Revista 2016

REVISTA DE CIENCIA DE
LA COMPUTACIN
Grupo de Investigacin
IPRODAM
Ciencia y Tecnologa
Vol. 4 N 1 Octubre 2016

REVISTA DE CIENCIA DE LA COMPUTACIN
Grupo de investigacin IPRODAM
NDICE
INTRODUCCIN
Importancia de la investigacin en la Universidad p. 2
INGENIERA DE SOFTWARE
Diseando aplicaciones desplegadas en la nube p. 3
GEOMETRA COMPUTACIONAL
Bsqueda de correspondencias entre cuerpos tridimensionales no rgidos p. 6
Bsqueda parcial de modelos tridimensionales no rgidos p. 18
Descriptor 3D basado en histogramas de grosor p. 12
INTELIGENCIA ARTIFICIAL
Deep Learning y sus aplicaciones p. 15
LA MATEMTICA EN LA COMPUTACIN
Ciencia de la computacin en Ro de Janeiro p. 18
Importancia de la matemtica en el mundo de la computacin p. 19
ENTREVISTAS
Renata Wassermann p. 22
Flvio Soares Corra da Silva p. 24
Fabio Kon p. 23
EDITOR
Cristian Lpez Del Alamo
REVISORES
Orlando Mazeyra Guilln
Madeley Coaquira Congona
Luis Patio
COLABORADORES
Reynaldo Alfonte Zapana
Erika Guetti Suca
EDITOR
UNIVERSIDAD LA SALLE EN EL MUNDO Dr. Cristian Lpez Del Alamo
clopez@ulasalle.edu.pe
COLABORADOR
Reynaldo Alfonte Zapana
http://ulasalle.edu.pe
Universidad La Salle - Arequipa INTRODUCCIN Vol. 4 No 1, Oclucianotubre 2016 2 / 26
Importancia de la investigacin en la Universidad

Ral Juregui Mercado es Director Acadmico y de Investigacin de la Universidad
La Salle de Arequipa, Per; Maestro en Investigacin Integrativa
e historia. El conocimiento que produ- mbitos fueran iguales. Es reduccionis-

ce la Universidad cumple una funcin, ta pensar que slo es cientfica aquella
preservadora y a la vez transformadora investigacin que trata con objetos medi-
de esa cultura, por lo tanto existe una bles y fcticos; donde incluso el hombre
mutua influencia entre la sociedad y la es un objeto al que se le niega la subje-
Universidad. A travs de la divulgacin tividad. Es decir, es reduccionista seguir
del conocimiento, la Universidad tiene reconociendo que las ciencias duras y no
la responsabilidad de mantener viva a as las ciencias blandas, son las nicas
la sociedad, hacerla ms pensante, ms que tienen categora de cientificidad.
crtica, ms humana.
Toda esta problemtica tiene una
Como quiera que el conocimiento es complejidad que si bien se la reconoce,
un insumo crtico que est presente en sin embargo, no se la quiere abordar con
el acto del pensar, en la forma cmo ca- complejidad de pensamiento y de accin.
da quien ve el mundo, en las acciones y En suma, la ciencia no tiene conciencia,
Ral Juregui Mercado decisiones que se toman como personas no por causa de la ciencia, sino por cau-
y como instituciones (hombre individual sa del hombre mismo. A travs de una
y hombre colectivo); entonces, existe la serena reflexin Rosenstiel y Shlomo
responsabilidad de producir conocimien- (1986) nos decan que hemos adquirido
La Universidad se ha apropiado de
to para todas las esferas de una cultura, es conocimientos sin precedentes sobre el
la investigacin como uno de sus fines
decir, evitar todo tipo de reduccionismo mundo fsico, biolgico, psicolgico, so-
ms importantes. En un sentido metaf-
y la sordera especializada que en ltima ciolgico, antropolgico, dejando atrs
rico, la investigacin tendra que ser un
instancia mutila al ser humano. lo mitolgico. La ciencia ha hecho reinar,
viaje y un destino al mismo tiempo. Un
cada vez ms a los mtodos de verifica-
viaje, en el entendido de safari, donde el
cin emprica y lgica; mitos y tinieblas
investigador inicia una travesa como un Todo fenmeno frente al cual el co-
parecen ser rechazados a los bajos fondos
observador intelectual de la realidad, que nocimiento vigente no tiene una explica-
del espritu por las luces de la Razn. Sin
no solo va acumulando datos, sino que cin, abre un nuevo camino. Toda necesi-
embargo, el error, la ignorancia, la cegue-
se enfrenta a situaciones tanto esperadas dad humana se constituye en una poten-
ra progresan por todas partes, al mismo
como inesperadas. Por lo tanto, la razn, cial oportunidad para modelar procesos,
tiempo que nuestros conocimientos.
la emocin, la perplejidad y la incerti- artefactos y formas, a los cuales un tipo
dumbre forman parte de dicha aventura. de investigacin centrada en la aplicacin
Un destino, en la medida que al finalizar puede alcanzar nuevas maneras de aten- En trminos epistemolgicos, vivi-
el viaje, pueda llegar a un destino antes der dichas necesidades. Una Universidad mos todava bajo el imperio de los prin-
desconocido, que coincida o no con las tiene que estar atenta y centrar sus esfuer- cipios de disyuncin, reduccin y abs-
expectativas imaginadas o hipotetizadas. zos en ambos frentes, sera muy riesgoso traccin; que en conjunto constituyen un
etiquetar como conocimiento cientfico a paradigma de simplificacin. Descartes
El producto de la investigacin es el los resultados de toda iniciativa de inves- formul ese paradigma del pensamiento
conocimiento cientfico en todas sus for- tigacin. De igual manera, resultara ms occidental, desarticulando al sujeto pen-
mas y aplicaciones. La investigacin es riesgoso si la Universidad se casa solo sante (ego cogitans) y a la cosa extensa
un medio, por cuanto usa el conocimien- con el mundo econmico productivo (res extensa), es decir, filosofa y ciencia,
to para crear conocimiento, siguiendo de la sociedad. Es reduccionista pensar y postulando como principio de verdad
ciertas pautas, mtodos, tcnicas, instru- que una sociedad est sostenida solo en solo a las ideas consideradas como cla-
mentos; y diversas formas y mecanismos despliegues econmicos. Es reduccio- ras y distintas, es decir, al pensamiento
de anlisis y sntesis. Por ello se esperara nista jerarquizar reas temticas, dando disyuntor mismo. Este paradigma que
que los primeros que tendran que reci- importancia a unas en desmedro de otras. controla la aventura del pensamiento
bir dicho conocimiento, son los propios Es reduccionista proveer financiamientos occidental desde el siglo XVII, ha per-
estudiantes durante su formacin pro- con plazos de entrega de resultados para mitido, sin duda, los enormes progresos
fesional a travs de la docencia. Ahora todas las formas de investigacin dirigi- del conocimiento cientfico y tecnol-
bien, la Universidad no es una isla, forma da a la ciencia bsica, la ciencia aplicada gico, que sin duda, en muchos casos,
parte de una sociedad, que tiene cultura y la tecnolgica, como si todos estos han realizado grandes contribuciones a la
ULASALLE - IPRODAM RESEARCH GROUP

Universidad La Salle - Arequipa INGENIERA DE SOFTWARE Vol. 4 No 1, Oclucianotubre 2016 3 / 26
humanidad; sin embargo, sus consecuen- del quehacer cientfico que requieren la que recuperen el humanismo y la liber-
cias nocivas ulteriores no se comienzan a necesidad de repensar un nuevo orden tad de pensamiento, y en la mar de in-
revelar sino hasta el siglo XX. epistemolgico y tico. La Universidad certidumbres encontrar algunos archipi-
est llamada a seguir creando las con- lagos temporales de certezas, para seguir
Son pues, muchas las dimensiones diciones para librar batallas intelectuales haciendo camino al andar.
Diseando Aplicaciones Desplegadas en la Nube

La Dra. Silvia L. Tapia Tarifa tiene un doctorado por la Universidad de Oslo,
Noruega. Su principal rea de investigacin se enfoca en los mtodos formales y la
ingeniera de software. En la actualidad, se encuentra trabajando en la Universidad
de Oslo para los proyectos EU FP7 Envisage [10] y EU FP7 UpScale [11]
IBM cloud service, etc.) que ofrecen ser- Cloud API
vicios de infraestructura, plataforma y

software de manera virtual a diferentes Application
clientes que pagan de acuerdo a lo que

Service
consumen [17].
Figura 1:Representacin de la nube

En este modelo de prestacin de ser-
vicios, los clientes pueden rentar recur- Para aprovechar las ventajas de la
sos informticos virtuales, es decir que elasticidad y la escalabilidad de la nube,
en lugar de comprar o alquilar hardwa- las aplicaciones deben ser capaces de ob-
re o software, las empresas en la actua- servar y manejar recursos informticos,
lidad pueden alquilar dichos servicios de de tal forma que puedan adaptarse a las
manera virtual, permitindoles instalar y necesidades de su entorno; por ejemplo,
ejecutar sus aplicaciones desde la nube. adaptarse a los cambios en el trfico de
Dr. Lizeth Tapia Tarifa clientes sin comprometer la calidad de
email: sltarifa@ifi.uio.no servicio [15].
A diferencia de implementar un cen-
tro de cmputo, los servicios en la nube Contamos hoy en da con las tc-
son flexibles y escalables, lo que significa nicas adecuadas para desarrollar tales
que las empresas pueden acceder casi al aplicaciones? Est el ciclo de desarro-
La computacin en la nube instante a ms recursos informticos, de- llo de software preparado para desa-
pendiendo del nmero de solicitudes por rrollar dichas aplicaciones?
La computacin en la nube (del ingls parte de sus clientes y dependiendo de
cloud computing) es un modelo tecno- la carga de datos que necesitan procesar.
lgico de prestacin de servicios que Debido a estas caractersticas, la nube En este artculo voy a dar una intro-
recientemente est ganando importancia claramente se posiciona como la prxi- duccin general al diseo o modelado de
en el mercado de negocios. ma generacin de recursos informticos. software y voy a enfatizar algunos de los
retos que la nube impone en esta rea de
Desde el punto de vista tecnolgico, investigacin.
la nube es un sistema distribuido y pa-
ralelo a gran escala, que consiste en una En la Figura 1 se puede observar Como parte del ciclo de desarrollo
gran coleccin de computadoras interco- una representacin grfica de la nube, de aplicaciones de software, la ingeniera
nectadas, que son ofrecidas a los clientes siguiendo el estilo que Amazon usa pa- de software [14, 12] usa tcnicas tales
como un recurso unificado [7]. ra describir sus servicios virtuales. Esta como modelado y anlisis para espe-
figura captura cmo los clientes pueden cificar y validar las aplicaciones a ser
Desde el punto de vista econmico, acceder a diferentes mquinas virtuales desarrolladas, de tal forma que tanto los
la prestacin de servicios en la nube se desde una sola computadora y a travs clientes como el equipo de desarrollo
basa en negociaciones entre proveedores del API (del ingls Application Program- tengan mejor certeza de que el software a
(por ejemplo Amazon EC2, Microsoft ming Interface) de la nube. ser implementado cumple con las expec-
Windows Azure, Google App Engine, tativas deseadas.

sistemticamente requerimientos no fun- de recursos que distribuye la carga de

cionales [6]. Por ejemplo, cmo tener en trabajo a travs de un nmero variable
El rol del modelado cuenta durante el diseo de software las de objetos trabajadores desplegados en
caractersticas del ambiente en donde la la nube y que ejecutan solicitudes en pa-
El rol principal del modelado de soft- aplicacin va a ser instalada?, tales como ralelo, observe que en este modelo de
ware es proporcionar las abstracciones la velocidad del procesador, el ancho de arquitectura flexible, el nmero de ob-
necesarias que clarifiquen por ejemplo, banda, el tipo de memoria, etc., ya que jetos trabajadores y por ende el nmero
si la aplicacin cumple o no los reque- estas influyen en la calidad de servicio. de procesadores virtuales, aumentan o
rimientos del cliente, como es que dicha disminuyen de acuerdo a la carga de tra-
aplicacin va a ser implementada, etc. bajo [13].
Es decir, el modelo de software provee Tiempos de Respuesta
conexiones entre las diferentes fases de CloudProvider
desarrollo de software, ya sea que se est En cuanto a tiempos de respuesta a CalcServer

=
Independent tasks
# of VM
Total Cost
usando Agile [3], RAD [4], u otra meto- solicitudes, normalmente las empresas DC4
DC3
dologa. de desarrollo de software utilizan datos

ApplicationServer
AppRM DC2CalcServer
CalcServer
basados en experiencias previas en la AppWorkflow

