Noticimat 21

Título: Speeding up inference on coalescent trees and ARGs

Ponente: Felipe Medina Aguayo (CIMAT)

Hora: 1:00 pm

(Trasmisión por el sistema bluejeans: https://bluejeans.com/837558134).

Resumen: Sequencing DNA samples has become cheaper and faster than ever, as a consequence there is an enormous amount of data available to analyse. Many models in genetics involve coalescent trees which are a special type of random variables with discrete and continuous features. Performing inference on these objects is very challenging due to their complex nature, however Bayesian Statistics and advanced Monte Carlo methods provide some solutions. We look at Sequential Monte Carlo for exploring the space of trees, which has some clear computational advantages over Markov Chain Monte Carlo (MCMC) on the same space. On a different stream we introduce the concept of recombination that gives rise to Ancestral Recombination Graphs (ARGs), a generalisation of coalescent trees. Inference on ARGs is typically performed via a reversible-jump MCMC which can be very slow; however, due to recent developments in Bayesian computation there are ways of improving existing methods and code that may lead to faster inference.

 

Título: Machine Learning y modelación estadística para la identificación de fallas en procesos de manufactura, dos aplicaciones 

Ponente: Dr. Héctor De la Torre Gutiérrez (CONACYT/CIMAT)

Hora: 1:00 pm

(Trasmisión por el sistema bluejeans: https://bluejeans.com/353871728)

Registro de asistencia: https://docs.google.com/forms/d/e/1FAIpQLSfmEjwrF2SaZ53Jr9vrB2kE3dfnYEc0mywiH4DcqtDNPLjimA/viewform

Resumen: Los sistemas de producción actuales muestran grandes niveles de complejidad. Aunado a la complejidad mostrada, la detección de fallas en estos procesos productivos se ha vuelto más complicada y laboriosa. Por otro lado, en sistemas tradicionales de producción, la detección de fallas se realiza mediante una simple inspección visual sobre las Cartas de Control Estadístico por parte de los operarios, así generando problemas de ambigüedad y confusión en la toma de decisiones respecto al tipo de falla existente. Para solucionar dichos problemas de complejidad de detección y ambigüedad, en investigaciones recientes se ha propuesto la aplicación de algoritmos de Machine Learning.

En esta sesión se mostrarán dos problemas donde se han aplicado algoritmos de Machine Learning para la identificación de fallas en procesos monitoreados mediante Cartas de Control (procesos discretos y continuos) y para procesos altamente eficientes; es decir, procesos que muestran un bajo nivel de fallas. Se mostrará la relación entre ambos esquemas de automatización desarrollados, ideas generales sobre investigación que se está desarrollando en la unidad CIMAT Aguascalientes sobre estos temas y cómo los esquemas de automatización de detección de fallas fueron mejorados mediante el uso de Metaheurística y modelación estadística.

 

Título: Descripción de los intereses de investigación para los próximos dos años

Ponente: Bartolo de Jesús Villar Hernández (Universidad Autónoma de Coahuila)

Hora: 1:00 pm

(Trasmisión por el sistema bluejeans: https://bluejeans.com/837558134).

Resumen: En la plática se abordará de la manera general los intereses de investigación para los próximos dos años, centrándose más en el objetivo de los proyectos, su importancia y alcances. En concreto, se pretenden desarrollar dos proyectos de investigación. El primero corresponde a un análisis longitudinal del tiempo a la bancarrota de intermediarios financieros no bancarios a través de un modelo de supervivencia. Derivado del análisis se pretenden identificar cuáles variables financieras u operativas pueden auxiliar en anticipar la degradación financiera y posterior bancarrota de esta clase de instituciones. El segundo proyecto propuesto contempla un análisis espacio-temporal de la ocurrencia de incendios forestales en el Sureste de México. En el análisis se plantea la incorporación de variables medio-ambientales, tipo de cobertura vegetal y uso del suelo como covariables. El objetivo final del proyecto es la generación de un mapa de riesgos, que sirva como instrumento de planeación y prevención, así como contestar algunas preguntas de interés científico tales como si existe un incremento del número de eventos en el tiempo en la zona de estudio.

Actividades de divulgación