Interpretación y explicación del comportamiento de redes neuronales artificiales

Permanent URI for this collection

https://repositorio.uai.edu.ar/handle/123456789/4687

Browse

Browsing Interpretación y explicación del comportamiento de redes neuronales artificiales by Issue Date

Jump to a point in the index:
  • Item
    Explicabilidad en algoritmos de búsqueda cuántica en hipercubo con valores de Shapley
    (Universidad Abierta Interamericana. Facultad de Tecnología Informática, 2025-12-29) Pezzini, María Cecilia ; Pons, Claudia Fabiana ; Bibbó, Luis Mariano
    Este trabajo analiza la explicabilidad del algoritmo de búsqueda basado en caminatas cuánticas acuñadas sobre el hipercubo, integrando la metodología SMEF-E (Shapley–Matrix Explainability Framework – Energy). El enfoque combina teoría de juegos cooperativos con funciones de valor Hamiltonianas, con el fin de atribuir la contribución funcional y energética del oráculo, la moneda de Grover y el operador flip-flop durante la evolución del algoritmo. La descomposición mediante valores de Shapley permite interpretar de manera cuantitativa cómo se genera la interferencia constructiva y cómo se redistribuye la energía a medida que se alcanza la probabilidad de éxito óptima. Los resultados experimentales validan los modelos teóricos y aportan transparencia sobre los mecanismos internos que sustentan la ventaja cuántica en búsqueda espacial.
  • Item
    Artificial Intelligence Applied in Legal Information: A Systematic Mapping Study
    (Facultad de Informática, Universidad Nacional de La Plata, 2025-4-30) D'alotto, Juan Eduardo ; Pons, Claudia Fabiana ; Antonelli, Ruben Leandro
    Advanced technologies, particularly Artificial Intelligence (AI), are transforming how legal professionals handle civil law relationships and daily processes. Legal Information Retrieval (LIR), a significant field within AI, focuses on efficiently identifying and analyzing legal norms and documents relevant to users' specific information needs. This systematic mapping study identifies and synthesizes primary approaches, trends, and advancements in applying AI to LIR. By reviewing recent research, it provides an overview of employed strategies, AI techniques, and emerging areas of focus. Systematic search methods were applied to academic databases, selecting relevant studies published over the past fifteen years. From 3405 initially identified articles, 34 were selected for in-depth analysis after applying inclusion and exclusion criteria. The findings reveal sustained interest in AI techniques for LIR, with a clear trend toward adopting Natural Language Processing (NLP) and machine learning to enhance search relevance, precision, and automation of legal processes. This study emphasizes the potential of AI in the legal domain and highlights the need for continued research to address unique LIR challenges in a rapidly evolving technological landscape.