Invoke
task
DC1
CalcServer
Normalmente el modelado de soft- etapa de diseo, y una vez que el sistema

ware toma en cuenta [14] (1) una pers- est implementado y puede ser ejecutado
ApplicationServer
=
AppWorkflow + AppRM
pectiva externa, de tal forma que la apli- y medido, se utilizan pruebas, ajustes y
Figura 2:Representacin grfica que ejem-
cacin a ser desarrollada cuente con una diagnsticos. Sin embargo, no es raro
plifica un diseo de arquitectura de soft-
descripcin del entorno con el que va a que estas empresas descubran que el ren-
ware orientada a la nube
interactuar, (2) una perspectiva interna dimiento de sus aplicaciones est muy
que describe el comportamiento de la por debajo de las expectativas y por ende
aplicacin, (3) y una perspectiva estruc- necesitan un rediseo global que puede Conclusin
tural que describe la arquitectura lgica ser muy costoso.
de la aplicacin y la estructura de los La nube es una tecnologa que es-
datos que la aplicacin va a usar. Las tc- Para aadir aun ms complejidad al t ganando importancia y que est
nicas de modelado orientadas a objetos, tema, a diferencia de las aplicaciones en constante evolucin, esta tecno-
como UML [5], normalmente cubren la que operan en dispositivos individuales loga est cambiando la perspectiva
perspectiva interna y la perspectiva es- o en entornos predecibles, las aplicacio- de cmo el software debe de ser di-
tructural, dndole menos importancia a nes distribuidas y orientadas al comercio seado e implementado, y por ende
la perspectiva externa. electrnico operan en ambientes hetero- propone muchos retos, y genera mu-
gneos, posiblemente extendidos geogr- chas preguntas que hasta el momen-
Idealmente, un modelo de arquitec- ficamente, e interconectados por una red to no tienen una respuesta contun-
tura de software incluye diseos orien- de comunicacin, como en el caso de la dente.
tados a ofrecer un buen nivel de calidad nube. En la actualidad existen muchos
de servicio [16]. Parte de estos diseos proyectos enfocados a investigar es-
comprende un conjunto de polticas ge- ta tecnologa, por ejemplo, Envisa-
nerales que planifican cmo la aplicacin Caractersticas ge [10], HyVar [2], CloudML [8],
cumplir con los requerimientos fun- Cumulus [9]. En Particular, el pro-
cionales y no funcionales. Mientras que Una de las caractersticas a tener en cuen- yecto Envisage desarrolla una base
los requerimientos funcionales describen ta en este tipo de aplicaciones, es que se formal, que va ms all de la tec-
qu es lo que la aplicacin debe o no desconoce el nmero de usuarios finales, nologa actual de la nube, y que es-
debe de hacer y usualmente tienen un por consiguiente, estas aplicaciones po- t orientada a garantizar los acuer-
efecto localizado; los requerimientos no dran sufrir cambios inesperados en su dos de nivel de servicio (del ingls
funcionales se centran en cmo es que carga de trabajo, generando cuellos de SLA Service Level Agreement)
la aplicacin debe de operar, es decir se botella en ciertos componentes crticos. que ofrece la nube.
centra en propiedades globales que la Dichos cuellos de botella podran ser eli- Este proyecto usa mtodos formales
aplicacin debe de satisfacer [14]; como minados si la arquitectura de software y herramientas semi-automticas
por ejemplo: la aplicacin debe tener un est diseada e implementada para esca- para el anlisis formal de la calidad
nivel aceptable de tiempo de respuesta y lar y solicitar ms recursos a la nube, tan de servicio que se espera obtener de
debe de adaptarse a un nmero variable pronto como se detecte la presencia de la nube, dichos resultados podran
de usuarios. un pico en el nmero de usuarios o un en el futuro ser usados en las bases
pico en la cantidad de datos a procesar. legales de los contratos de servicios
Si nos enfocamos en el proceso de En la Figura 2 se puede observar una re- virtuales [10, 1].
modelado de arquitectura de software, presentacin grfica de una arquitectura
tanto investigadores como desarrollado- de software que tiene un flujo de trabajo
res de aplicaciones han hecho progresos parcialmente concurrente. Referencias
significativos en el modelado y anlisis
de requerimientos funcionales, pero aun La idea detrs de este modelo de ar- [1] EU FP7 ENVISAGE. ABS Collabo-
no se tiene una idea clara de cmo tratar quitectura, es utilizar un administrador ratory: The ABS toolchain. http:

//abs-models.org/. [7] R. Buyya, C. S. Yeo, S. Venugopal,

Acces- [12] C. Ghezzi, M. Jazayeri, and
sed: 2016-04-02. J. Broberg, and I. Brandic. Cloud D. Mandrioli. Fundamentals of
computing and emerging IT plat- Software Engineering. Prentice Hall
[2] EU H2020 research project HyVar. forms: Vision, hype, and reality for PTR, 2nd edition, 2002.
Scalable Hybrid Variability. http: delivering computing as the 5th uti-
//www.hyvar-project.eu/. lity. Future Generation Computer [13] E. B. Johnsen, R. Schlatte, and
Accessed: 2016-04-02. Systems, 25(6):599 616, 2009. S. L. Tapia Tarifa. Modeling
resource-aware virtualized applica-
[3] P. Abrahamsson, N. Oza, and tions for the cloud in Real-Time
M. T. Siponen. Agile software [8] EU FP7 CloudML. Model-
ABS. ICFEM12, LNCS. Springer,
development methods: A compa- based provisioning and deploy-
ment of cloud-based systems. 2012.
rative review. In Agile Software
Development, pages 3159. Sprin- http://cloudml.org/. Ac- [14] I. Sommerville. Software
ger, 2010. cessed: 2016-04-02. Engineering (7th Edition). Pearson
Addison Wesley, 2004.
[4] P. Beynon-Davies, C. Carne, H. Mac- [9] EU FP7 Cumulus. Certifica-
kay, and D. Tudhope. Rapid Appli- tion Infrastructure for Multi-layer [15] S. L. Tapia Tarifa. Executable
cation Development (RAD): An em- Cloud Services. http://www. Modeling of Deployment Decisions
pirical review. European Journal of cumulus-project.eu/. Acces- for Resource-Aware Distributed
Information Systems, 8(3):211223, sed: 2016-04-02. Applications. PhD thesis, Depart-
1999. ment of Informatics, University of
[10] EU FP7 ENVISAGE. Engineering Oslo, AIT Oslo AS, 2014.
[5] G. Booch, J. Rumbaugh, and I. Ja-
Virtualised Services. http://
cobson. Unified Modeling Language [16] R. N. Taylor, N. Medvidovic,
www.envisage-project.eu/.
User Guide, The (2Nd Edition) and E. M. Dashofy. Software
Accessed: 2016-04-02.
(Addison-Wesley Object Technology Architecture-Foundations, Theory,
Series). Addison-Wesley Professio- and Practice. Wiley, 2010.
nal, 2005. [11] EU FP7 UpScale. From Inhe-
rent Concurrency to Massive Pa- [17] Q. Zhang, L. Cheng, and R. Bou-
[6] M. Broy and R. Reussner. Architec- rallelism through Type-based Opti- taba. Cloud computing: state-
tural concepts in programming lan- mizations. https://upscale. of-the-art and research challenges.
guages. IEEE Computer, 43(10):88 project.cwi.nl/. Accessed: Journal of Internet Services and
91, 2010. 2016-04-02. Applications, 1(1):718, 2010.
V Seminario Nacional de Investigacin Educativa de la SIEP

El Grupo de Investigacin en Psicologa y Evaluacin de las tcnicas cualitativas en los estudios de impacto de in-
la ULASALLE, liderado por el Dr. Ivn Montes Iturrizaga, tervenciones educativas".
acaba de calificar con dos papers que sern presentados en
el V Seminario Nacional de Investigacin Educativa; a rea-
lizarse en la ciudad de Ayacucho del 10 al 12 de noviembre
del presente ao. Cabe sealar que este evento arbitrado es
organizado cada dos aos por la Sociedad de Investigacin
Educativa Peruana (SIEP).
En esta oportunidad se presentarn los estudios: Tensiones

parentales en las elecciones vocacionales de los hijos; y,
Diferencias de gnero en la eleccin de una carrera univer-
sitaria o tcnica. De otro lado, cabe precisar que participan
como investigadores asistentes de estos dos estudios Ya-
jaira Pamplona, Luca Vallecillo y Carmen Cuno. En estos
estudios tambin participan como asistentes de investiga-
cin: Julin Zavala, Claudia Ziga y Alonso Mendez. La ULASALLE calific con dos estudios en el V
Seminario Nacional de Investigacin Educativa de la SIEP
Tambin, en este V Seminario de la SIEP el Dr. Ivn Mon-
tes Iturrizaga impartir el taller - metodolgico .Aportes de

Universidad La Salle - Arequipa GEOMETRA COMPUTACIONAL Vol. 4 No 1, Oclucianotubre 2016 6 / 26
Bsqueda de correspondencias entre cuerpos

tridimensionales no rgidos
La Mcs. Madeley Coaquira Congona es miembro del grupo de investigacin
IPRODAM de la Universidad La Salle de Arequipa y tiene una maestra en Ciencia
Informtica, con mencin en Tecnologas de Informacin, Universidad Nacional de
San Agustn, Arequipa, Per
Bronstein [3] utiliza los valores y vec- tcnicas basadas en representaciones es-
tores propios del operador, asociado con pectrales. Tal es el caso de [9], que utiliza
la forma de construir distancias mtricas la descomposicin del operador Laplace
invariantes, conocidas como distancias Beltrami para detectar puntos con mayor
de difusin, que han tenido resultados retencin de calor.
significativamente ms robustos en com-
paracin con la distancia geodsica. Mi investigacin presenta un mtodo
para encontrar correspondencias entre
los puntos de inters de objetos tridi-
mensionales no rgidos. Se propone un
mtodo de deteccin de puntos de in-
ters, reduciendo el tamao de espacio
de bsqueda. Finalmente, la bsqueda
de similaridad o disimilaridad entre los
key points es guiada por un mtodo de
Mcs Madeley Coaquira Congona bsqueda de correspondencias basado en
el anlisis de simetra.
Introduccin
La bsqueda de correspondencias es un
problema que, en la actualidad, ha si-
do ampliamente estudiado en el cam- Figura 1: Puntos de inters
po de imgenes 2D; en aplicaciones co- detectados sobre transformaciones
mo: imgenes mdicas, reconstruccin isomtricas modelos de [3]
de imgenes, entre otras; para lo cual se
emplean a menudo descriptores locales
basados en color y textura.
Sin embargo, en objetos 3D se in-
crementa la complejidad de la bsqueda Por otro lado, los objeto 3D se eva-
de correspondencias, ya que, en la vida lan, a menudo, a partir de un conjunto
real, los modelos 3D pueden presentar de puntos, que representen la totalidad
problemas de ruido, cambios topolgicos del objeto, estos puntos, son conocidos Figura 2: Correspondencias
y escalamiento. Adems, es necesario como puntos de inters o key points, ya encontradas con el mtodo
tener una representacin de los objetos que, evaluar el modelo punto a punto es propuesto. Ejemplo: Humano
de tal modo que se puedan procesar y as, computacionalmente caro. isometra, nivel 3. Modelos
tener una comprensin de la estructura de tomados de [3]
los objetos 3D a un nivel local y global. Existen tcnicas para la deteccin
de puntos de inters, como la tcnica
Para ello existen diversas formas, de de deteccin de esquinas de Harris [5],
encontrar descriptores que representen tcnica propuesta para imgenes, des- Para solucionar estos problemas se
los objetos 3D, una de las tcnicas ms pus, fue extendida para objetos 3D por presentan descriptores caractersticos ba-
usadas basadas en la geometra diferen- Glomb [4], y luego implementada por Si- sados en la auto descomposicin del ope-
cial es el Operador de Laplace Beltrami. piran y Bustos [7]. Por otro lado, existen rador de Laplace Beltrami, como es el ca-

so del descriptor Global Intrinsic Sym- El mtodo propuesto por Llerena [6], components que corresponden, para ello,
metry Invariant Function (GISIFs). est basado en el descriptor GISIFs. el resultado final se obtiene, plantean-
Una vez obtenido los key compo- do el objetivo como un MIQP (Mixed
nents, se determina el vector de caracte- Integer Quadratic Program), similar al
1. Metodologa propues- rsticas para cada key component, para mtodo propuesto por Sipiran [8]. Sin
ello, se obtiene el promedio de los des- embargo, la principal diferencia es que
ta criptores de caractersticas de todos los el mtodo propuesto est basado en la
vrtices que pertenecen al key compo- bsqueda de key components simtricos
Deteccin de puntos de inters nent. que corresponden.
La propuesta consiste, primeramente, El vrtice con la menor distancia eu- Entonces, se tiene Xc y Yc , dos key
en generar un descriptor basado en si- cldea al promedio obtenido, ser el vr- components que pertenecen a los mode-
metra y difusin de calor. Para obtener tice que represente el key components. los X y Y respectivamente, a cada uno le
las caractersticas simtricas, se propone Luego, para aprovechar las caracte- pertenece un conjunto de puntos de inte-
una variante del descriptor propuesto por rsticas simtricas que se obtienen del rs {x1 , x2 ...xi } y {y1 , y2 ...yj }, de igual
Wang [10]. descriptor GISIFS [10], se buscan los pa- forma que en [8], se define un valor boo-
res de key components simtricos. Estos leano, que permitir identificar si los pun-
Pl pares de key components son agrupados tos de inters corresponden o no.
j=1 2ij (p) si, la distancia eucldea es mnima con
f (p) = (1)
li respecto al resto.
Donde l es el nmero de repeticiones del 1 Si: xi corresponde yj
xi , yj =
autovalor i y ij es el autovector para 0 Otro caso
el autovalor j. (2)
Por otro lado, las caractersticas de

