Proyecto de implantación de un Sistema de BI para el análisis de la calidad de un Servicio.

Proyecto de implantación de un sistema de business intelligence para el análisis de la calidad de un servicio. El objetivo del presente proyecto es el análisis de una herramienta de apoyo al estudio de la calidad de un servicio, en este caso, servicio sanitario, enfocada desde la perspectiva del área de Ingeniería del software.

Time Series Input Selection using Multiple Kernel Learning

In this paper we study the relevance of multiple kernel learning (MKL) for the automatic selection of time series inputs. Recently, MKL has gained great attention in the machine learning community due to its flexibility in modelling complex patterns and performing feature selection. In general, MKL constructs the kernel as a weighted linear combination of basis kernels, exploiting different sources of information. An efficient algorithm wrapping a Support Vector Regression model for optimizing the MKL weights, named SimpleMKL, is used for the analysis. In this sense, MKL performs feature selection by discarding inputs/kernels with low or null weights. The approach proposed is tested with simulated linear and nonlinear time series (AutoRegressive, Henon and Lorenz series).

GeoKernels: Modeling of Spatial Data on GeoManifolds

This paper presents a review of methodology for semi-supervised modeling with kernel methods, when the manifold assumption is guaranteed to be satisfied. It concerns environmental data modeling on natural manifolds, such as complex topographies of the mountainous regions, where environmental processes are highly influenced by the relief. These relations, possibly regionalized and nonlinear, can be modeled from data with machine learning using the digital elevation models in semi-supervised kernel methods. The range of the tools and methodological issues discussed in the study includes feature selection and semisupervised Support Vector algorithms. The real case study devoted to data-driven modeling of meteorological fields illustrates the discussed approach.

Machine learning analysis and modeling of interest rate curves

The present research deals with the review of the analysis and modeling of Swiss franc interest rate curves (IRC) by using unsupervised (SOM, Gaussian Mixtures) and supervised machine (MLP) learning algorithms. IRC are considered as objects embedded into different feature spaces: maturities; maturity-date, parameters of Nelson-Siegel model (NSM). Analysis of NSM parameters and their temporal and clustering structures helps to understand the relevance of model and its potential use for the forecasting. Mapping of IRC in a maturity-date feature space is presented and analyzed for the visualization and forecasting purposes.

Spatiotemporal analysis of multichannel EEG: CARTOOL.

This paper describes methods to analyze the brain's electric fields recorded with multichannel Electroencephalogram (EEG) and demonstrates their implementation in the software CARTOOL. It focuses on the analysis of the spatial properties of these fields and on quantitative assessment of changes of field topographies across time, experimental conditions, or populations. Topographic analyses are advantageous because they are reference independents and thus render statistically unambiguous results. Neurophysiologically, differences in topography directly indicate changes in the configuration of the active neuronal sources in the brain. We describe global measures of field strength and field similarities, temporal segmentation based on topographic variations, topographic analysis in the frequency domain, topographic statistical analysis, and source imaging based on distributed inverse solutions. All analysis methods are implemented in a freely available academic software package called CARTOOL. Besides providing these analysis tools, CARTOOL is particularly designed to visualize the data and the analysis results using 3-dimensional display routines that allow rapid manipulation and animation of 3D images. CARTOOL therefore is a helpful tool for researchers as well as for clinicians to interpret multichannel EEG and evoked potentials in a global, comprehensive, and unambiguous way.

Alzheimer disease diagnosis based on automatic spontaneous speech analysis

Alzheimer’s disease (AD) is the most prevalent form of progressive degenerative dementia and it has a high socio-economic impact in Western countries, therefore is one of the most active research areas today. Its diagnosis is sometimes made by excluding other dementias, and definitive confirmation must be done trough a post-mortem study of the brain tissue of the patient. The purpose of this paper is to contribute to im-provement of early diagnosis of AD and its degree of severity, from an automatic analysis performed by non-invasive intelligent methods. The methods selected in this case are Automatic Spontaneous Speech Analysis (ASSA) and Emotional Temperature (ET), that have the great advantage of being non invasive, low cost and without any side effects.

