Búsqueda avanzada

CESAR ARMANDO BELTRAN CASTAÑON

CESAR ARMANDO BELTRAN CASTAÑON

CESAR ARMANDO BELTRAN CASTAÑON

Doctor en Bioinformática (Universidad de Sao Paulo)
Ingeniero de Sistemas (UNIVERSIDAD CATOLICA DE SANTA MARIA)
DOCENTE ORDINARIO - ASOCIADO
Docente a tiempo completo (DTC)
Departamento Académico de Ingeniería - Sección Ingeniería Informática

Investigaciones

Se encontraron 15 investigaciones

2019 - 2020

Modelo computacional de extracción automática de información de cuerpos de agua para la evaluación del daño provocado por desastre de inundaciones y huaycos mediante el análisis por visión artificial de imágenes satelitales multi- temporales.

Los recientes eventos climatológicos ocurridos en el país nos demuestran que no poseemos capacidades físicas ni humanas para recuperarnos rápidamente, esto debido a diferentes factores; pero, ocurrida la catástrofe, el paso inmediato es medir el daño producido de manera que se puedan definir proyectos de infraestructura y saneamiento que consigan recuperar las áreas afectadas y reinstaurar el normal funcionamiento de servicios y mejora de la calidad de vida de las personas. En el caso de inundaciones la tarea fundamental es detectar los cuerpos de agua, pero, luego de ocurrido el desastre natural, estos cuerpos de agua se presentan de forma no homogénea por causa de mezcla del agua con otros materiales; es decir los índices de color en imágenes de sensores remotos presentan una alta variabilidad. El trabajo de caracterización de cuerpos de agua, así como la determinación de zonas afectadas y evaluación del daño post-desastre, se realizan por especialistas de forma visual directa con apoyo de herramientas semiautomáticas. Nuestra propuesta consiste en aplicar técnicas de aprendizaje de máquina y visión computacional (deep learning) para la extracción automática de información de cuerpos de agua en imágenes satelitales multi-temporales, de manera que se facilite la evaluación del daño provocado por desastre de inundaciones y huaycos en un menor periodo de tiempo.Por tratarse de un proyecto inicial nos centraremos en el diseño de la red neuronal y para el área de estudio nos concentraremos en el distrito de Catacaos, donde el fenómeno de El Niño costero causó graves estragos el 2016. Para ello se cuentan con las imágenes satelitales obtenidas de bancos de imágenes libres de la región de Catacaos previos y posteriores a la catástrofe. El resultado del presente proyecto podrá ser usado para un proyecto mayor, que involucre más regiones afectadas y la participación de mayores actores (CONIDA, COEN, etc), de manera que se apoye en las políticas nacionales de resilencia.

Participantes:

Instituciones participantes:

  • COMISION NACIONAL DE INVESTIGACION Y DESARROLLO AEROESPACIAL (CONIDA) - CONIDA (Financiadora)
  • CONCYTEC - FONDECYT (Financiadora)
  • PONTIFICIA UNIVERSIDAD CATOLICA DEL PERU - Grupo de Inteligencia Artificial IA-PUCP (Financiadora)
2019 - 2020