difusin de calor son obtenidas por el
descriptor Heat kernel Signature (HKS),
propuesto en [9]. El HKS consiste en
capturar la informacin de la disipacin
de calor a un punto x despus de un tiem-
po t.
La concatenacin de estos descrip-

tores forma nuestro nuevo descriptor. A
partir de estas caractersticas obtenidas,
se realiza un proceso de seleccin y fil-
trado de puntos de inters. La vecindad
utilizada est determinada por el segundo
nivel de adyacencias del punto evaluado.
Entonces, se considera un punto de Figura 4: Correspondencias
inters, si cumple las siguientes condi- encontradas con el mtodo
ciones: (1) Debe ser un mximo local propuesto. Ejemplo: Caballo,
con respecto a la norma del descriptor de huecos, nivel 3. [3]
caractersticas. (2) El valor caracterstico
debe ser mayor a un umbral dado. Figura 3: Ejemplo de descriptores
de los centroides correspondientes
a los componentes de algunos
Correspondencias entre puntos de
modelos de humano con diferentes Luego, se define una funcin cua-
inters
transformaciones drtica, con dos trminos: un trmino
Para detectar correspondencias, se cuadrtico y un trmino lineal. El tr-
tiene como entrada dos modelos, un ob- mino cuadrtico se basa en consistencia
jeto 3D que no ha sufrido ninguna trans- geomtrica, es decir, dado un conjunto de
formacin (modelo null) y, un objeto 3D Una vez obtenidos los key compo- puntos de inters del modelo X, (x0i , xi ),
con alguna transformacin isomtrica nents simtricos, se obtienen la corres- y del modelo Y , (yj0 , yj ), que correspon-
(modelo transformado), topolgica o que pondencia entre pares de key components den entre s, se espera que la distancia
presente ruido, de la base de datos Tosca simtricos, de igual manera mediante la geodsica entre los puntos i, i0 sea simi-
[2], se detecta los key components para distancia eucldea. lar a la distancia geodsica entre j, j 0 , [8].
cada modelo, utilizando el mtodo pre-
sentado en [6]. Finalmente, se busca la correspon- Para resolver esta ecuacin cuadrti-
dencia entre puntos de inters de los key ca, se usa la librera de MATLAB OPTI
1 http://www.i2c2.aut.ac.nz/Wiki/OPTI/index.php/DL/DownloadOPTI

MIQP del toolbox OPTI 1 . on 3D Object Retrieval, 3DOR me 15, page 50. Manchester, UK,
11, pages 7178, Aire-la-Ville, 1988.
Switzerland, Switzerland, 2011.
Eurographics Association. [6] Jan Llerena. Busqueda parcial en
Conclusin
modelos tridimensionales no rgi-
[2] A. M. Bronstein, M. M. Brons- dos mediante descriptores espectra-
Se proponen dos nuevos mtodos, tein, U. Castellani, A. Dubrovi- les. Masters thesis, Universidad
uno capaz de encontrar puntos de na, L. J. Guibas, R. P. Horaud, Nacional de San Agustn, Arequipa,
inters y el segundo corresponden- R. Kimmel, D. Knossow, E. von, Per, 2016.
cias entre puntos de inters de dos Lavante, D. Mateus, M. Ovsjani-
objetos 3D, basado en la descom- [7] Ivan Sipiran and Benjamin Bustos.
kov, and A. Sharma. Shrec 2010:
posicin de un modelo en key com- Harris 3d: a robust extension of the
Robust correspondence benchmark.
ponents y aprovechando la simetra harris operator for interest point de-
Eurographics Workshop on 3D
que presentan los objetos 3D. tection on 3d meshes. The Visual
Object Retrieval, 2010.
Computer, 27(11):963976, 2011.
Existen muchas aplicaciones en [3] Alexander M Bronstein, Michael M [8] Ivan Sipiran and Benjamin Bus-
diversas reas como: la arqueologa, Bronstein, Ron Kimmel, Mona tos. A fully hierarchical approach
medicina, cine, etc. Y con el auge en Mahmoudi, and Guillermo Sapi- for finding correspondences in non-
dispositivos para recuperar los datos ro. A gromov-hausdorff frame- rigid shapes. In Computer Vision
de objetos 3D, el rea de anlisis de work with diffusion geometry for (ICCV), 2013 IEEE International
cuerpos 3D, seguir creciendo, dan- topologically-robust non-rigid sha- Conference on, pages 817824.
do pase a mas aplicaciones que se- pe matching. International Journal IEEE, 2013.
rn parte de nuestra vida cotidiana. of Computer Vision, 89(2-3):266
286, 2010. [9] Jian Sun, Maks Ovsjanikov, and
Leonidas Guibas. A concise and
Referencias [4] Przemysaw Gomb. Detection of provably informative multi-scale
interest points on 3d data: Exten- signature based on heat diffusion.
[1] E. Boyer, A. M. Bronstein, M. M. ding the harris operator. In Marek In Computer graphics forum, vo-
Bronstein, B. Bustos, T. Darom, Kurzynski and Michal Wozniak, lume 28, pages 13831392. Wiley
R. Horaud, I. Hotz, Y. Keller, editors, Computer Recognition Online Library, 2009.
J. Keustermans, A. Kovnatsky, Systems 3, volume 57 of Advances
R. Litman, J. Reininghaus, I. Si- in Intelligent and Soft Computing, [10] Hui Wang, Patricio Simari, Zhixun
piran, D. Smeets, P. Suetens, pages 103111. Springer Berlin Su, and Hao Zhang. Spectral global
D. Vandermeulen, A. Zaharescu, Heidelberg, 2009. intrinsic symmetry invariant fun-
and V. Zobel. Shrec 2011: Robust ctions. In Proceedings of the 2014
feature detection and description [5] Chris Harris and Mike Stephens. A Graphics Interface Conference, pa-
benchmark. In Proceedings of combined corner and edge detector. ges 209215. Canadian Information
the 4th Eurographics Conference In Alvey vision conference, volu- Processing Society, 2014.
UNIVERSIDAD LA SALLE - AREQUIPA

La Universidad La Salle de Arequipa es una obra de la
Congregacin de los Hermanos de las Escuelas Cristianas
de La Salle y, como tal, cuenta con una tradicin de ms
de 320 aos aprendiendo, enseando y educando; adems,
formamos parte de la Asociacin Internacional de Univer-
sidades De La Salle (AIUL), entidad que agrupa a ms de
70 instituciones de educacin superior en todo el mundo.
Si deseas ver informacin sobre nuestras carre-

ras y nuestros procesos de admisin vistanos en
www.ulasalle.edu.pe.
Universidad La Salle de Arequipa, una obra de los

hermanos de La Salle

Bsqueda parcial de modelos tridimensionales no

rgidos
Jan Franco Llerena Quenaya es Magster en ciencias informticas con mencin en
tecnologas de informacin por la Universidad Nacional de San Agustn, es
miembro del grupo de investigacin IPRODAM de la Universidad La Salle de
Arequipa
(https://3dwarehouse.sketchup.com/), un de puntos o mallas triangulares, reali-

servicio en la nube que permite a los zar un proceso de bsqueda que evale
usuarios subir modelos tridimensionales la totalidad de puntos en los modelos
a Internet, as como buscarlos, descargar- es costoso computacionalmente. En este
los o compartirlos. sentido, encontrar aquellos puntos de la
malla que sean representativos es necesa-
Al trabajar con colecciones de da- rio. Este conjunto de puntos son llamados
tos 3D, se necesitan algoritmos eficien- key points o puntos de inters.
tes que permitan realizar bsquedas. Este
problema puede ser afrontado mediante Los key points, son aquellos puntos
dos enfoques: bsqueda global, que con- que presentan una mayor variacin en la
sidera similitudes globales entre dos for- superficie de la estructura con respecto a
mas; y bsqueda parcial, que considera sus vecinos. A pesar de que son tiles pa-
subpartes de los modelos para las consul- ra reducir la complejidad del problema, el
tas. nmero de key points puede ser an muy
Mcs. Jan Franco Llerena Quenaya grande como para ser empleados en pro-
cesos de bsqueda. Es por ello que se re-
comienda su agrupamiento en estructuras
llamadas componentes [4].
El proceso de bsqueda parcial de
La computacin en la nube modelos 3D propuesto tiene dos etapas
principales, primero la deteccin de key
El desarrollo de algoritmos para el
components y segundo, la similitud entre
anlisis de imgenes ha sido estudiado
modelos consulta y modelos de las co-
por dcadas. Sin embargo, los avances
lecciones tridimesionales en base a sus
tecnolgicos y la posterior aparicin de
descriptores.
nuevos dispositivos a bajo costo para Figura 1: Bsqueda por similitud.
la captura de datos tridimensionales, han (q) objeto consulta, (a) resultados.
logrado que la comunidad cientfica pres- Para detectar los componentes clave
Crditos: [2]
te una atencin especial en el desarrollo es necesario encontrar primero aquellos
de mtodos para el anlisis de modelos puntos de inters en la malla para reducir
tridimensionales. Gracias a ello, el uso la complejidad del problema. El algorit-
de modelos 3D en diversos tipos de apli- Antes de profundizar en el tema de mo propuesto busca detectar puntos de
caciones ha sido posible: medicina, ar- bsquedas de modelos, es importante inters ubicados en aquellas zonas donde
queologa, arquitectura, Computer-Aided saber que las formas pueden estar some- existe mayor variacin de la curvatura
Design o CAD, entretenimiento digital, tidas a diversas transformaciones como local. Estos puntos son agrupados de
videojuegos, entre otros. rotacin, escala, desplazamiento o in- acuerdo a su cercana geodsica, y los
cluso isometras, tal y como sucede en conjuntos obtenidos permiten la extrac-
La evolucin de este campo ha crea- el mundo real. Esto eleva la compleji- cin de componentes en las mallas.
do la necesidad de analizar y procesar dad del problema, pues la intencin es
los objetos 3D, ya sea a un nivel geo- encontrar un modelo 3D similar a otro Para la solucin del problema de bs-
mtrico, topolgico o semntico. Como independientemente de su posicin, pos- queda en s, se propuso un algoritmo
consecuencia, muchas bases de datos tura o posibles deformaciones. que permite buscar modelos parciales en
tridimensionales han aparecido y evolu- una base de datos formada por modelos
cionado, hacindose cada vez ms gran- Considerando que los cuerpos tridi- completos. La bsqueda de componentes
des. Un claro ejemplo es 3D Warehouse mensionales son representados por nubes como paso previo es importante, puesto

que se considera que las zonas de alta

protrusin en mallas tridimensionales
son ms representativas que las zonas
planas.
A travs de grficas Precision-Recall, se
puede evaluar el desempeo de diver-
sos tipos de descriptores del estado del
arte para resolver el proceso de bsque-
da parcial. Considerando firmas basadas
en calor (HKS) [5], ondas (WKS) [1] y
simetras (GISIF) [6], los resultados ob-
tenidos son alentadores.
Figura 2: Key points de un modelo 3D Figura 3: key components de un

modelo 3D
(a) Comparacin del descriptor HKS (b) Comparacin del descriptor WKS () Comparacin del descriptor GISIF
Figura 4: Variacin de PrecisionRecall al emplear bag of words y distintos tamaos de diccionarios para el proceso de bsqueda
Figura 5: (a) Consulta, (b) 5 mejores resultados del proceso de bsqueda parcial
A pesar de los avances y esfuerzos tomatizada?, cmo afrontar aquellas de- Referencias
que se vienen realizando en esta rea, formaciones generadas en el proceso de
an hay muchos problemas abiertos por adquisicin de modelos y que alteran su
[1] M. Aubry, U. Schlickewei, and
resolver: Cmo combinar globalidad y estructura de manera considerable? Estas
D. Cremers. The wave kernel
localidad de manera eficiente para tener y muchas ms interrogantes permiten que
signature: A quantum mechani-
una mejor representacin de los mode- esta rea siga en constante crecimiento y
cal approach to shape analysis.
los?, es posible usar redes neuronales y haya recibido un inters especial por par-
In Computer Vision Workshops
deep learning para aprender caractersti- te de la comunidad cientfica en los lti-
(ICCV Workshops), 2011 IEEE
cas y clasificar modelos de manera au- mos aos.
International Conference on, pages

