Revista de Matemática Teoría y Aplicaciones

Resumen El uso de wavelets adaptadas para el reconocimiento de patrones es muy atractivo por la multiescalaridad de la transformada wavelet. Sin embargo, el buen desempeño de estos algoritmos en la detección de patrones depende fuertemente de la construcción de los filtros adaptados al patrón de interés. La Transformada Shapelet Discreta II (9) (DST-II) es un algoritmo inspirado en la transformada wavelet, que permite el diseño de filtros a la medida para la detección de patrones en señales unidimensionales. La construcción de estos filtros requiere la solución de un sistema de ecuaciones no lineales, que según (9) se puede efectuar mediante cualquier método iterativo. Esta investigación presenta un novedoso y exhaustivo estudio numérico que demuestra el impacto de la elección del método numérico adecuado para la solución del sistema no lineal en la DST-II. La eficacia de los filtros estimados repercute en el desempeño de esta transformada en la detección de patrones. Los mejores resultados se obtienen al combinar el método de Newton con preiteración mediante el algoritmo de continuación. La convergencia alcanzada para el 55, 37% de los patrones sugiere que la DST-II podría ser adecuada para patrones con formas específicas, de utilidad en aplicaciones sobre señales biomédicas.

Abstract The use of adapted wavelets for pattern recognition is very attractive because of the multiscalarity of the wavelet transform. However, the good performance of these algorithms in pattern detection strongly depends on the construction of the filters adapted to the pattern of interest. The Discrete Shapelet Transform II (9) (DST-II) is an algorithm inspired by the wavelet transform, which allows the design of tailored filters for pattern detection in one-dimensional signals. The construction of these filters requires the solution of a system of nonlinear equations, which according to (9) can be performed by any iterative method. This research presents a novel and comprehensive numerical study that demonstrates the impact of the choice of the appropriate numerical method for the solution of the nonlinear system in DST-II. The efficiency of the estimated filters has an impact on the performance of this transform in pattern detection. The best results are obtained by combining Newton’s method with preiteration using the continuation algorithm. The convergence achieved for 55,37% of the patterns suggests that DST-II could be suitable for patterns with specific shapes, useful in biomedical signal applications.

Abstract Unsupervised learning techniques are employed to study the relationship between atmospheric circulation and precipitation over Central America and its surrounding areas. Specifically, the clustering algorithm k-means++ is applied to three coarse-grained datasets from ERA-interim reanalysis that are the candidates for representing the atmospheric state vector, each candidate contains its full temporal variability. Datasets are composed of: a) wind fields at 925, 800 and 200 hPa, b) same as “a)” plus convective available potential energy and c) same as “a)” plus total column water vapor. Clustering metrics, namely the variance ratio criterion, the silhouette criterion and the mean squared error, are computed to quantify clustering quality. Clusters are interpreted as weather types, recurrent configurations of the atmospheric state vector associated with observable weather states. The correct number of clusters for each dataset is determined with a Monte Carlo test of normality, to assure cluster existence. The main objective is to obtain a set of weather types containing elements that characterize the transition from and to the rainy season over the Pacific side of Central America as well as other elements of the seasonal cycle of regional precipitation, such as the Mid-Summer Drought. Besides the statistical metrics, in order to select between candidate datasets and plausible number of clusters, focus is given to the temporal characteristics of the clusters. Existing literature does not provide a set of weather types suitable to analyze seasonal transitions and the differences in the mechanisms associated with rainfall maxima.

Resumen Técnicas de aprendizaje no supervisado se emplean para estudiar la relación entre la circulación atmosférica y la precipitación sobre América Central y sus áreas circundantes. Específicamente, el algoritmo de agrupamiento k-means++ se aplica a tres conjuntos de datos de baja resolución del reanálisis ERA interim, estos son candidatos a representar el vector de estado atmosférico y cada uno contiene su variabilidad temporal completa. Los conjuntos de datos probados son: a) campos de viento a 925, 800 y 200 hPa, b) lo mismo que “a)” más la energía potencial convectiva disponible y c) lo mismo que “a)” más el vapor de agua en la columna total. Se calculan métricas de agrupamiento, a saber, el criterio de relación de varianza, el criterio de silueta y el error cuadrático medio, para cuantificar la calidad del agrupamiento. Los grupos se interpretan como weather types, configuraciones recurrentes del vector de estado atmosférico asociadas con estados observables del tiempo atmosférico. El número correcto de grupos para cada conjunto de datos se determina con una prueba de normalidad de Monte Carlo para asegurar la existencia de grupos reales. El objetivo principal es obtener un conjunto de weather types que contengan elementos que caractericen la transición de y hacia la temporada de lluvias en la vertiente del Pacífico de América Central, así como otros elementos del ciclo estacional de precipitación regional, como las canículas. Además de las métricas estadísticas, para seleccionar entre conjuntos de datos y un número plausible de grupos, se presta atención a las características temporales de los grupos. La literatura existente no proporciona un conjunto de weather types adecuado para analizar transiciones estacionales y las diferencias en los mecanismos asociados con los máximos estacionales de lluvia.

