan como reguladores pues mejoran el comportamiento ultravioleta de la auto-energia debida sólo al modo real.

"La gestión del talento a nivel corporativo resulta un factor clave para la competitividad de las organizaciones: la captación, motivación y retención (entre otros factores) de los profesionales correctos, es decisiva para el alcance de los objetivos de negocio. El objetivo del presente trabajo se centra en explorar en qué medida las organizaciones utilizan métodos cuantitativos para mensurar tanto el impacto de lo realizado en ese campo, como para predecir qué sucederá. Mediante una vasta investigación bibliográfica, y un relevamiento realizado en 20áreas de gestión del capital humano pertenecientes a distintas empresas, se ha logrado establecer un primer panorama del estado del arte. Los resultados arrojados permiten establecer que el nivel de desarrollo alcanzado en Argentina es notablemente inferior en relación a Europa & USA: mientras que en nuestro país el nivel de sofisticación en el manejo del continuo de información logra cubrir aspectos relativos al pasado, en otras locaciones las empresas ya han adoptado de manera cada vez más extensiva el uso de herramientas que permitan predecir qué sucederá en el futuro. La penetración del uso de analytics aún es muy baja. Las implicancias de este análisis deberían colocar una alerta sobre esta situación, ya que la imposibilidad de contar con más y mejor información dificultan la toma de decisiones efectivas, lo cual redunda en un menor nivel de competitividad a nivel empresa, y a la postre, a nivel país. Palabras Clave: Reporting – HR Analytics- Continuo de información"

Fil:Wenzel, Carlos Guillermo. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.

Tesis (Doctor en Astronomía)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2019.

Se tienen p variables medidas sobre n objetos. El problema de clustering, que se presenta en varias áreas del conocimiento, consiste en dividir el conjunto de n objetos en K grupos homogéneos, es decir de modo que en cada grupo las p variables tomen valores parecidos. Hay varios enfoques para este problema, uno de los más populares es "K-means", que consiste en minimizar la media de las distancias de los objetos a los centros de los grupos a los que pertenecen. Este procedimiento tiene la ventaja de ser conceptualmente y computacionalmente simple. Sin embargo, es muy sensible a la presencia de puntos atípicos. Se propone una alternativa robusta basada en minimizar una escala robusta de tipo tau de las distancias entre los puntos y los centros de los grupos a los que pertenecen. Simulaciones por el método de Monte Carlo muestran que este procedimiento no es mayormente afectado por puntos atípicos. Se muestra además que los centros de los grupos están bien definidos, y que son fuertemente consistentes. Otro enfoque para clustering es utilizar un modelo de mezcla de K distribuciones, donde cada distribución depende de varios parámetros. En este caso, el método usuales estimar los parámetros por máxima verosimilitud. En el caso de que las distribuciones son normales multivariadas, este estimador se calcula utilizando un algoritmo EM. Sin embargo, este procedimiento tampoco es robusto. En esta tesis se modifica el algoritmo EM de modo que la estimación de los parámetros sea robusta y consistente. Asímismo, se implementa el algoritmo y se realizan simulaciones de Monte Carlo, en donde se muestran las ventajas de la presente propuesta frente a otros estimadores clásicos y robustos de la literatura.