EEG signal analysis via a cleaning procedure based on multivariate empirical mode decomposition

Artifacts are present in most of the electroencephalography (EEG) recordings, making it difficult to interpret or analyze the data. In this paper a cleaning procedure based on a multivariate extension of empirical mode decomposition is used to improve the quality of the data. This is achieved by applying the cleaning method to raw EEG data. Then, a synchrony measure is applied on the raw and the clean data in order to compare the improvement of the classification rate. Two classifiers are used, linear discriminant analysis and neural networks. For both cases, the classification rate is improved about 20%.

The Development of Weak Signal Concept

Tämän hetken trendit kuten globalisoituminen, ympäristömme turbulenttisuus, elintason nousu, turvallisuuden tarpeen kasvu ja teknologian kehitysnopeus korostavatmuutosten ennakoinnin tarpeellisuutta. Pysyäkseen kilpailukykyisenä yritysten tulee kerätä, analysoida ja hyödyntää liiketoimintatietoa, jokatukee niiden toimintaa viranomaisten, kilpailijoiden ja asiakkaiden toimenpiteiden ennakoinnissa. Innovoinnin ja uusien konseptien kehittäminen, kilpailijoiden toiminnan arviointi, asiakkaiden tarpeet muun muassa vaativatennakoivaa arviointia. Heikot signaalit ovat keskeisessä osassa organisaatioiden valmistautumisessa tulevaisuuden tapahtumiin. Opinnäytetyön tarkoitus on luoda ja kehittää heikkojen signaalien ymmärrystä ja hallintaa sekäkehittää konseptuaalinen ja käytännöllinen lähestymistapa ennakoivan toiminnan edistämiselle. Heikkojen signaalien tyyppien luokittelu perustuu ominaisuuksiin ajan, voimakkuuden ja liiketoimintaan integroinnin suhteen. Erityyppiset heikot signaalit piirteineen luovat reunaehdot laatutekijöiden keräämiselle ja siitä edelleen laatujärjestelmän ja matemaattiseen malliin perustuvan työvälineen kehittämiselle. Heikkojen signaalien laatutekijät on kerätty yhteen kaikista heikkojen signaalien konseptin alueista. Analysoidut ja kohdistetut laatumuuttujat antavat mahdollisuuden kehittää esianalyysiä ja ICT - työvälineitä perustuen matemaattisen mallin käyttöön. Opinnäytetyön tavoitteiden saavuttamiseksi tehtiin ensin Business Intelligence -kirjallisuustutkimus. Hiekkojen signaalien prosessi ja systeemi perustuvat koottuun Business Intelligence - systeemiin. Keskeisinä kehitysalueina tarkasteltiin liiketoiminnan integraatiota ja systemaattisen menetelmän kehitysaluetta. Heikkojen signaalien menetelmien ja määritelmien kerääminen sekä integrointi määriteltyyn prosessiin luovat uuden konseptin perustan, johon tyypitys ja laatutekijät kytkeytyvät. Käytännöllisen toiminnan tarkastelun ja käyttöönoton mahdollistamiseksi toteutettiin Business Intelligence markkinatutkimus (n=156) sekä yhteenveto muihin saatavilla oleviin markkinatutkimuksiin. Syvähaastatteluilla (n=21) varmennettiin laadullisen tarkastelun oikeellisuus. Lisäksi analysoitiin neljä käytännön projektia, joiden yhteenvedot kytkettiin uuden konseptin kehittämiseen. Prosessi voidaan jakaa kahteen luokkaan: yritysten markkinasignaalit vuoden ennakoinnilla ja julkisen sektorin verkostoprojektit kehittäen ennakoinnin struktuurin luonnin 7-15 vuoden ennakoivalle toiminnalle. Tutkimus rajattiin koskemaan pääasiassa ulkoisen tiedon aluetta. IT työvälineet ja lopullisen laatusysteemin kehittäminen jätettiin tutkimuksen ulkopuolelle. Opinnäytetyön tavoitteena ollut heikkojen signaalien konseptin kehittäminen toteutti sille asetetut odotusarvot. Heikkojen signaalien systemaattista tarkastelua ja kehittämistyötä on mahdollista edistää Business Intelligence - systematiikan hyödyntämisellä. Business Intelligence - systematiikkaa käytetään isojen yritysten liiketoiminnan suunnittelun tukena.Organisaatioiden toiminnassa ei ole kuitenkaan yleisesti hyödynnetty laadulliseen analyysiin tukeutuvaa ennakoinnin weak signals - toimintaa. Ulkoisenja sisäisen tiedon integroinnin ja systematiikan hyödyt PK -yritysten tukena vaativat merkittävää panostusta julkishallinnon rahoituksen ja kehitystoiminnan tukimuotoina. Ennakointi onkin tuottanut lukuisia julkishallinnon raportteja, mutta ei käytännön toteutuksia. Toisaalta analysoitujen case-tapausten tuloksena voidaan nähdä, ettei organisaatioissa välttämättä tarvita omaa projektipäällikköä liiketoiminnan tuen kehittämiseksi. Business vastuun ottamiseksi ja asiaan sitoutumiseen on kuitenkin löydyttävä oikea henkilö