16261633, Nov 2011. track: Shape retrieval on non-rigid 3d vably informative multi-scale signa-
watertight meshes. In Proceedings ture based on heat diffusion. In
[2] Benjamin Bustos, Daniel A. Keim,
of the 4th Eurographics Conference Proceedings of the Symposium on
Dietmar Saupe, Tobias Schreck, and
on 3D Object Retrieval, 3DOR 11, Geometry Processing, SGP 09, pa-
Dejan V. Vranic. Feature-based simi-
pages 7988, Aire-la-Ville, Switzer- ges 13831392, Aire-la-Ville, Swit-
larity search in 3d object databases.
land, Switzerland, 2011. Eurograp- zerland, Switzerland, 2009. Euro-
ACM Comput. Surv., 37(4):345
hics Association. graphics Association.
387, December 2005.
[4] Ivan Sipiran and Benjamin Bus-
[3] Z. Lian, A. Godil, B. Bustos, [6] Hui Wang, Patricio Simari, Zhixun
tos. Key-components: detection
M. Daoudi, J. Hermans, S. Kawamu- Su, and Hao Zhang. Spectral glo-
of salient regions on 3d meshes.
ra, Y. Kurita, G. Lavou, H. V. Ngu- bal intrinsic symmetry invariant fun-
The Visual Computer, 29(12):1319
yen, R. Ohbuchi, Y. Ohkita, Y. Ohis- ctions. In Proceedings of the 2014
1332, 2013.
hi, F. Porikli, M. Reuter, I. Sipi- Graphics Interface Conference, pa-
ran, D. Smeets, P. Suetens, H. Ta- [5] Jian Sun, Maks Ovsjanikov, and Leo- ges 209215. Canadian Information
bia, and D. Vandermeulen. Shrec11 nidas Guibas. A concise and pro- Processing Society, 2014.
Inka Labs Fincite

Inka Labs Fincite es una empresa que viene trabajando esta informacin, tan delicada, merece. Ellos proveen so-
desde hace cinco aos en la elaboracin y exportacin de luciones a nivel de usuario final, ayudando a personas a
software hacia Europa. La empresa fue formada por Jo- administrar mejor sus finanzas personales o familiares; co-
s Alonso Pearrieta Escobedo y Csar Lpez Rodrguez, mo tambin soluciones orientadas a empresas bancarias y
ambos apasionados de la tecnologa. marketplaces, que gestionan transacciones de gran valor
entre grandes corporaciones.
Inka Labs est demostrando que en Per, y en especial en
Arequipa, se puede desarrollar software de calidad, com- En la actualidad, cuentan con 12 proyectos en ejecucin
petir con otras empresas de diferentes partes del mundo y y un equipo de 43 personas en Per entre desarrolladores
destacar en un continente tan exigente como Europa. Es- de software, administradores de servidores, diseadores
te ao, dicha empresa alcanz un reconocimiento en los grficos y personal administrativo.
Stevie Awards 2016, premios alemanes de gran prestigio,
ganando la medalla de oro, como mejor startup de Fintech. Inkalabs Fincite, se encuentra en la permanente bsque-
da de personas talentosas para integrarlas a su equipo. Si
La empresa desarrolla software que une finanzas y tecno- deseas ms informacin ingresa a www.inka-labs.com o
loga, a la unin de stos se le conoce como "Fintech". escribe a jobs@inka-labs.com
Ellos, apasionados por el Fintech, creen firmemente que
en el futuro cercano los bancos no necesitarn guardias de
seguridad, ventanillas de atencin, ni infraestructura fsi-
ca para funcionar. Las personas no formarn largas colas
para solicitar crditos, realizar depsitos y otras activi-
dades financieras. Cualquiera podr realizar todas estas
tareas desde cualquier dispositivo, ya sea un celular o una
computadora en casa.
El software y las aplicaciones que desarrollan, tienen el

fin de que las transacciones y operaciones financieras se
realicen de una forma rpida, simple, amigable y cmo-
da para las personas. Esto sin descuidar la seguridad que Figura 1: Fundadores de Inkalabs - Fincite

Un descriptor 3D basado en la complejidad de la

profundidad de modelos e histogramas de grosor
Jos Sotomayor Malqui es un estudiante de Maestra en la Universidad Federal do
Rio Grande do Sul en Porto Alegre, Brasil. Sus reas de inters incluyen temas de
anlisis visual, minera de datos y computacin grfica. Durante sus estudios de
pregrado particip de proyectos de desarrollo de software, competencias de
programacin y como miembro del grupo de investigacin IPRODAM (Image
Processing and Data Mining)
Hoy en da existen bases de datos online con miles de mo-

delos 3D gratuitos. El obtener los modelos 3D de dichas bases
de datos incrementa su reutilizacin y su intercambio para evi-
tar los gastos de crear un nuevo modelo 3D desde cero, lo cual
generalmente es una labor que requiere habilidad, tiempo y he-
rramientas dedicadas.
La recuperacin basada en contenido o CBR por sus siglas
en ingls (Content-Based Retrieval) tiene un importante papel
en el proceso de reutilizacin de modelos. La idea central de
CBR es la utilizacin de descriptores para capturar las caracte-
rsticas de los modelos 3D. Dado un descriptor, la bsqueda por
similitud se reduce a comparar el descriptor del modelo con to-
dos los descriptores de los modelos en la base de datos. A pesar
de que muchos descriptores han sido propuestos en la ltima
dcada [1, 2, 3, 4], ninguna propuesta ha podido presentar un
resultado definitivo para volverse un standard. Una de las ra-
zones por las cuales CBR es mucho ms difcil en modelos 3D
que en texto o imgenes [1], es por causa de la alta dimensiona-
lidad y variabilidad de los modelos 3D. Por ejemplo, los mode-
los 3D son difciles de parametrizar y pueden tener topologas
arbitrarias.
Jos Sotomayor Malqui El descriptor DCTH
Cul es la importancia de los modelos 3D?
Los avances de la tecnologa en el modelado 3D y tcnicas

de escner han marcado gran parte del rea de investigacin de
la computacin grfica en los ltimos aos. Han surgido poten-
tes herramientas, las cuales permiten utilizar lsers accesibles
para generar rpidamente mallas en tres dimensiones de ob-
jetos del mundo real. Junto con el incremento de los detalles Figura 1: Bsqueda de modelos 3D similares.
en las mallas y la habilidad de las GPU (Graphics Processing
Units) para renderizar modelos 3D en alta resolucin, se ha in-
crementado la demanda por el contenido 3D en diferentes cam-
pos. Desde la medicina y las aplicaciones de ingeniera hasta Un descriptor de modelos o shape descriptor, es una mane-
los videojuegos y las pelculas. Como resultado el nmero de ra compacta de representar las caractersticas de modelos 2D
modelos 3D disponibles para el pblico en general ha aumen- o 3D. Adems de la velocidad en el clculo, un buen shape
tado considerablemente. descriptor debe satisfacer caractersticas adicionales que son

especficas entre cada aplicacin. Para la recuperacin de mo- Como punto inicial, utilizamos la siguiente definicin de gro-
delos basados en la forma, las siguientes caractersticas son re- sor de un modelo a lo largo de un rayo r. Un rayo r con 2n
levantes [5, 6, 7]: intersecciones xi , 1 i 2n con un modelo genera n valores
de grosor ti = kx2i+1 x2i k, 1 i n siendo las distancias
Capacidad de discriminacin entre puntos de interseccin consecutivos a lo largo del rayo.
En nuestro trabajo solo utilizamos el grosor usando t0 , es decir
Invarianza
la distancia entre la primera y la segunda interseccin entre el
Robustez modelo y el rayo. Esto no disminuye la calidad del descriptor
dado que las intersecciones ms profundas generalmente son
Escalabilidad capturadas por los valores t0 de otros rayos o pertenecen a de-
talles muy especficos los cuales no son nada visibles, desde un
Guiados por estas caractersticas deseables, nace el descrip- punto de vista alejado del modelo.
tor DCTH (Depth Complexity and Thickness Histogram), un
descriptor estadstico basado en dos medidas: la complejidad
Descriptor DCTH
de la profundidad de un modelo y (DC) y la distribucin de su
grosor (T). Estas dos caractersticas intentan capturar las carac- El descriptor DCTH es un histograma 2D obtenido al juntar los
tersticas geomtricas y topolgicas de un modelo 3D, respecti- histogramas 1D de los descriptores DC y T. DCTH correlacio-
vamente. De esta manera se incrementa el poder discriminativo na la frequency de valores de ambos histogramas y obtiene una
del descriptor. Ambas tcnicas son robustas en la presencia de mejor discriminacin que al utililzar los histogramas separada-
transformaciones rgidas y pueden ser implementadas eficien- mente. Figura 3.
temente en la GPU.
Descriptor Depth Complexity
Para explicar el descriptor DC, considere un rayo r en un es-

pacio 3D. La complejidad de profundidad (DC) de un modelo
3D respecto a un rayo r es definida como el nmero de inter-
secciones de r con el modelo. Ahora considere una esfera al-
rededor del modelo. Cada rayo que intersecta el modelo tam-
bin tiene dos puntos de interseccin con la esfera, descritos
por las coordenadas polares 1 , 1 and 2 , 2 . Por lo tanto, la
complejidad de la profundidad del modelo para un rayo da-
do r = (1 , 1 , 2 , 2 ) puede ser codificada como la funcin
DC(1 , 1 , 2 , 2 ) N de cuatro variables. Esta funcin de
cuatro dimensiones sobre el espacio de los rayos proyectados
captura la complejidad de la profundidad de todo el modelo.
Figura 2.
Figura 3: Comparacin de los histogramas DC, T y DCTH

para tres objetos de clases tpicas en la base de datos
Princeton (primera fila).
Medida de disparidad
Una vez que el descriptor DCTH ha sido calculado para un con-

Figura 2: Funcin DC muestreada para los rayos r1 ,r2 y r3
junto de modelos 3D, las disimilitudes entre cada par de mode-
para una forma simple. Izquierda: para cada rayo el nmero
los pueden ser calculadas usando diferentes mtricas de dis-
de intersecciones con la forma dan el valor DC. Derecha:
tancia. Las mtricas ms comunes incluyen la norma de Min-
distribucin DC correspondiente.
kowski, match distances, distancia de movimiento de la tierra
(EMD), la distancia de Hellinger, que es cercana y relaciona-
da con la distancia de Bhattacharyya. Dados dos histogramas
DCTH, H1 y H2 y una mtrica d, asumimos que los valores
de las distancias son normalizados. d(H1 , H2 ) [0, 1] donde 0
Descriptor de Grosor (Thickness Distribution) indica una similitud perfecta y 1 una disimilitud mxima.
El segundo componente del descriptor DCTH es la distribucin

de grosor (T). A diferencia del descriptor DC, el grosor discri-
mina los modelos de acuerdo a sus propiedades geomtricas.

[2] Kazhdan, Michael and Funkhouser, Thomas and Rusin-

Resultados Experimentales kiewicz, Szymon. Rotation invariant spherical harmonic
representation of 3D shape descriptors. Proceedings of
the 2003 Eurographics/ACM SIGGRAPH symposium on
Para las pruebas se utilizaron dos bases de datos: Princeton con Geometry processing, 156164,2003.
907 modelos y Toyohashi con 1814 modelos. Los grficos se-
parados de los componentes del descriptor DCTH muestran co- [3] Kazhdan, Michael and Funkhouser, Thomas and Rusin-
mo DCTH cambia de acuerdo con un modelo dado. La Figura 1 kiewicz, Szymon. Symmetry Descriptors and 3D Shape
muestra los histogramas DC y T en 1D, como tambin los his- Matching. Proceedings of the 2004 Eurographics/ACM
togramas DCTH en 2D para tres modelos. El histograma DC SIGGRAPH Symposium on Geometry Processing, 115
es similar para la pantera y la pieza de ajedrez, ya que ambas 123, 2004.
piezas tienen pocas concavidades y un grosor local medio. El
histograma DC del rbol es bien diferente, ya que estas formas [4] Cheng Chen and Yueting Zhuang and Jun Xiao. Sil-
tienen diferente topologa. En este ejemplo el histograma DC houette representation and matching for 3D pose dis-
no es suficiente para diferenciar las tres formas. Por el contra- crimination A comparative study. Image and Vision
rio, el histograma T (grosor) es ms discriminativo, revelando Computing,28(4):654 - 667, 2010.
el hecho que el grosor local de estos objetos es diferente. El [5] Kazmi, I.K. and Lihua You and Jian Jun Zhang. A Sur-
histograma DCTH del rbol se muestra diferente del histogra- vey of 2D and 3D Shape Descriptors. Computer Graphics,
ma DCTH de las otras dos formas, lo cual muestra su poder Imaging and Visualization (CGIV), 2013 10th International
discriminativo al ser combinados. Conference, 1-10,2013.
[6] Tangelder, Johan W. and Veltkamp, Remco C. A survey

of content based 3D shape retrieval methods. Multimedia
Referencias Tools Appl., 39(3):441471, 2008.
[1] Osada, Robert and Funkhouser, Thomas and Chazelle, Ber- [7] Mingqiang, Yang and Idiyo, Kpalma K. and Joseph, Ron-
nard and Dobkin, David. Shape distributions. ACM Trans. sin. A Survey of Shape Feature Extraction Techniques.
Graph, 26(4):807832,2002. Pattern Recognition, Peng-Yeng Yin (Ed.),43-90, 2008.
Dilogos de Conciencia
El 21 de setiembre a las 17:00 horas se realiz en el Audi- (Maestro en Investigacin Integrativa por la Universidad
torio de la Universidad La Salle el conversatorio denomi- Multiversidad Mundo Real Edgar Morn, Mxico).
nado Dilogos de Conciencia Una contra uno o una con
uno, organizado por la Direccin de Proyeccin Social y
Difusin Cultural.
Estuvieron como panelistas Viviana Gbelin Meza (Abo-

gada y Magster en Derecho del Medio Ambiente por la
Universidad de Nottingham, Inglaterra), Rosamarina Var-
gas Romero (Antroploga y Magster en estudios socio-
espaciales por la Universidad de Antioquia, Colombia) y
Angel Chvez Contreras (Profesor y Mster en Asesora-
miento Educativo Familiar por el Centro Universitario Vi-
llanueva, adjunto a la Universidad Complutense de Madrid,
Espaa). Figura 1: Panelistas del evento Dilogos de Conciencia
En calidad de moderador estuvo Ral Juregui Mercado

