Título:Bounding the Value of Observability for a Dynamic Pricing Problem. Idioma de la charla: Español. Abstract: Research on dynamic pricing has been growing during the last four decades due to its use in practice by a variety of companies as well as the several model variants that can be considered. In this work, we consider the particular pricing problem where a single seller wants to sell one item to a single buyer along an infi nite time horizon in order to maximize her expected revenue.The seller pre-commits to the price function over an infi nite horizon. The buyer has a private value for the item and purchases at the time when his utility is maximized. In our model, the buyer is more impatient than the seller and we study how important is to observe the buyer time arrival in terms of the seller's expected revenue. We prove that in a very general setting, the expected revenue when the seller observes the buyer's arrival is at most roughly 3.6 times the expected revenue when the seller does not know the time when the buyer arrives.
Charla de Divulgación Matemática:
And the Oscar goes to…La matemática de las votaciones
Expositora: Liliana Forzani
Fecha: Jueves 14/11
Horario:
Cafe: 10:30 a 10:50 hs.
Charla: 10:50 a 11:30 hs.
Charla libre y gratuita.
Inscripción:
https://www.fceia.unr.edu.ar/ecen/dm/index.php/divulgacion/divulgacion-preinscripcion/
Consultas y más información:
Depatamentos de Matematica – FCEIA
dmecen@fceia.unr.edu.ar
www.fceia.unr.edu.ar/ecen/dm
@dm_ecen_unr
Resumen charla:
En la charla se contará cómo es el sistema de votación para determinar los ganadores de los premios Oscar y por qué no se necesita tomar toda la sopa para saber si está rica. Sistemas de votación en general y problemas de sesgo en las encuestas: si no querés tomar toda la sopa antes de saber si está rica, no te olvides de revolverla bien antes de probarla.
Resumen antecedentes expositora:
Liliana Forzani finalizó sus estudios de Licenciatura en Matemática Aplicada de la Universidad Nacional del Litoral en 1988. Posteriormente trabajó en docencia e investigación en Análisis Armónico, Análisis Armónico Gaussiano y Ecuaciones de Monge-Ampere. Hasta que el azar (¡ah, el azar…!) en el 2001 (¿el azar?) la llevó a estudiar Estadística. Ésta es el área a la cual dedica actualmente su trabajo de divulgación, docencia e investigación y que la llevó ganar el premio Nacional L’oréal – UNESCO «Por la mujer en la Ciencia» en el año 2008.
https://www.pagina12.com.ar/diario/sociedad/3-114825-2008-11-11.html
https://twitter.com/lorealargentina/status/933682796673060865
Título: ECUACIONES DE BOUSSINESQ EN DOMINIOS TRUNCADOS
ANDREA N. CERETANI*
Resumen: Presentaremos sistemas de Boussinesq con condiciones de contorno mixtas, que se obtienen al modelar el flujo de fluidos no isotérmicos en dominios acotados. La particularidad del problema es que el dominio presenta una frontera articial, que aparece al truncar un dominio más grande, sobre la cual se desconoce el comportamiento del fluido y, por consiguiente, deben
determinarse condiciones de borde articiales. Como ejemplo, se puede pensar en una habitación térmicamente acondicionada mediante algún dispositivo colocado en alguna de sus paredes, con una abertura que permite el recambio natural de aire. Este tipo de problemas interesan, por ejemplo, en el estudio de ubicación óptima de sensores para monitorear la temperatura en la habitación a los fines de controlarla de manera eficiente [4].
Los modelos que veremos están dados por las ecuaciones de Boussinesq (ecuaciones de Navier-Stokes acopladas con una ecuación de convección-difusión) con condiciones de contorno mixtas que incluyen una condición no lineal que acopla la velocidad y la temperatura del fluido en la frontera articial [1,3]. Esta última se considera conjuntamente con una condición «do-nothing» tanto clásica como modicada («directional do-nothing», [2]). Se presentarán resultados acerca de la existencia de
soluciones para algunos problemas y se mostrarán resultados de simulaciones numéricas comparando diferentes enfoques para tratar el comportamiento del fluido en la frontera articial.
Trabajo en colaboracion con Carlos N. Rautenberg y Rafael Arndt, George Mason University, Estados Unidos.
REFERENCIAS
[1] R. Arndt, A. N. Ceretani, and C. N. Rautenberg. Heat-conducting fluids in domains with open boundaries. Arxiv http: // arxiv. org/ abs/ 1910. 03994.
[2] M. Braack and P. Mucha. Directional do-nothing condition for the Navier-Stokes equations. Journal of Computational Mathematics, 32(5):507-521, 2014.
[3] A. N. Ceretani and C. N. Rautenberg. The Boussinesq system with mixed non-smooth boundary conditions and do-nothing boundary flow. Zeitschrift fur angewandte Mathematik und Physik, 70(14):1-24, 2019.
[4] M. Hintermuller, C. N. Rautenberg, M. Mohammadi, and M. Kanitsar. Optimal sensor placement: A robust approach. SIAM Journal on Control and Optimization, 55(6):3609-3639, 2017.
*IMAS (UBA-CONICET), Intendente Guiraldes 2160, Capital Federal 1428, Argentina,
aceretani@dm.uba.ar, y Escuela de Ciencia y Tecnologa, Universidad Nacional de San Martn,
Martn de Irigoyen 3100, San Martn 1650, Argentina, aceretani@unsam.edu.ar
Título: Deep Learning y Análisis Fraccionario.
Director: Dr. Eduardo A. Santillan Marcus.
Resumen:
En el último tiempo se ha puesto muchísimo foco en la creación de modelos inteligentes o de Machine Learning que aprenden de los datos, tanto desde la comunidad científica como en la industria fruto del crecimiento exponencial de los datos disponibles. Entre los distintos tipos de modelos y algoritmos, uno particularmente usado es el de redes
neuronales. Se presentará en detalle cómo funcionan estos modelos, haciendo foco en la parte crucial de todo algoritmo de Machine Learning: el aprendizaje. Veremos cómo y por qué el algoritmo del descenso minimiza la función de error por medio de las ecuaciones fundamentales que lo dominan. Una parte crucial de este algoritmo es la utilización del gradiente. Se propondrá la utilización de la derivada fraccionaria de Caputo y se demostrará un teorema que garantiza bajo ciertas hipótesis su convergencia. Además se mostrarán aplicaciones entrenando modelos para distintos valores del parámetro α de derivación y se utilizarán algunos datasets para experimentar su performance, comparando el caso entero con el fraccionario. Para finalizar, entrenaremos no sólo las redes neuronales MLP de forma directa, sino que mostraremos una aplicación entrenando una red sobre una base de red convolucional para
resolver un problema de clasificación de imágenes.
Defensa de Tesis Doctoral del Lic. Demian Goos.
Directora: Dra. Gabriela Reyero.
Codirector: Dr. Eduardo Santillán Marcus.
Título: «Estudio de diversos problemas con ecuaciones diferenciales fraccionarias de tipo parabólico».
El jurado está integrado por:
Dra. Adriana Briozzo (FCE-Univ. Austral)
Dr. Damián Fernández (FAMAF-UNC)
Dr. Lisandro Parente (FCEIA-UNR)