Browsing by Author "Wout, Elwin van't"

Now showing 1 - 5 of 5
  • No Thumbnail Available
    Item
    Big data para la identificación del comportamiento criminal
    (Centro de Políticas Públicas UC, 2019) Wout, Elwin van't; Valenzuela Carvallo, Eduardo; Asahi Kodama, Kenzo Javier; Pieringer Baeza, Christian Philip; Torres Irribarra, David; Larroulet Philippi, Pilar
    El big data ha revolucionado las ciencias y la industria con su impresionante poder de analizar grandes conjuntos de datos y algoritmos que pueden predecir eventos futuros con una alta precisión. Este capítulo estudiará el uso de herramientas automatizadas para identificar el comportamiento delictual, con el objetivo final de ayudar a la policía en su mejora continua de la gestión eficiente de los recursos gubernamentales para reducir la delincuencia. Se han desarrollado modelos matemáticos que permiten extraer información relevante de una base de datos, que contiene registros de detenciones por las policías e información sociodemográfica sobre los victimarios. El análisis descriptivo presenta los indicadores clave del estado actual de delincuencia en Chile y una tipología del comportamiento criminal. La predicción de detenciones futuras es desafiante: la precisión debe aumentarse, antes de usar los algoritmos en la práctica, especialmente porque una predicción errónea puede resultar en costos sociales demasiados altos. Para completar el estudio, se presenta una discusión sobre los alcances y posibles fuentes de sesgo en la predicción. Por último, se elaboran propuestas sobre cómo mejorar las políticas públicas y la organización policial basada en herramientas de big data.
  • Thumbnail Image
    Item
    Development of high-performance algorithms to characterize air bubble resonances
    (2022) Jeréz Boudesseul, Rudyard; Wout, Elwin van't; Pontificia Universidad Católica de Chile. Escuela de Ingeniería
    Las resonancias acústicas de las burbujas de gas en un fluido juegan un papel importante en aplicaciones físicas como vigilancia subacuática o desarrollo de metamateriales. Estos interesantes problemas se pueden modelar con ecuaciones diferenciales. Esta tesis presenta un algoritmo de alto rendimiento basado en el método de los elementos de frontera para simular la reflexión y transmisión acústica en problemas a gran escala. El algoritmo propuesto fue validado contra el conocido modelo de masa resorte, mostrando diferencias menores a 3% en la frecuencia de resonancia. El rápido algoritmo reduce la complejidad computacional de tiempo de calculo y memoria para una matriz estructurada con N burbujas de O(N2) a O(N). Por lo tanto, el método rápido de elementos de frontera, que es más preciso y versátil que el método de masa resorte, puede simular la dispersión acústica en arreglos con más de 289 burbujas.
  • Thumbnail Image
    Item
    Geographic variability of dust and temperature in macroweather and climate scaling regimes
    (2023) Acuña Reyes, Nicolás; Wout, Elwin van't; Matzavinos, Anastasios; Pontificia Universidad Católica de Chile. Escuela de Ingeniería
    Para entender los numerosos eventos que ocurren contínuamente en la atmósfera, es necesario separarlos y estudiarlos en diferentes escalas temporales o regímenes, dentro de los cuales el régimen de macrotiempo abarca entre 20 días y 50 años, mientras que el régimen de clima va de 50 a 80.000 años. En este trabajo, realizamos un análisis de fluctuación de Haar utilizando la temperatura y la deposición de polvo de 24 sitios del mundo, pudiendo así evaluar la variabilidad atmosférica global para el Último Ciclo Glacial. Para hacer esto, desarrollamos un algoritmo capaz de trabajar con conjuntos de datos no equidistantes, ya que este es el formato bruto de los datos paleoclimáticos. También comparamos los resultados de nuestro algoritmo libre de interpolación con los de una función dependiente de interpolación, el cual sesga los resultados a medida que filtra los datos. Además, ejecutamos un análisis espectral utilizando una Función de Transformada Rápida de Fourier No Uniforme para complementar nuestro estudio, pero dada la naturaleza altamente fluctuante de los datos, no logramos sacar ninguna conclusión complementaria. Así, encontramos que la variabilidad de la atmósfera presenta una dependencia geográfica relacionada con la latitud pero también con su ubicación marina o continental, donde Antártica presentó una transición de macrotiempo a clima (τc) en escalas de tiempo alrededor de los 200-600 años, mientras que en Groenlandia esta fue alrededor de 100-300 años. Este valor aumenta para las latitudes medias hasta 1800-2500y, mientras que en los trópicos vuelve a disminuir hasta alrededor de 630y.
  • Thumbnail Image
    Item
    Machine learning for policing: a case study on arrests in Chile
    (2020) Wout, Elwin van't; Pieringer Baeza, Christian Philip; Torres Irribarra, David; Asahi Kodama, Kenzo Javier; Larroulet Philippi, Pilar; CEDEUS (Chile)
    Police agencies expend considerable effort to anticipate future incidences of criminal behaviour. Since a large proportion of crimes are committed by a small group of individuals, preventive measures are often targeted on prolific offenders. There is a long-standing expectation that new technologies can improve the accurate identification of crime patterns. Here, we explore big data technology and design a machine learning algorithm for forecasting repeated arrests. The forecasts are based on administrative data provided by the national Chilean police agencies, including a history of arrests in Santiago de Chile and personal metadata such as gender and age. Excellent algorithmic performance was achieved with various supervised machine learning techniques. Still, there are many challenges regarding the design of the mathematical model, and its eventual incorporation into predictive policing will depend upon better insights into the effectiveness and ethics of preemptive strategies.
  • Thumbnail Image
    Item
    Modeling global surface dust deposition using physics-informed neural networks
    (2023) Molina Catricheo, Constanza Andrea; Wout, Elwin van't; Pontificia Universidad Católica de Chile. Escuela de Ingeniería
    Las redes neuronales informadas por física (PINNs, por sus siglas en inglés) se han vuelto cada vez mas populares, especialmente para resolver ecuaciones diferenciales parciales (EDPs). Las PINNs pueden incorporar información física sobre el proceso en la arquitectura de la red neuronal, reduciendo el espacio de solución y convirtiéndolas en una alternativa cuando hay datos limitados, dispersos e irregulares disponibles. El objetivo de esta tesis es construir y evaluar el rendimiento de una red neuronal informada por física para medir los flujos de polvo durante los periodos del Último Máximo Glacial y Holoceno. Esta metodología combina el análisis de datos con principios físicos para mejorar la precisión de la predicción. Los resultados muestran que las PINNs son una alternativa prometedora a los métodos estadísticos como Kriging cuando hay información limitada disponible. En este estudio se incorporó la modelización física de la deposición de polvo y las PINNs predijeron con precisión los flujos realistas de polvo a lo largo de las direcciones de viento dominantes. Los resultados de este estudio son prometedores, mostrando que las PINNs pueden ser utilizadas como una alternativa efectiva cuando hay datos limitados e irregulares disponibles.