Universidad La Salle - Arequipa DEEP LEARNING Vol. 4 No 1, Oclucianotubre 2016 15 / 26
Deep Learning y sus aplicaciones

Mery M. Paco Ramos es ingeniera informtica de la Universidad Nacional Jorge
Basadre Grohmann. Actualmente es estudiante de maestra en la Universidad
Nacional de San Agustn. Es miembro de del grupo de investigacin IPRODAM de
la Universidad La Salle de Arequipa, pertenece al crculo de investigacin en
computacin de alto desempeo con nfasis en el desarrollo de mtodos y tcnicas
de minera de datos de gran escala para el apoyo en investigaciones de cambio
climtico
Sin embargo, la aparicin del big

data y el incremento de los recursos
computacionales, han permitido realizar
avances notables que implican el reco-
nocimiento de voz [3], procesamiento
del lenguaje natural [1], deteccin de
objetos [5, 15], reconocimiento facial,
traduccin automtica [18], deteccin
del fraude, prediccin de enfermedades,
delitos informticos y, recientemente, en
el estudio del cambio climtico [9, 12].
Figura 1: Esquema con

El presente artculo tiene como fina- aprendizaje layer-wise para la
lidad dar un alcance inicial sobre el en- extraccin de caractersticas y su
foque de deep learning y las aplicaciones posterior clasificacin. [14]
Mery M. Paco R. emergentes en los ltimos aos.
Existen muchas arquitecturas de deep

learning, que dependiendo del uso o de
Introduccin Deep Learning la aplicacin se pueden categorizar en
tres clases [2]:
En los ltimos aos, grandes empresas
tecnolgicas como Google, Apple, Face-
book, IBM, Amazon y Microsoft estn Deep learning es una tcnica de Ma- Arquitecturas generativas: propor-
apostando por el desarrollo y mejora de chine Learning basada en redes neuro- cionan informacin acerca de la
algoritmos en el mbito de la Inteligencia nales [2], que consiste en utilizar mlti- dependencia mutua entre las varia-
Artificial: deep learning [16], en secto- ples capas, de procesamiento no lineal, bles y, en general, utilizan algorit-
res como internet, finanzas, transporte, para modelar abstracciones de alto ni- mos de aprendizaje no supervisa-
robtica, diagnstico mdico, telecomu- vel(fotos, vdeos, textos, audio, etc.). do. Por ejemplo: autocodificadores
nicaciones o en prediccin climatolgica. y los modelos basados en energa.
Las mltiples capas realizan una ex- Arquitecturas discriminativas: rea-

Deep learning, ha sido, sin lugar a
traccin de caractersticas emulando el lizan una clasificacin de patro-
dudas, el rea de investigacin con ma-
comportamiento de la corteza visual, es nes con el uso del aprendizaje su-
yor expansin desde su redescubierto
decir, extraen caractersticas del ms ba- pervisado. Por ejemplo: redes neu-
el 2006 [8]. En realidad, no se trata de
jo nivel al ms alto nivel (ver figura 2). ronales convolucionales (Convolu-
una nueva rea de investigacin debido a
Esto representa una de las principales tional Neural Network), percep-
que utiliza varios conceptos que se desa-
ventajas frente a los algoritmos tradicio- trn multicapa profundo.
rrollaron hace ms de tres dcadas los
nales de Machine Learning que realizan
cuales fueron dejados de lado porque la
una extraccin manual de caractersticas Arquitecturas hbridas: utilizan
tecnologa, en esa poca, no era capaz de
(feature engineering). ambos esquemas.
procesar grandes cantidades de datos.

la Amazona han conformado un crcu-

lo de Investigacin denominado Crculo
de investigacin en computacin de alto
desempeo con nfasis en el desarrollo
de mtodos y tcnicas de minera de da-
tos de gran escala para el apoyo en inves-
tigaciones de cambio climtico en cali-
dad de investigador asociado; cuyo obje-
tivo es el desarrollo y aplicacin de tcni-
Figura 2: Ejemplo de una cas de Deep Learning y computacin pa-
arquitectura deep learning [14] ralela para en anlisis de patrones clima-
Figura3: Deteccin de objetos en tolgicos en el sur del Per.
imgenes [5, 15]
Algoritmos de aprendizaje
El proceso de aprendizaje se puede

dividir en dos grandes grupos de acuerdo
a sus caractersticas:
Aprendizaje supervisado
Se caracteriza porque su entrenamiento
es controlado por un agente externo. Este Figura 4: Arquitectura CNN para Figura 5: Clasificacin de ciclones
agente externo gua el entrenamiento la clasificacin del clima [4] tropicales mediante una
del modelo mediante una comparacin arquitectura CNN [12]
entre las salidas deseadas (targets) y
La salidas proporcionadas por el mode-
lo [13].
Climatologa
Aprendizaje no supervisado
El aprendizaje se realiza presentando di- Conclusin
Actualmente la amplia disponibi-
rectamente los datos al modelo, es decir, lidad de grandes volmenes de datos
ahora no existe un agente supervisando climatolgicos han motivado, a muchos
el entrenamiento [13]. En este caso, se investigadores, a buscar patrones ocultos, El deep learning es una imita-
deber ajustar sus parmetros en base a en esta enorme cantidad de informacin; cin simplificada del funcionamien-
la correlacin existente entre los datos de con el fin de comprender los fenmenos to del cerebro humano. Reciente-
entrada [6]. climticos y meteorolgicos. mente deep learning centr su aten-
cin en el tratamiento de datos no
En las arquitecturas del deep lear- Por otro lado, en el pasado, se han etiquetados y secuenciales, debido
ning, algunas redes poseen o utilizan desarrollado varios mtodos estadsticos a que muchas de sus aplicaciones
ambos tipos de entrenamientos, ya sea para analizar seales temporales con el y tcnicas se han enfocado en algo-
comenzando con un pre-entrenamiento fin de analizar y predecir patrones. ritmos de aprendizaje supervisado y
supervisado y finalizando con uno no su- datos estticos
pervisado o viceversa [17]. En tal sentido, la gran cantidad de
informacin y el comportamiento tempo-
ral de los datos del clima, hace que estas Referencias
Aplicaciones tcnicas no logren resultados promete-
dores. Sin embargo y dado que en estos [1] Ronan Collobert, Jason Weston,
Deep learning est realizando avances ltimos aos, se han desarrollado nuevos
Lon Bottou, Michael Karlen, Ko-
relevantes en el mbito de la Inteligen- computadores con mayor capacidad de
ray Kavukcuoglu, and Pavel Kuk-
cia Artificial, resultando eficiente en el procesamiento, ahora es factible desa-
sa. Natural language processing
descubrimiento de estructuras complejas rrollar mtodos basados en Inteligencia
(almost) from scratch. Journal
en datos de alta dimensionalidad [11]. Artificial para la prediccin y anlisis de
of Machine Learning Research,
Por ejemplo, Deep learning bati rcord grandes volmenes de datos, como lo es
12(Aug):24932537, 2011.
en el reconocimiento de imgenes [10] y el Deep Learning.
voz [7], adems ha producido resultados
[2] Li Deng. An overview of deep-
prometedores para la comprensin del Es por esta razn que la Universi- structured learning for information
lenguaje natural [1], como: el anlisis de dad Nacional de San Agustn en conjun-
processing. In Proceedings of
sentimientos, clasificacin de tpicos y to de la Universidad La Salle de Arequi-
Asian-Pacific Signal & Information
la traduccin de idiomas. pa, la Pontificia Universidad Catlica de Processing Annual Summit and
Lima y el Instituto de Investigacin de Conference (APSIPA-ASC), 2011.

[3] Li Deng, Jinyu Li, Jui-Ting Huang, Nguyen, Tara N Sainath, et al. Deep Wehner, William Collins, et al. Ap-
Kaisheng Yao, Dong Yu, Frank Sei- neural networks for acoustic mode- plication of deep convolutional neu-
de, Michael Seltzer, Geoff Zweig, ling in speech recognition: The sha- ral networks for detecting extreme
Xiaodong He, Jason Williams, et al. red views of four research groups. weather in climate datasets. arXiv
Recent advances in deep lear- IEEE Signal Processing Magazine, preprint arXiv:1605.01156, 2016.
ning for speech research at micro- 29(6):8297, 2012.
soft. In 2013 IEEE International [13] Glen Jhan Pierre Restrepo Arteaga
Conference on Acoustics, Speech [8] Geoffrey E Hinton, Simon Osinde- et al. Aplicacin del aprendizaje
and Signal Processing, pages 8604 ro, and Yee-Whye Teh. A fast lear- profundo (deep learning) al proce-
8608. IEEE, 2013. ning algorithm for deep belief nets. samiento de seales digitales. 2015.
Neural computation, 18(7):1527
[4] M. Elhoseiny, S. Huang, and A. El- [14] Hannes Schulz and Sven Behn-
1554, 2006.
gammal. Weather classification ke. Deep learning. KI-Knstliche
[9] Gilberto Iglesias, David C Kale, Intelligenz, 26(4):357363, 2012.
with deep convolutional neural net-
works. pages 33493353, Sept and Yan Liu. An examination of [15] Christian Szegedy, Alexander Tos-
2015. deep learning for extreme clima- hev, and Dumitru Erhan. Deep neu-
te pattern analysis. In The 5th ral networks for object detection.
[5] Dumitru Erhan, Christian Szegedy, International Workshop on Climate In Advances in Neural Information
Alexander Toshev, and Dragomir Informatics, 2015. Processing Systems, pages 2553
Anguelov. Scalable object de-
2561, 2013.
tection using deep neural net- [10] Alex Krizhevsky, Ilya Sutskever,
works. In Proceedings of the and Geoffrey E Hinton. Imagenet [16] Jordi Torres. First contact with ten-
IEEE Conference on Computer classification with deep convolutio- sorflow. get started with deep lear-
Vision and Pattern Recognition, pa- nal neural networks. In Advances ning programming. 2016.
ges 21472154, 2014. in neural information processing
systems, pages 10971105, 2012. [17] Dong Yu, Li Deng, and D Yu. Deep
[6] Bryan Garca Navarro. Implemen- learning methods and applications.
tacin de tcnicas de deep learning. [11] Yann LeCun, Yoshua Bengio, and Foundations and Trends in Signal
2015. Geoffrey Hinton. Deep learning. Processing, 2014.
Nature, 521(7553):436444, 2015.
[7] Geoffrey Hinton, Li Deng, Dong [18] Jiajun Zhang, Chengqing Zong,
Yu, George E Dahl, Abdel-rahman [12] Yunjie Liu, Evan Racah, Joaquin et al. Deep neural networks in
Mohamed, Navdeep Jaitly, Andrew Correa, Amir Khosrowshahi, David machine translation: An overview.
Senior, Vincent Vanhoucke, Patrick Lavers, Kenneth Kunkel, Michael IEEE Intelligent Systems, 15, 2015.
La ULASALLE celebr su quinto aniversario

El 12 de agosto a las 12:30 horas en el campus de la Uni-
versidad La Salle se llev a cabo la ceremonia de aniver-
sario con motivo de celebrar nuestro quinto ao de vida
institucional.
La ceremonia empez con unas palabras de saludo del

Hno. Jorge Rivera Muoz Falcon (Representante de los
Hermanos de las Escuelas Cristianas de La Salle). Acto
seguido se present la banda sinfnica del Colegio San
Juan Bautista de La Salle quienes nos deleitaron con un
repertorio de msica arequipea.
Para terminar, el Dr. Ivn Montes Iturrizaga (Presidente

de la ULASALLE) hizo una pequea resea sobre los ini-
cios de la Universidad e hizo una reflexin acerca de los El Hno. Jorge Rivera Muoz Falcon (Representante de
desafos institucionales de cara a nuestro licenciamiento los Hermanos de las Escuelas Cristianas de La Salle)
ante el SUNEDU. saluda y da la bienvenida a la concurrencia

Universidad La Salle - Arequipa LA MATEMTICA EN LA COMPUTACIN Vol. 4 No 1, Oclucianotubre 2016 18 / 26
Ciencia de la Computacin en Ro de Janeiro