ROBOT MOVIL CON SISTEMA DE INTELIGENCIA ARTIFICIAL PARA TELEMARKETING Y ATENCION AL CLIENTE

El crecimiento económico de los últimos años ha generado un incremento en la demanda de personal para atención al cliente, publicidad y marketing, pero existe una brecha entre la mano de obra demandada y la disponible. En este sentido, un robot que realice estas funciones, es una oportunidad para satisfacer las necesidades del mercado. Para eventos de comunicación, publicidad y marketing, los robots realizan recolección de información (encuestas, audio, imágenes, video) para análisis de tendencias, hábitos, trayectorias y opiniones utilizando algoritmos de inteligencia artificial, esta información es una base de datos valiosa para el rubro de retail, cadenas de autoservicio, centros comerciales, universidades, y otros. Se propone el desarrollo e implementación de un Robot Móvil de Telepresencia con Sistema de Inteligencia Artificial para Telemarketing y Atención al Cliente. El robot cuenta con: i) estructura modular y ligera para fácil transporte; ii), capacidad de teleoperación y telepresencia; iii) capacidad de navegación autónoma y generación de trayectorias; iv) algoritmos para recolección de información y reconocimiento de patrones; v) características interactivas para interacción humano-robot. Los componentes diferenciadores son sus partes modulares que lo hacen portátil y expandible para diversas actividades (conferencias, visitas a planta, marketing, publicidad, supervisión), y sus algoritmos de inteligencia artificial propietarios que permiten una interacción y comunicación humano-robot fluida.

Participantes:

Instituciones participantes:

  • PONTIFICIA UNIVERSIDAD CATOLICA DEL PERU - Grupo de Inteligencia Artificial IA-PUCP (Financiadora)
  • PONTIFICIA UNIVERSIDAD CATOLICA DEL PERU - Vice rectorado de investigación (Financiadora)
2016 - 2019

Aplicación de técnicas de biclustering y comités de clasificadores en la predicción de interacciones causales gen-gen a partir de datos observacionales temporales de expresión génica.

Predecir si un gen responderá a la intervención de otro gen basados únicamente en el comportamiento temporal de sus perfiles de expresión génica sería de gran valor en investigaciones médicas, ya que permitiría enfocar los costosos experimentos intervencionales a aquellas interacciones con alta probabilidad en su predicción, reduciendo así los costos y tiempos de las investigaciones. Sin embargo, tal tarea de predicción es altamente desafiadora debido a los múltiples modos de causalidad que existen en las interacciones inter- génicas y a los elevados niveles de ruido, propios de datos biológicos. El presente proyecto de investigación propone estudiar la aplicación de técnicas de biclustering y comités de clasificadores para aprender las sutiles diferencias que caracterizan las interacciones causales gen-gen en datos temporales de expresión génica. Las técnicas de biclustering han demostrado su efectividad en revelar patrones con significado biológico en datos de expresión génica, mientras que los comités de clasificadores han generado un interés creciente en el área de aprendizaje de máquina y aplicaciones, dada su frecuente superioridad en precisión y robustez en relación a predictores mono-clasificador. A pesar de estas evidencias, la aplicación combinada de los enfoques mencionados no ha sido estudiada para el problema de predicción de causalidad, lo cual ha motivado la elaboración del presente proyecto de investigación.

Participantes:

Instituciones participantes:

  • MINISTERIO DE LA PRODUCCION - INNOVATE PERU (Financiadora)
  • PONTIFICIA UNIVERSIDAD CATOLICA DEL PERU - Grupo de Inteligencia Artificial IA-PUCP (Financiadora)
2016 - 2019

Circulo de Investigación en Computación de alto desempeño con énfasis en el desarrollo de técnicas y métodos de minería de datos en gran escala para el apoyo de investigaciones de cambio climatico

Este proyecto propone investigar y desarrollar técnicas y métodos de minería de datos de gran escala basado en algoritmos aproximados y paralelos para analizar los datos utilizados por metereologistas y agro-meteorologistas como soporte en sus investigaciones de cambio climático en el sur de Perú. En general, el objetivo de este proyecto es el desarrollo de métodos para analizar los resultados de los modelos de pronostico de cambio climático regional y compararlas con las mediciones reales recogidos por las estaciones de tierra con el fin de evaluar la calidad de los datos generados y tener en cuenta la calibración de los modelos de predicción . Además , tenemos la intención de desarrollar nuevos métodos para filtrar , analizar y extraer patrones de asociación entre los datos climáticos.