Hiomon AI-järjestelmän toimivuuden arviointi

Työn tavoitteena oli uudentyyppisen hiontaprosessin ohjausjärjestelmän kehittäminen ja testaaminen UPM-Kymmene Kaukaan hiomossa. Uuden ohjausjärjestelmän perusajatuksena oli pitää yksittäistä hiomakiveä jatkuvasti optimaalisessa toimintapisteessä, ja hiomon kaikilla koneilla pyrittiin samaan kivenalusmassan laatuun. Uutta ohjaustapaa kutsuttiin Optimum operating point -strategiaksi (OOPS). Hiomakiven pitäminen optimaalisessa toimintapisteessä tapahtui pääosin vesiteräyskäsittelyllä, jonka intensiteettiä ohjasi asiantuntijajärjestelmä (AI-järjestelmä). Lisäksi testattiin ohjelmoidun anturan nopeussäädön vaikutusta hiomakoneen resurssien käyttöön. AI-järjestelmä päätteli vesiteräyskäsittelyn tarpeellisuuden CSF-mallin ja hiomakoneen resurssien perusteella. Seurannasta saatujen tulosten perusteella AI-järjestelmän käyttöönotto vesiteräyskäsittelyssä paransi tuotannon ja massan laadun tasaisuutta. Hiomakoneiden resurssien havaittiin pienenevän puunsyöttölinjan mukaisesti. Paksummat pöllit kerääntyvät linjan päähän, jolloin varsinkin hydrauliikkapaineiden tarve lisääntyy linjan päässä olevilla hiomakoneilla. Hiomakoneen resurssit saatiin paremmin käyttöön kuormittamalla konetta ohjelmoidulla anturan nopeussäädöllä (ONS) kuin vakioidulla anturan nopeussäädöllä (VNS). Kuitenkin hydraulipaineresurssien puutteellisuus rajoitti koeajon aikana ONS:n toimintaa. Resursseja ei optimoitu koeajon aikana, koska kiven pinnan haluttiin pysyvän mahdollisimman stabiilina. Kivelle ei suoritettu mekaanista käsittelyä, vaikka kivenpinnan massan kuljetuskapasiteetin havaittiin olevan huono. AI-järjestelmä otettiin ohjaamaan vesiteräyskäsittelyä vasta ONS - VNS -koeajon jälkeen. Mekaanisen rullateräyksen jälkeen massan ominaisuudet muuttuivat, koska kiven pinnan terävät särmät katkoivat kuituja alentaen massan sitoutumiskykyä. Heti rullakäsittelyn jälkeen mitattu CSF saattoi jopa alentua huomattavasti, mutta AI-järjestelmän laskema CSF nousi selvästi indikoiden energian ominaiskulutuksen (EOK) laskua. Muutaman päivän hionnan jälkeen mitattu ja laskettu CSF saavuttivat saman tason.

Matkaviestinverkko-operaattorin kilpailijaseurannan kehittäminen

Tämän diplomityön tavoitteena oli luoda malli, jonka avulla matkaviestinverkko-operaattori Suomen 2G Oy voi kehittää kilpailijaseurantaansa. Kilpailijaseurantajärjestelmä auttaa organisoimaan toimintaa ja optimoimaan resurssien käyttöä. Työ jakaantuu kirjallisuustutkimukseen ja empiiriseen tutkimukseen. Kirjallisuustutkimuksessa selvitettiin kuinka kilpailijaseurantaa on käsitelty kirjallisuudessa ja millaisia huomioita sen käytännön toteutuksesta on tehty. Empiirisessä osuudessa selvitettiin kilpailijaseurannan nykytilaa Suomen 2G Oy:ssä ja sitä, millaisia ominaisuuksia tulevalla järjestelmällä pitäisi olla. Lopuksi esitetään malli kilpailijoiden systemaattisella seurannalle. Mallin tarkoitus on tehdä kilpailijaseurannasta systemaattisempaa ja tietovirroista organisaatiossa mahdollisimman sujuvia.