Jan Hurtado es estudiante de maestra en la Pontificia Universidad Catlica de Ro
de Janeiro. Posee el grado de bachiller en ciencia de la computacin otorgado por la
Universidad Nacional de San Agustn. Hizo una pasanta en la Universidad de Tel
Aviv. Es investigador en el instituto Tecgraf y en el grupo de investigacin
IPRODAM
para empresas muy importantes a nivel mundial. Adems, tiene

como uno de sus principales aliados a la Petrobras, que es una
de las multinacionales ms importantes en el mundo (puesto
28 en Fortune Global 500). Actualmente, soy parte de uno de
los proyectos del Tecgraf, que presentar a continuacin.
Bebs 3D
Se ha hecho muy comn que los padres registren el creci-

miento de sus hijos a partir de fotos y videos, incluso desde
el momento del parto. Este tipo de informacin es de mucho
valor para las familias, ya que es como tener un histrico vi-
sual de toda una vida. Pero, por qu no registrar esta vida
Jan Hurtado desde incluso antes del parto? Los exmenes de ultrasonido
proveen imgenes que permiten visualizar la forma del beb
desde un determinado punto de vista. Usando una secuencia de
Sin duda, la computacin ha cambiado el mundo; y es que estas imgenes es posible obtener la forma del beb en tres di-
la trascendencia de esta, est ligada a su omnipresencia. Son mensiones, y por consiguiente, generar mltiples vistas. Existe
innumerables sus reas de aplicacin, que van desde construir software que permite llevar a cabo este tipo de visualizacin y
un sistema muy complejo para simular algn proyecto espacial, as mostrar cmo es el beb. Este tipo de informacin es valiosa
hasta crear un videojuego viral como Pokmon Go. para un mdico, ya que as pueden examinar al beb con mayor
detalle.
Nada es ms prctico que una buena teora (Vladimir
Vapnik). Hace no mucho escuch esta frase en una presenta- En pocas antiguas, una de las principales formas de plas-
cin, y qu razn tena Vapnik en decirla. La realidad de la mar la realidad o lo mstico, era a partir de la pintura, que
computacin no est lejos de esta percepcin, ningn modelo es anloga a una imagen (foto). Otra forma de hacerlo, era
computacional funcionara si no tiene una base terica muy mediante esculturas (objetos reales en tres dimensiones), que
fuerte por detrs. La computacin no es mgica, es toda una generalmente eran creadas por un artista y demandaban mucho
ciencia que usa conceptos de diferentes reas fundamentales, tiempo. Era posible crear esculturas de un beb, estando den-
como la matemtica, por ejemplo. tro del vientre materno? Tal vez en ese tiempo no, pero ahora
ya lo es. La impresin 3D permite obtener objetos reales a par-
Mi rea especfica dentro de computacin est relacionada tir de objetos virtuales, y las imgenes de ultrasonido proveen
a la parte grfica, principalmente al anlisis y visualizacin en la informacin de la forma del beb. Imagnense tener la escul-
tres dimensiones. ltimamente este tpico ha tomado especial tura de un beb en sus distintas etapas de desarrollo. Adems
inters por la industria y la sociedad, debido a que provee in- de servir como un recuerdo, es til para la evaluacin de un
formacin muy valiosa de la realidad. Me involucr en este mdico. Algunas empresas ya se encuentran en este rubro, pero
tema luego de ingresar al grupo de investigacin IPRODAM, generalmente con la participacin de diseadores en el proceso
dirigido por el profesor Cristian Lpez. Posteriormente, hice de creacin de la escultura.
una pasanta en la Universidad de Tel Aviv a cargo del profesor
Alex Bronstein, en la cual reafirm mi inters por este tpico. El principal objetivo de este proyecto est enfocado en la
obtencin automtica del objeto listo para la impresin 3D, con
En la Pontificia Universidad Catlica de Ro de Janeiro, la mnima intervencin de un diseador (si es posible, nula).
universidad en la cual me encuentro cursando una maestra, Existen distintos retos relacionados a la obtencin ptima de la
existe un instituto llamado Tecgraf. En este instituto se hace forma del beb, ya que las imgenes de ultrasonido presentan
investigacin y desarrollo de proyectos de gran envergadura ruido y falta de informacin. Adems, es necesario identificar

al beb dentro de todos los datos que provee el examen de ul- vestigacin IPRODAM y al profesor Alex Bronstein. Fueron
trasonido. grandes motivadores para que me introduzca en este fascinante
mundo 3D. Adems quiero animarlos a que ustedes tambin
Quiero finalizar este artculo agradeciendo a todos mis pro- lo hagan, ya que es el presente y tal vez por algn tiempo el
fesores de la Universidad Nacional de San Agustn (donde hice futuro. Start thinking in 3D!
mi pregrado en ciencia de la computacin), a mi grupo de in-
Figura 1: Reconstruccin 3D a partir de examen de ultrasonido
Importancia de la matemtica en la computacin

Luciano y Lizet son estudiantes de Maestra en la Universidad Fluminense de
Brasil, forman parte del grupo de Investigacin IPRODAM de la Universidad La
Salle y actualmente, trabajan en anlisis de cuerpos no rgidos
de la matemtica es poco importante en razonar algortmicamente y, en tal senti-

relacin a las actividades de gestin. do, se requiere conocer y entender dife-
rentes tpicos como matemtica discre-
En realidad, estudiar computacin ta, clculo, lgebra lineal, estadstica y
implica programar. Lo cual requiere probabilidades, por mencionar algunos
desarrollar las habilidades para transmitir tpicos. La matemtica constituye una
al computador las tareas que queremos base muy importante para desarrollar ca-
que ste desarrolle. Por supuesto, esto se pacidades de abstracin, y adems es,
logra mediante un lenguaje de progra- por cierto, un lenguaje formal que permi-
macin que tanto el computador como te expresar el razonamiento humano de
nosotros comprendamos; un lenguaje manera no ambigua.
claro y no ambiguo. Esta es una de las
Luciano Romero Calla - Lizeth razones, por las cuales, en una carrera Por otro lado, los profesionales en
Fuentes Prez de ciencias de la computacin se debe ciencia de la computacin intentan re-
aprender diferentes lenguajes de progra- solver problemas mediante el binomio
macin como: C, C++, Python, Haskell, Humano-Computador, pero es el hu-
En la actualidad las carreras de entre otros. Sin embargo, esta no es la mano el que entiende el problema, la
computacin estn teniendo mucha re- nica habilidad que se debe desarrollar complejidad algortmica de la solucin
percusin en nuestro pas. Sin embargo, en la etapa de pre-grado. y la matemtica detrs de cada una de
aun existen personas del medio que pien- las operaciones. En cambio, el compu-
san que la programacin y la aplicacin Es importante, tambin, aprender a tador, recibe las instrucciones pensadas

y desarrolladas por el humano, mediante En definitiva, todas las reas de CS se observa que los vectores gradientes
un lenguaje de programacin y, de este requieren entender varios conceptos ma- de la funcin curvatura sobre el mode-
modo, ejecuta lo que nosotros los huma- temticos que les dieron origen, ya sea lo se dirigen hacia las zonas de color rojo.
nos le indiquemos. Inteligencia Artificial, Seguridad, Video-
juegos, Robtica, Computacin Grfica, Dada la complejidad de los proble-
Muchos problemas complejos requie- Computacin de Alto Desempeo, Inge- mas y considerando que muchos de ellos
ren soluciones donde la parte matemtica niera de Software, Computacin Mole- son problemas NP, es necesario enten-
es indispensable, y como programadores cular y Biolgica, todas y cada una de derlos y manipularlos algortmica y ma-
o estudiantes de ciencias de la compu- ellas con conceptos matemticos y al- temticamente para as lograr relajarlos y
tacin no podemos huir de ella. goritmos particulares y compartidos con obtener soluciones polinomiales, de mo-
otras reas y ciencias como la Fsica. do que sea factible encontrar soluciones
Por ejemplo, muchos de los cursos con la menor complejidad posible.
como clculo parecen no tener una apli- De todas las reas mencionadas ante-
cacin directa y, cuando llevamos el cur- riormente, Computacin Grfica es una Por esa razn para resolver un pro-
so, nos preguntamos para qu sirve la de las que ms matemtica requiere, par- blema se necesita de otras reas, como
derivada? o qu puedo hacer con las in- ticularmente unas de sus sub-reas como por ejemplo: La Programacin Paralela
tegrales? Este tipo de cuestionamientos, Geometra Computacional y Anlisis de y en GPU es indispensable, dadas las
surge generalmente, debido a que memo- Formas tridimensionales. stas son las grandes cantidades de datos a manipu-
rizamos las frmulas sin haber entendido reas en las cuales investigamos, nos lar, todos nuestros programas deberan
los conceptos que le dieron origen. Sa- fuimos involucrando desde pre-grado en sacarle el mayor provecho a los recur-
bemos que si y = x2 entonces y 0 = 2x los cursos de tesis y dentro del grupo de sos del computador. La Inteligencia Arti-
o si y = sin x entonces y 0 = cos x; pe- investigacin IPRODAM, donde descu- ficial es otra rea necesaria para resolver
ro cmo puedo calcular la derivada de brimos el porqu de muchos conceptos problemas, porque el objetivo final de la
una imagen? o, lo que es ms importante, matemticos aplicados en el anlisis de computacin es que el computador reali-
qu significa la derivada en una imagen? formas 3D, as como las herramientas ne- ce tareas solo, sea lo suficientemente in-
cesarias para manipular y resolver estos teligente para diferenciar una silla de una
Si comprendemos el qu y cmo de problemas. mesa, reconocer a un humano que est
cada uno de los conceptos, entonces, el sentado o parado, con o sin brazos.
aprender derivadas comienza a tomar A medida que avanzamos en la inves- Una de las reas necesarias para re-
sentido. Por ejemplo, una imagen que se tigacin, vamos comprendiendo cmo la solver problemas en mallas, es la de
representa como una matriz en el compu- matemtica se vuelve una herramienta optimizacin, donde dada un conjunto de
tador, se puede ver como una funcin para resolver y entender los problemas restricciones y una funcin objetivo se
f : N2 [0 : 255], y si la imagen es dentro de esta rea, pero para resolver- trata de encontrar la solucin que mini-
una funcin entonces cmo se calcula los no slo basta con usarla, hay que mice la ecuacin; es as que por ejemplo,
su derivada y qu representa? Este tipo comprender el porqu y el cmo funcio- uno de los problemas es el de encontrar
de preguntas son fundamentanles para nan todos estos conceptos matemticos la forma cannica de cuerpos no rgidos
entender las aplicaciones de estos y mu- y cmo ellos pueden ser discretizados en el espacio eucldeo, es un problema
chos otros conceptos en computacin. y convertidos en algoritmos; conceptos cuya solucin ptima puede no estar en
que van desde topologa, anlisis fun- R3 sino en un espacio de alta dimen-
cional, lgebra lineal, optimizacin con- sionalidad y el espacio de bsqueda es
vexa, estadstica, conjuntos, superficies aun mayor, un problema NP, pero es po-
de Riemann, anlisis funcional, escala- sible resolverlo si la condicin de que
miento multidimensional, entre muchas las distancias eucldeas deben coincidir
otras; as como otras reas de CS se vuel- exactamente con las distancias geodsi-
ven tambin herramientas necesarias, las cas entre puntos, admitiendo un error, en
cuales debemos entender para resolver tiempo polinomial y llevarlo a un proble-
un problemas de manera eficiente, co- ma resolvible con optimizacin convexa.
mo por ejemplo: anlisis de algoritmos,
estructuras de datos, lenguajes de progra- Otro ejemplo es el clculo de distan-
Figura 1: Zonas de curvatura
macin. cias geodsicas; en nuestra investigacin
una de las herramientas bsicas es el al-
Un ejemplo de las cosas en las cuales goritmo de Fast Marching, para poder
Uno de los primeros cursos de mate- investigamos se puede ver en la primera encontrar el mapa de distancias geod-
mtica, en pregrado, es clculo y, quizs, figura, aqu se observa un modelo tridi- sicas en una malla tridimensional, es un
sea uno de los cursos donde ver una apli- mensional donde las zonas en color rojo algoritmo de orden O(log n), del cual
cacin directa sea difcil; pero es casi representan las zonas con mayor curva- dependen otros algoritmos, como por
seguro que en todas las reas de ciencias tura y las zonas con color azul las zonas ejemplo para calcular el muestreo de
de la computacin nos topemos, de una u planas del modelo; este mapa de curva- puntos en una malla, es necesario usar
otra forma, con derivadas e integrales y tura fue calculado usando Global Point repetidas veces el clculo de distancias
muchos otros conceptos matemticos. Signature (GPS). En la segunda figura geodsicas tantas muestras necesitemos
se resalta el campo de gradientes, donde para cubrir todo el modelo, lo cual para