Participantes:

Instituciones participantes:

  • CONCYTEC - FONDECYT (Financiadora)
  • INSTITUTO DE INVESTIGACIONES DE LA AMAZONIA PERUANA, IIAP - IIAP (Financiadora)
  • PONTIFICIA UNIVERSIDAD CATOLICA DEL PERU - IA-PUCP (Financiadora)
  • UNIVERSIDAD LA SALLE - vicerrectorado de investigación (Financiadora)
  • UNIVERSIDAD NACIONAL DE SAN AGUSTIN - centro de desarrollo de software (Financiadora)
2015 - 2018

Análisis de Simetrías en Objetos 3D y su Aplicación a la Arqueología

El área de procesamiento y análisis geométrico ha evidenciado un crecimiento notable en los últimos años. Esto se debe, en gran medida, a la reciente disponibilidad de equipos de adquisición 3D baratos que permiten obtener representaciones computacionales 3D de objetos de la realidad. Con esta nueva tecnología es posible desarrollar herramientas útiles para dar soporte a áreas como la arqueología, la ingeniería, la medicina, etc. La caracterización de estos modelos computacionales para su uso adecuado en aplicaciones es uno de los principales problemas del análisis geométrico. Si partimos de la premisa de que la simetría es una característica omnipresente en los objetos reales, es de esperarse que la simetría sea también una forma conveniente de caracterizar nuestros modelos computacionales. Este proyecto aborda el análisis de simetrías en objetos 3D desde dos diferentes perspectivas:algorítmica y aplicativa Desde el punto de vista algorítmico, la idea es proponer e implementar algoritmos efcientes para la detección de simetrías (tanto rígidas como no rígidas) en objetos 3D. El problema es todavía más desafiante si consideramos la detección de simetrías en objetos incompletos, escenario común en datos arqueológicos en donde se requiere reparar computacionalmente objetos antiguos. Así también, desde el punto de vista de la aplicación, nosotros planteamos la aplicación de nuestros algoritmos al ámbito arqueológico para la recuperación de material de herencia cultural. Creemos firmemente que el aporte de esta investigación puede tener un impacto positivo en el trabajo de caracterizar, manipular y restaurar el legado arqueológico del Perú. Además del aporte técnico comprendido en el diseño e implementación de algoritmos para la detección de simetrías en objetos arqueológicos y el uso de estos algoritmos en la reparación computacional de los objetos, uno de los objetivos del proyecto es la adquisición de datos locales.

Participantes:

Instituciones participantes:

  • MINISTERIO DE LA PRODUCCION - INNOVATE PERU (Financiadora)
  • PONTIFICIA UNIVERSIDAD CATOLICA DEL PERU - Grupo de Inteligencia Artiicial IA-PUCP (Financiadora)
2014 - 2016

Análisis de patrones y aprendizaje de máquina en bio-imágenes

En el proyecto de investigación que desarrolló el PhD Hugo Alatrista-Salas, se buscó un método algorítmico que permita la extracción de correlaciones espacio-temporales, a partir de datos asociados a epidemias en Perú. Para ello, los métodos de minería de datos aparecen como una herramienta pertinente, ya que permiten la extracción de correlaciones sin plantearse una hipótesis a-priori. Dentro de las técnicas de minería de datos, estamos interesados en una en especial, denominada, patrones secuenciales. Estos patrones, representan la evolución temporal de un conjunto de características (temperatura, humedad, etc.) que representan una zona geográfica (p.e., Loreto, Puno, etc.). Esta técnica es bastante difundida y utilizada, sin embargo, ella puede ser mejorada si se tiene en cuenta el dominio de aplicación sobre el cual la técnica será utilizada. Por ejemplo, puede ser interesante adecuar el algoritmo de manera a que pueda incluir en su búsqueda, requerimientos específicos de los epidemiólogos, si los datos representan una epidemia de dengue por ejemplo. En este sentido, el trabajo de investigación que el PostDoc realizó en la PUCP está enfocada al uso de los patrones secuenciales para el estudio de epidemias de de dengue. El trabajo tiene 3 objetivos principales: 1) buscar un juego de datos que representen un fenómeno complejo, como una epidemia; 2) Utilizar/modificar un algoritmo de extracción de patrones secuenciales; y, 3) Restituir e interpretar los resultados. En el presente informe presentamos toda la información asociada al avance y logros del presente trabajo de investigación.