Critical success factors of sales strategy in small and medium- sized ICT-companies

Tyon tavoitteena on selvittaa. mitka myyntistrategian ja siihen liittyvien muiden strategioiden kriittiset osat pienten ja keskisuurten ICT- yritysten toiminnassa. Tutkimusmenetelmana kaytettiin case- tutkimusta, jossa vertailtiin neljan pienen ja keskisuuren ohjelmisto talon toimintaa. Tutkimuksessa tunnistettiin nelja kriittista osa-aluetta, joiden hoitamiseen yritysten erityisesti tulisi kiinnittaa huomiota. Nama olivat: segmentointi ja kohdemarkkinoiden valinta, myyntikanavien valinta, myyntihenkiloston organisointi ja asiakassuuntautuneisuus, ja markkinointi tietojarjestelma. Tutkimus osoitti, etta yrityksen kasvaessa ja omistuksen eriytyessa toimivasta johdosta yrityksen strategia suunnittelusta tulee jarjestelmallisempaa.

Varaosaliiketoiminnan analysointi ja kehittäminen teknologiayrityksessä

Palveluliiketoiminnan merkitys teollisten yritysten kasvusta ja kannattavuudesta kasvaa voimakkaasti. Palveluliiketoiminnan voidaan katsoa olevan asiakaslähtöisyyden perusta. Diplomityön toimeksiantajan yksi palveluliiketoiminnan muoto on varaosaliiketoiminta. Varaosaliiketoiminta muodostaa yrityksen palvelutarjonnasta merkittävän osan, mutta sen asema yrityksessä on ollut epäselvä, eikä yhtenäistä johtamistapaa ole ollut. Tästä syystä nähtiin olennaiseksi analysoida liiketoiminnan nykytilaa ja kehittää varaosaliiketoiminnalle uusi liiketoimintamalli. Nykytilan analysointiin käytettiin syksyllä 2007 käyttöönotettua liiketoimintatiedon hallinnan työkalua. Varsinainen tutkimusosa toteutettiin haastattelututkimuksella, jossa haastateltiin 15 henkilöä joiden toimenkuva liittyi varaosaliiketoimintaan. Haastattelujen tarkoituksena oli selvittää varaosaliiketoiminnan nykytilaa, löytää kehitysehdotuksia ja määritellä varaosaliiketoiminnan kriittiset menestystekijät. Liiketoiminnan analysointiin käytettiin teorioita palvelu- ja varaosaliiketoiminnasta sekä varaosista. Tutkimusmenetelmät perustuivat toimialarakenne-, strategia- ja kilpailija-analyyseihin. Työn tuloksista voidaan todeta, että varaosaliiketoiminnalla tulisi olla oma strategia ja kyseisen liiketoiminnan asema tulisi määritellä selkeämmin palveluliiketoiminnassa. Työn tuloksena esitetään varaosaliiketoiminnan uusi liiketoimintamalli, joka perustuu kriittisiin menestystekijöihin. Kriittiset menestystekijät ovat hankintatoiminta, palvelu, sisäinen prosessi ja liiketoiminnan kehittäminen. Kyseisille tekijöille esitetään kehitysehdotuksia sekä toimenpidesuositukset, joilla uusi liiketoimintamalli on mahdollista implementoida käytäntöön.

A tabela periódica dos elementos químicos prevista por redes neurais artificiais de Kohonen

Although several chemical elements were not known by end of the 18th century, Mendeleyev came up with an astonishing achievement: the periodic table of elements. He was not only able to predict the existence of (then) new elements but also to provide accurate estimates of their chemical and physical properties. This is certainly a relevant example of the human intelligence. Here, we intend to shed some light on the following question: Can an artificial intelligence system yield a classification of the elements that resembles, in some sense, the periodic table? To achieve our goal, we have fed a self-organized map (SOM) with information available at Mendeleyev's time. Our results show that similar elements tend to form individual clusters. Thus, SOM generates clusters of halogens, alkaline metals and transition metals that show a similarity with the periodic table of elements.