Universidad La Salle - Arequipa ENTREVISTAS Vol. 4 No 1, Oclucianotubre 2016 21 / 26
mallas con ms de 500 000 vrtices es una a pantalla, la cual posee una cmara
un proceso lento, entonces tuvimos que 3D que escanea su cuerpo en tiempo real,
desarrollar un algoritmo en paralelo de Manipular y resolver problemas con as ella puede observar cmo le queda
Fast Marching con la finalidad de reducir formas 3D desde la representacin en el la ropa sin necesidad de hacerlo fsica-
la complejidad algoritmica a O(kn) don- computador hasta el anlisis de formas mente, otro ejemplo a futuro es el de
de k es constante. no rgidas, clculo de distancias geod- manipular interfaces al estilo de Tony
sicas, nos lleva a un mundo donde la Stark, cuando manipula a JARVIS solo
Para la representacin de las mallas programacin y la matemtica van de la con movimientos de sus manos y no co-
usamos una estructura de datos compacta mano, y nos llevan a otras reas como la mo es lo usual mediante clicks.
llamada Compact Half Edge, la cual b- Fsica donde es posible usar la ecuacin
sicamente permite realizar operaciones del calor o la onda para calcular distan-
en mallas de manera eficiente con com- cias, descriptores 3D, correspondencias, Conclusin
plejidad O(1). etc.
Debido al avance de nuevas tecno- En conclusin, podemos decir que

logas como sensores y cmaras 3D, es el anlisis de formas es un rea re-
de vital importancia tener la capacidad ciente pero excitante, si tienes inte-
computacional para manipular estos da- rs en ella puedes contactar con no-
tos, ya que cada vez estamos ms inmer- sotros o con alguno de los integran-
sos en el mundo 3D, como por ejemplo tes de IPRODAM.
la realidad virtual y las impresoras 3D.
En un futuro cercano, se incorporarn las
cmaras 3D en la mayora de dispositivos
Figura 2: Zona de curvatura en la lo cual afectar directamente nuestro mo-
trompa del elefante do de vivir. Por ejemplo comprar ropa en
una tienda, una persona se parara frente
IPRODAM3D RESEARCH GROUP

IPRODAM3D es un grupo de Investigacin, el cual fue al desarrollo econmico y social de nuestro pas. Para con-
fundado el 4 de Marzo del 2013 por el Doctor Cristian L- tactarse con el grupo de investigacin visite nuestra pgina
pez Del Alamo. Actualmente est conformado por alum- web IPRODAM3D o escriba a clopez@ulasalle.edu.pe.
nos de pregrado y postgrado de la Universidad La Salle de
Arequipa y la Universidad Nacional San Agustn.
El objetivo principal del grupo es la investigacin en el

anlisis de modelos tridimensionales, geometra compu-
tacional, bsqueda por similitud de modelos tridimensio-
nales, deteccin de simetra, reconstruccin de modelos
fracturados y sus aplicaciones.
Por otro lado, IPRODAM3D, abre sus puertas a estudian-

tes de ltimos aos de pregrado y a estudiantes de postgra-
do que sean apasionados por las matemticas, la progra-
macin, la algortmica y con muchas ganas de aprender y
desarrollar nuevas tecnologas con el objetivo de contribuir Algunos miembros del grupo de Investigacin
IPRODAM.

Renata Wassermann
Doctora en Ciencia de la Computacin por la Universidad de msterdam (1999).
Es magster en Matemtica Aplicada por la a Universidad de So Paulo (1995), es
bachiller en Ciencia de la Computacin por la Universidad de So Paulo (1991).
Actualmente, es profesora del Departamento de Ciencia de la Computacin del
Instituto de Matemtica y Estadstica de la Universidad de So Paulo. Miembro del
grupo de investigacin LIAMF (Logic, Artificial Intelligence and Formal Methods)
Intereses acadmicos: Lgica y Representacin del Conocimento
Cules cree usted que sean los desafos intelectuales en su

rea de actuacin?
Creo que el desafo ms importante, como en cualquier rea
de investigacin, es el de manterse bien informado y actualiza-
do. Para eso, es necesario un esfuerzo intelectual, de modo que
se pueda filtrar las caractersticas ms relevantes que estn pre-
sentes en la gran cantidad informacin que actualmente existe
y, de ese modo, aplicar ese aprendizaje a mi trabajo.
A pesar de trabajar en proyectos de aplicaciones, siempre

busco una parte formal y/o matemtica, mi objetivo es que de-
trs de las aplicacin siempre tenga un fundamento terico.
Dr. Renata Wassermann Cul sera el perfil de los estudiantes en su investigacin?
Debido a que mi trabajo est relacionado a la investigacin

terica y aplicada, intento identificar ese tipo de perfil en mis
Nos podra hablar sobre sus proyectos actuales y futuros? alumnos, es decir, busco alumnos con capacidades en investi-
gacin terica o aplicada, aunque, lo ideal es que tengan ambos
Actualmente mi trabajo sigue dos lneas de investigacin: perfiles y, por otro lado, los ms difciles de encontrar, que
formalizacin en lgica y aplicaciones de representacin del estn interesados en lgica y que sean buenos programadores.
conocimiento. Desde mi doctorado trabaj en el rea de revi-
sin de creencias y, recientemente, en lgica de descripcin Necesariamente deben tener una visin computacional para
donde tengo un alumno que est trabajando en conceptos de poder identificar aquello que se puede informatizar y aquello
relevancia en esta rea. En la parte de aplicaciones, trabajo en que no.
ontologas, donde me encuentro trabajando junto a una alumna
en el desarrollo de una ontologa para consultar imgenes en Cmo usted explicara a los alumnos, de otras
una red social de arquitectos, llamada Arquigrafa2 . universidades latinas, la importancia de realizar
publicaciones de gran impacto?
Como projecto futuro, se pretende involucrar a otros profe-
sores del LIAMF y, adems, colaborar con la facultad de de- Esto es muy importante. En general, las universidades lati-
recho de la Universidad de So Paulo. Mi trabajo, en este pro- nas no tenemos la visibilidad que otras universidades tienen.
yecto, ser modelar el conocimiento sobre leyes y vocabularios
de dominio de expertos jurdicos, hacer inferencias y extraer Cuando estudiaba en Holanda, observaba visitas constantes
informacin, con el objetivo de disponibilizar esa informacin de investigadores relevantes en mi rea y, por esa razn, era
en aplicaciones de software libre y, de este modo, ayudar en la ms fcil discutir e intercambiar ideas sobre los trabajos de
transpariencia y flujo de procesos. investigacin que estbamos desarrollando.
Por otro lado, mantener nuestro trabajo escondido no le

da la debida importancia que el resultado podra merecer. Es
2 [1] http://www.arquigrafia.org.br/

conveniente hacer visibles las investigaciones que se realizan, Ese tema ha generado mucha discusin a favor y en con-
teniendo en cuenta que deben ser publicaciones de alta cali- tra. Creo que s es importante, sobre todo entre las empresas
dad y, en tal sentido, deben ser publicadas en lugares de alto privadas y el rea de ciencia de la computacin de las universi-
impacto, lo cual les da una alta visibilidad entre grupos de in- dades. Sin embargo, tenemos que destacar que la investigacin
vestigadores a nivel mundial. no puede ser totalmente dependiente de los intereses de la in-
versin privada.
Por ejemplo, en el rea de inteligencia artificial tenemos
KR 3 , AAAI 4 , etc. Si queremos que nuestros trabajos de inves-
tigacin sean relevantes y tiles para otros grupos de investiga- Los trabajos cientficos, no pueden, nicamente, seguir los
cin debemos buscarse, siempre, la divulgacin en revistas de intereses financieros de las empresas sin tener como objeti-
alto impacto. vo principal, realizar un avance cientfico. Sin embargo, exis-
ten varios trabajos importantes que se realizan en colaboracin
Usted considera importante la unin de la empresa con empresas privadas. Normalmente, funciona bien cuando un
privada y la universidad? proyecto es desarrollado en la universidad y una empresa des-
cubre que podra ser til para ella.
Fabio Kon
Fabio Kon, profesor titular de ciencia de la computacin del Instituto de
Matemtica y Estadstica de la Universidad de So Paulo. Coordinador adjunto de
investigacin para inovacin de la FAPESP y Editor-jefe de SpringerOpen Journal
of Internet Services and Applications, acta en reas de emprendedurismo digital,
software libre, sistemas distribuidos y ciudades inteligentes. Autor de varios
artculos internacionales de alto impacto. Recibi recientemente el premio ACM
Middleware 10-Year Best Paper Award. Fabio es consejero voluntario de varias
startups de software, inclusive en el rea de Ciudades Inteligentes
de forma tal, que mi trabajo pudiese ge-

nerar tecnologa. En el pasado, trabaj Cul sera el perfil de los estudiantes
con sistemas operativos, middleware y en su investigacin?
sistemas distribuidos. Actualmente, estoy
buscando aplicar esos conocimientos pa- Siempre busco alumnos con una bue-
ra contribuir en la solucin de problemas na formacin en ciencias de la compu-
de grandes ciudades del siglo 21; es el tacin pero que tambin tengan buenas
rea que ahora se llama Ciudades Inteli- habilidades en el desarrollo de software.
gentes. Un punto fundamental para el xito del
alumno es su proactividad. Un estudian-
Cules cree que sean los desafos te que siempre est esperando las rdenes
intelectuales en su rea de actuacin? del orientador sin tomar iniciativa no va a
llegar muy lejos.
El gran desafo es construir herra-
mientas y bases computacionales para
Fabio Kon
facilitar el desarrollo de aplicaciones en Cmo usted explicara a los alumnos
ciudades inteligentes, para eso inevita- de otras universidades latinas la
blemente se tendr que tratar con pro- importancia de aplicar a
blemas de gran escala y en tiempo real. publicaciones de gran impacto?
Demandando avances en el rea de soft-
Nos podra hablar sobre sus
ware para gestin y procesamiento de
proyectos actuales y futuros? Creo que no tiene sentido realizar in-
Big Data y el uso de recursos de compu-
vestigacin si no va a tener impacto. El
tacin en la nube e internet de las cosas.
Siempre busqu resolver problemas impacto puede ser por medio de desarro-
que lidian con cuestiones del mundo real, llo de un software que va ha ser usado por
3 http://kr2016.cs.uct.ac.za/
4 http://www.aaai.org/Conferences/AAAI/aaai16.php

otros, por medio del conocimiento gene- micos tienen una tendencia natural a in-
rado y diseminado para una gran cantidad Usted considera importante la unin vestigar lo que ellos creen tcnicamente
de personas; por el desenvolvimiento de de empresa privada y universidad? interesante y no lo que puede ayudar a la
un producto comercial o de una Startup, humanidad. Por medio de la relacin con
o por medio de una publicacin cientfica Una buena relacin entre empresas las empresas, somos forzados a pensar en
en un journal o congreso internacional de y universidade es absolutamente esencial resultados que puedan realmente ser usa-
alto impacto. para garantizar que lo que hacemos en la do en la prctica a medio o largo plazo.
universidad no es intil. Muchos acad-
Flvio Soares Corra da Silva

Doctor en inteligencia artificial por la Universidad de Edinburgh (1992). Magster
en Ingeniera de Transportes por la Escuela Politcnica de la Universidad de So
Paulo(1989) y graducin en Ingeniera de Produccin por la Universidade de So
Paulo (1984). Actualmente es professor de la Universidade de So Paulo, Revisor
del Journal of Information Technology Research y miembro del cuerpo editorial de
Applied Intelligence (Boston). Fundador y lder del grupo de investigacin LIDET
[1](Laboratory of Interactivity and Digital Entertainment)
Por otro lado, actualmen- formulacin y aplicacin de tambin, han sido consoli-
te, estoy desarrollando, en co- protocolos de investigacin dados, como la publicacin
laboracin con colegas del ex- no triviales. de software en repositorios
terior y con mis estudiantes open source, la publicacin
de doctorado, modelos con- de datos experimentales y de
Cul sera el perfil de los
ceptuales y formas de inter- protocolos para experimenta-
estudiantes en su
eacciones. En el futuro, pre- cin y reproduccin de expe-
investigacin?
tendo evaluar como esos mo- rimentos. Todos esos caminos
delos se comportan en dife- deben ser explorados por los
rentes dominios de aplicacin. Como mencion anterior- investigadores y estudiantes,
mente, esos trabajos son mul- especialmente de doctorado y
tidisciplinares. Considero im- maestra. Se debe cultivar la
Cules cree que sean los portante contar con un grupo
Flvio Soares Corra da prctica de buscar vehculos
desafos intelectuales en su grande de estudiantes con bas-
Silva y mecanismos de publicacin
rea de investigacin? tante diversidad, pues es ne- que lleven los resultados cien-
cesario desarrollar resultados tficos a una gran cantidad de
Esta rea es multidiscipli- formales, tericos y matem- lectores y usuarios, bien como
nar y requiere metodologas ticos, e implementar platafor- a lectores y usuarios que sa-
de investigacin que combi- mas de software no triviales brn utilizar ese material para
Nos podra hablar sobre nan metodologas encontradas para utilizarlas en experimen- continuar generando conoci-
sus proyectos actuales y en diferentes reas como: tos biolgicos y sociales. miento innovador y cientfico.
futuros? teora de la computacin,
sistemas complejos y estocs-
En este momento el fo- ticos, investigacin emprica Cmo usted explicara a Siendo as, es fundamental
co de mi trabajo ha sido el en fenmenos biolgicos y los alumnos de otras publicar artculos, software,
estudio de interacciones. In- sociales. universidades latinas la datos y protocolos experi-
teraciones son fenmenos importancia de realizar mentales, de modo tal, que
bastante amplios. Especial- La combinacin de esas publicaciones de gran sea factible influenciar posi-
mente, estoy interesado en metodologas es un gran impacto? tivamente las comunidades
sistemas complejos que con- desafo en s mismo y, una cientficas y de innovacin.
tienen componentes compu- vez vencido ese desafo, ser La publicacin de artcu-
tacionales y humanos, y son necesario aplicar los precep- los cientifcos contina siendo Un camino tradicional, pe-
denominados computadores tos metodolgicos resultantes nuestro vehculo ms eficaz de ro no es el nico, para eso
sociales. para la obtencin de resulta- divulgacin de resultados. Re- son los medios de publicacin
dos vlidos, lo que exigir la cientemente, otros caminos, altamente reconocidos, como