Abstract First-mile problems have become a major problem for the automobile industry since moving cars from production plants to selling destinations is characterized by using vehicle carriers with limited space. Although supply chain processes have automatized last-mile operations to improve productivity and increase benefits, first-mile analysis has been widely ignored. For example, in the automotive industry, cars are stored in parking lots until they are demanded, which negatively impacts delivery times and increases transportation costs. The previous issues impact the first-mile logistics of the automobile industry to the detriment of copying with delivery times and increasing the operation cost. In this paper, we deal with the previous issues by modeling the movement of cars from the parking lot to the car Carrier as an optimal control problem. Considering that not all cars should leave the parking lot, we search for conditions that guarantee the existence of a unique optimal path when the cars’ requisition is uncertain. Theoretical results provide a closed-form solution that indicates the optimal path to fill the car carrier in a time window. Such solutions allow us to study the impact of exogenous parameters (such as the parking lot size, the starting point, andmarginal costs) on the behavior and features of the optimal path.

Resumen Los problemas de la primera milla se han convertido en un problema importante para la industria automotriz, ya que el traslado de los automóviles desde las plantas de producción a los destinos de venta se caracteriza por el uso de portavehículos con espacio limitado. Aunque los procesos de la cadena de suministro han automatizado las operaciones de última milla para mejorar la productividad y aumentar los beneficios, el análisis de la primera milla ha sido ampliamente ignorado. Por ejemplo, en la industria automotriz, los automóviles se almacenan en estacionamientos hasta que se demandan, lo que impacta negativamente en los tiempos de entrega y aumenta los costos de transporte. Lo anterior impacta la logística de primera milla de la industria automotriz en detrimento de copiar tiempos de entrega y aumentar el costo de operación. En este artículo, abordamos las cuestiones anteriores modelando el movimiento de los automóviles desde el estacionamiento hasta el portavehículos como un problema de control óptimo. Considerando que no todos los autos deben salir del estacionamiento, buscamos condiciones que garanticen la existencia de un único camino óptimo cuando la requisición de los autos es incierta. Los resultados teóricos proporcionan una solución de forma cerrada que indica la ruta óptima para llenar el portavehículos en una ventana de tiempo. Estas soluciones nos permiten estudiar el impacto de parámetros exógenos (como el tamaño del estacionamiento, el punto de partida y los costos marginales) sobre el comportamiento y las características de la ruta óptima.

Resumen El modelo GARCH (modelo autorregresivo condicional heterocedástico generalizado) es un modelo estadístico para series de tiempo usado para describir la varianza del error como una función de los errores al cuadrado pasados y de las varianzas. Estos modelos GARCH son usados para modelar la volatilidad variando en el tiempo y los clusters de volatilidad. Si además el efecto de la varianza es incluido en las observaciones para predecir la media, se tiene un GARCH-M (GARCH en media). En este artículo, se analizan estos modelos en un contexto bayesiano para series de tiempo bivariadas, donde las observaciones son asumidas de comportarse como un modelo VAR-GARCH-M. Una aplicación del modelo bivariado es ajustado para medir el efecto de la variabilidad de la inflación y crecimiento del producto en la media de la inflación y crecimiento del producto.

Abstract The generalized autoregressive conditional heteroskedasticity (GARCH) model is a statistical model for time series used to describes the variance of the current error as a function of past squared errors terms and previous variances. These GARCH models are commonly used in modeling time varying volatility and volatility clustering. If, in addition, the effect of the variance is included in the observations to predict the mean, we have the GARCH-M (GARCH in mean) models. In this paper, the above issues are analyzed in a bayesian approach to modeling a bivariate time series, where the observations is assumed to behave as a VAR-GARCH-M model. An application of a bivariate model is fitted to measure the effects of inflation variability and uncertainty growth on inflation and output growth mean.

Resumen Este trabajo presenta un resultado sobre unicidad para problemas de cuasiequilibrio (QEP), que no requiere de la hipótesis de Hölder continuidad, que según nuestro conocimiento es la hipótesis sobre el cual se ha garantizado unicidad para QEP hasta la actualidad. La idea básica de nuestro enfoque consiste en iniciar con un QEP simple, por ejemplo un problema de equilibrio (EP), que denotaremos por QEP(t0) con t0 ∈ (0, 1), del cual asumiremos unicidad de la solución, bajo algunas condiciones suficientes de no-singularidad dadas por nuestras hipótesis garantizamos la existencia de un camino continuo de soluciones únicas de QEPs parametrizados que empiezan en la solución del QEP(t0) y finalizan en la solución del QEP(1) que es el QEP original. Finalmente estudiamos estas condiciones basadas en cierto tipo de matrices, para casos particulares de QEPs que son populares en la literatura.

Abstract This work presents a result on uniqueness for quasi-equilibrium problems (QEP), which does not require the continuity of Hölder’s hypothesis, which to our knowledge is the hypothesis on which uniqueness has been guaranteed for QEP until today. The basic idea of our approach is to start with a simple QEP, for example an equilibrium problem (EP), which we denote by QEP(t0) with t0 ∈ (0, 1), of which we will assume uniqueness of the solution, under some sufficient conditions of non-singularity given by our hypotheses we guarantee the existence of a continuous path of unique solutions of parameterized QEPs that begin in the solution of the QEP(t0) and ends in the solution of QEP(1) which is the original QEP. Finally we study these conditions based on certain types of matrices, for particular cases of QEPs that are popular in the literature.