Participantes:

Instituciones participantes:

  • CONCYTEC - FONDECYT (Financiadora)
  • PONTIFICIA UNIVERSIDAD CATOLICA DEL PERU - Grupo de Inteligencia Artificial IA-PUCP (Financiadora)
2015

Plataforma bioinformática para el análisis espacio-temporal de imágenes satelitales aplicada a problemas de salud pública

Crear una plataforma de información de imágenes satelitales y herramientas metodológicas de análisis estadístico espacio-temporal y modelamiento matemático para aplicaciones en salud pública. Particularmente estamos interesados en identificar factores de riesgo para brotes epidémicos que puedan monitorearse/detectarse y contribuir en intervenciones de prevención de enfermedades infecciosas y crónicas en zonas rurales. Los factores de riesgo identificados así como sus niveles de asociación, serán empleados en el desarrollo de modelos matemáticos determinísticos y probabilísticos para la dinámica de transmisión de enfermedades. Como caso de estudio inicial, como prueba de concepto, y en virtud de su importancia en la salud pública nacional y global, abordaremos el problema de la malaria en el Perú.

Participantes:

Instituciones participantes:

  • CONSORCIO DE UNIVERSIDADES - PREMIO A LA INVESTIGACIÓN INTERDISCIPLINAR Y MULTIDISCIPLINARIA (Financiadora)
  • UNIVERSIDAD PERUANA CAYETANO HEREDIA - LAboratorio de bioinformática (Financiadora)
2014

Análisis automático mediante procesamiento de imágenes digitales para determinar el grado de severidad de la ¿Roya Amarilla¿ en hojas de cafeto

La Roya del Cafeto es una enfermedad que atacó fuertemente estos dos últimos años, para determinar la severidad del ataque el evaluador debe determinar el grado de la plaga en las hojas mediante la observación directa, siendo que este debe estar entrenado para calcular este grado de severidad. El análisis que realiza es determinar las regiones infectadas, que presentan un color amarillento y las regiones necrosadas. Esta evaluación sigue una metodología de muestreo para la roya visible: - Determinar por lote, o por hectárea, la elección de unos 60 árboles. - De cada árbol se selecciona una rama. - Se cuenta número de hojas totales y número de hojas con roya. - Se calcula el porcentaje de incidencia. El problema se presenta al momento de determinar estos grados, en vista que se debe confiar en el criterio subjetivo de quien realiza la evaluación, y éste a su vez haber tenido un entrenamiento. Por otro lado, el deterioro de los plantíos de cafeto podrían ser causados por otros tipos de plagas, que no necesariamente siempre es la roya amarilla, y se requiere diferenciar el tipo de daño que sufre la planta. El presente proyecto desarrollará un sistema automático para la determinación cuantificable del grado de severidad de infección de la Roya Amarilla en hojas de cafeto, ello se realizará mediante el análisis algorítmico y de técnicas de visión computacional en imágenes de hojas de cafeto. La propuesta podrá ser implementada en dispositivos PDA, o dispositivos móviles, para levantar la información en tiempo real, y permitir que el agricultor tome la decisión de aplicar fungicida en forma inmediata.

Participantes:

Instituciones participantes:

  • Central de Cooperativas Agrarias Cafetaleras de los Valles de Sandia - CECOVASA - CECOVASA (Financiadora)
  • PONTIFICIA UNIVERSIDAD CATOLICA DEL PERU - Sección Ingeniería Informática (Financiadora)
  • Presidencia del Consejo de Ministros - Fondo para la Innovación en ciencia y Tecnología - FINCyT (Financiadora)