peridicos con alto impacto publicacin de alto impacto. cin y la universidad puede en las universidades.
en repositorios con altos ndi- ser benfica para todos y debe
ces de uso. Felizmente, para Usted considera ser incentivada. Esa integra- Es preciso crear mecanis-
los investigadores distantes de importante la unin de la cin, entre tanto, debe ser mos giles de formulacin de
grandes centros de investiga- empresa privada y construida de forma cuida- contratos de cooperacin que
cin, actualmente esa distan- universidad? dosa para evitar distorciones impidan el mal uso de los re-
cia no es ms una barrera para que puedan desvirtuar las ac- cursos disponibles tanto en las
conseguir alcanzar canales de La integracin entre em- tividades, tanto en los centros empresas como en las univer-
presas interesadas en innova- privados de innovacin como sidades.
Espacio dedicado a estudiantes
La Inteligencia Artificial en la vida real est cambiando nuestra vida y sin duda de toda la humanidad.
Una de las primeras cosas que el Deep Learning ha cambia-

do es el sistema de reconocimiento de voz de nuestros smartp-
hones y computadoras. En los ltimos dos aos, nos damos
cuenta de cunto ha mejorado esto y como se ha incrementa-
do su uso. Tambin, tenemos los servicios de traduccin, por
ejemplo Google Translate ya puede traducir oraciones habla-
das a 32 diferentes lenguajes [2]. Y, por supuesto, en las redes
sociales; donde ahora es posible que la computadora te sugiere
etiquetar, mediante reconocimiento de rostros, qu personas
estn en cada foto.
Tambin, el Deep Learning se est utilizando en muchas

otras industrias. Por ejemplo, Investigadores de la universidad
de Michigan se encuentran trabajando en la deteccin de cn-
cer (Melanoma), haciendo uso de redes Neuronales. Existe un
equipo de investigadores Franceses que se se dio cuenta de lo
difcil que es que detectar las clulas cancergenas durante la
ciruga. Es por eso que estn usando redes neuronales junto con
la espectroscopia Raman durante las operaciones, lo cual per-
mite identificar las clulas cancergenas de manera ms rpida
y reduciendo el cncer residual post operacin [1].
Por otro lado, investigadores en Espaa y portugal han apli-

cado redes neuronales artificiales para predecir las fluctuacio-
Santiago Ernesto Lovn Garca, alumno de quinto nes del uso y precio de la energa. El Deep Learning tambin
semestre de la Universidad La Salle de Arequipa es utilizado en la ingeniera civil y mecnica, estudios en Indo-
nesia han utilizando redes neuronales para predecir la respuesta
estructural de los edificios en caso de terremotos. [1].
A travs de los aos, los cientficos de la computacin, en con-
junto con varios profesionales de diversas reas, han intentado
crear computadoras con capacidades similares al cerebro hu- Referencias
mano. El objetivo final es que los ordenadores hablen, lean,
vean, entiendan y solucionen problemas, de manera similar a [1] H EMSOTH , N. The next wave of deep learning applica-
un ser humano. Por otro lado, en estos ltimos aos, se estn tions, sep 2016.
desarrollando algoritmos basados en Inteligencia artificial, y
especficamente Deep Learning, que estn acortando la brecha [2] PARLOFF , R. Why deep learning is suddenly changing
entre lo que se esperaba tener y lo que ahora se tiene, algo que your life, jan 2016.

La Salle en el Mundo
Suramrica Norteamrica
1. Centre lasallien dtudes Suprieures en ducation CL Port de Paix, Hait 1. Bethlehem University, Bethlehem, Palestina
2. Centro Universitrio La Salle UNILASALLE Canoas RS-, Brasil 2. Christ the Theacher Institute of Education, Nairobi, Kenya
3. Corporacin Universitaria Lasallista Caldas, Antioquia, Colombia 3. Christian Brothers University Memphis, Estados Unidos
4. Escuela Normal Superior San Pio X Choco, Colombia

4. College of Santa Fe Santa fe, Estados Unidos
5. Fundacin La Salle de Ciencias Naturales Caracas, Venezuela

5. La Salle University Philadelphia, Estados Unidos
6. Instituto Catecheticum Santiago, Chile
6. Lewis University Romeoville, IL, Estados Unidos
7. Instituto La Cruja Buenos Aires, Argentina
7. Manhattan Collage New York, Estados Unidos
8. Instituto La Salle - Florida Florida, Buenos Aires, Argentina
8. Saint Marys College of California California, Estados Unidos
9. Instituto La Salle Rosario Santa Fe, Argentina
9. Saint Marys University of Minnesota Minnesota, Estados Unidos
10. Instituto Lasallano de Estudios Superiores (ILES) de Buenos Aires Buenos Aires, Argentina
11. Instituto Superior Pedaggico La Salle Urubamba, Cuzco, Per

Asia y Pacfico
1. De La Salle - College of Saint Benilde Manila, Filipinas
12. Instituto Superior Pedaggico Fray Florencio Pascual Alegre Requea, Per
13. Instituto Tcnico Central Bogot, Colombia 2. De La Salle Catholic University Manado, Indonesia
14. Institutos Superiores La Salle (UNILASALLE-RJ) Niteroi - Ro de Janeiro, Brasil 3. De La Salle Health Sciences Institute Cavite, Filipinas
15. IPA - Instituto Pastoral de la Adolescencia Buenos Aires, Argentina 4. De La Salle Lipa Lipa City, Filipinas
16. UCB Universidad Catlica de Brasilia Tanguatinga, Brasil 5. De La Salle University Manila, Filipinas
17. Unio Brasiliense de Educao e Cultura UBEC Brasilia, Brasil 6. De La Salle Canlubang Bian, Filipinas
18. Unilasalle Manaus - AM Manaus - AM, Brasil 7. De La Salle Dasmarias Cavite, Filipinas
19. Universidad De La Salle - Bogota Bogota, Colombia

8. De La Salle- Araneta University Malabon City, Filipinas
20. Universidad La Salle Bolivia La Paz, Bolivia

9. De La Salle-Professional Schools, Inc Manila, Filipinas
21. Universidad La Salle Arequipa, Per

10. Immaculate Conception College-La Salle Ozamis City, Filipinas
Centroamrica 11. La Salle College Antipolo Antipolo City, Filipinas
1. Centro de Estudios Superiores La Salle Monterrey, Leon, Mxico

12. La Salle High Secondary School Multan, Pakistn
2. Escuela Superior de Educacin Integral Rural , Guatemala
13. University of St. La Salle Bacolod City, Filipinas
3. ICCRE Instituto Centroamericano de Ciencias Religiosas Guatemala, Guatemala
Europa
4. Normal Superior Benavente Puebla, Mxico
1. Centre Lasallien African -CELAF-, adibjan - Riviera, frica
5. Universidad De La Salle Bajo A.C Guanajuato, Mxico
2. Ecole Catholique DArts et Mtiers (ECAM) Lyon, Francia

6. Universidad De La Salle Chihuahua A.C. Chihuahua, Mxico
3. Enginyeria i Arquitectura La Salle Barcelona, Espaa

7. Universidad De La Salle San Jose San Jose, Costa Rica
8. Universidad La Salle Oaxaca Oaxaca, Mxico 4. Fratelli Delle Scuole Cristiane - LA SALLE ROMA Roma, Italia
9. Universidad La Salle Cancn Quintana Roo, Cancn, Mxico 5. Insititute Polytechnique LaSalle Beauvais Beauvais, Francia
10. Universidad La Salle Cd. Victoria Tamaulipas, Cd. Victoria, Mxico 6. Institut Reine Astrid De Mons (IRAM) Mons, Blgica
11. Universidad La Salle Cuernavaca, A.C. Morelos, Cuernavaca, Mxico 7. Institut Suprieur DArchitecture St.Luc de Bruxelles Bruxelles, Blgica
12. Universidad La Salle Laguna Durango, Laguna, Mxico 8. Instituto San Pio X Madrid, Espaa
13. Universidad La Salle Mxico (ULSA) Distrito Federal - Cd. de Mxico, Mxico 9. ISAIP - ESAIP Angers, Francia
14. Universidad La Salle Morelia Michoacn, Morelia., Mxico

10. La Salle Campus Madrid Madrid, Espaa
15. Universidad La Salle Nezahualcoyotl Distrito Federal - Cd. de Mxico, Mxico

frica
16. Universidad La Salle Noroeste Sonora Cd. Obregn, Mxico
1. Centre Lasallien African CELAF Abidjan - Riviera, frica
17. Universidad La Salle Pachuca Pachuca, Hidalgo, Mxico
2. Bethlehem University Bethlehem, Palestina
18. Universidad La Salle Saltillo Coahuila, Saltillo, Mxico
3. Christ the Teacher Institute for Education Nairobi, Kenia

19. Universidad Marista La Salle Guadalajara Guadalajara, Jalisco, Mxico
20. Universidad Tecnolgica La Salle, Len Len, Nicaragua

Av. Alfonso Ugarte N 517, Cercado.
Arequipa - Per
Telf.: (51 54) 607554 / 607555
info@ulasalle.edu.pe
www.ulasalle.edu.pe

Revista 2016

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Revista 2016

Hochgeladen von

Copyright:

Verfügbare Formate

REVISTA DE CIENCIA DE

Vol. 4 N 1 Octubre 2016

Importancia de la investigacin en la Universidad

e historia. El conocimiento que produ- mbitos fueran iguales. Es reduccionis-

ULASALLE - IPRODAM RESEARCH GROUP

Diseando Aplicaciones Desplegadas en la Nube

IBM cloud service, etc.) que ofrecen ser- Cloud API

vicios de infraestructura, plataforma y

clientes que pagan de acuerdo a lo que

Figura 1:Representacin de la nube

ULASALLE - IPRODAM RESEARCH GROUP

sistemticamente requerimientos no fun- de recursos que distribuye la carga de

desarrollo de software, ya sea que se est En cuanto a tiempos de respuesta a CalcServer

dologa. de desarrollo de software utilizan datos

basados en experiencias previas en la AppWorkflow

Normalmente el modelado de soft- etapa de diseo, y una vez que el sistema

ULASALLE - IPRODAM RESEARCH GROUP

//abs-models.org/. [7] R. Buyya, C. S. Yeo, S. Venugopal,

V Seminario Nacional de Investigacin Educativa de la SIEP

En esta oportunidad se presentarn los estudios: Tensiones

ULASALLE - IPRODAM RESEARCH GROUP

Bsqueda de correspondencias entre cuerpos

ULASALLE - IPRODAM RESEARCH GROUP

Por otro lado, las caractersticas de

La concatenacin de estos descrip-

ULASALLE - IPRODAM RESEARCH GROUP

UNIVERSIDAD LA SALLE - AREQUIPA

Si deseas ver informacin sobre nuestras carre-

Universidad La Salle de Arequipa, una obra de los

ULASALLE - IPRODAM RESEARCH GROUP

Bsqueda parcial de modelos tridimensionales no

(https://3dwarehouse.sketchup.com/), un de puntos o mallas triangulares, reali-

ULASALLE - IPRODAM RESEARCH GROUP

que se considera que las zonas de alta

Figura 2: Key points de un modelo 3D Figura 3: key components de un

ULASALLE - IPRODAM RESEARCH GROUP

Inka Labs Fincite

El software y las aplicaciones que desarrollan, tienen el

ULASALLE - IPRODAM RESEARCH GROUP

Un descriptor 3D basado en la complejidad de la

Hoy en da existen bases de datos online con miles de mo-

Jos Sotomayor Malqui El descriptor DCTH

Cul es la importancia de los modelos 3D?

Los avances de la tecnologa en el modelado 3D y tcnicas

ULASALLE - IPRODAM RESEARCH GROUP

Descriptor Depth Complexity

Para explicar el descriptor DC, considere un rayo r en un es-

Figura 3: Comparacin de los histogramas DC, T y DCTH

Una vez que el descriptor DCTH ha sido calculado para un con-

El segundo componente del descriptor DCTH es la distribucin

ULASALLE - IPRODAM RESEARCH GROUP

[2] Kazhdan, Michael and Funkhouser, Thomas and Rusin-

[6] Tangelder, Johan W. and Veltkamp, Remco C. A survey

Estuvieron como panelistas Viviana Gbelin Meza (Abo-

ULASALLE - IPRODAM RESEARCH GROUP

Deep Learning y sus aplicaciones

Sin embargo, la aparicin del big

Figura 1: Esquema con

Existen muchas arquitecturas de deep

Las mltiples capas realizan una ex- Arquitecturas discriminativas: rea-

ULASALLE - IPRODAM RESEARCH GROUP

la Amazona han conformado un crcu-

El proceso de aprendizaje se puede