docs #77: changes to the way we reference things

dissertation/bibliografia.tex

@@ -1,2 +1,7 @@
 \section{Bibliografía}
-\bibliography{references.bib}
+
+\begin{frame}{Bibliografía Principal}
+
+	\printbibliography[keyword={importante}]
+
+\end{frame}

dissertation/custom_commands.tex

@@ -96,3 +96,5 @@
 % Cuidado porque hay un comando de latex que ya se llama span
 \newcommand{\spansetlong}[2]{\text{span}_{#1} \conjunto{#2}}
 \newcommand{\spanset}[1]{\spansetlong{\mathbb{R}}{#1}}
+
+\newcommand{\doblecita}[1]{\cite{#1} \footfullcite{#1}}

dissertation/dissertation.tex

@@ -14,6 +14,13 @@
 % Bib style
 \bibliographystyle{alpha}
 
+\usepackage[
+backend=biber,
+style=alphabetic,
+sorting=ynt
+]{biblatex}
+\addbibresource{references.bib}
+
 
 % Info for the titlepage
 \title{Reidentificación de personas invariante a la edad mediante redes profundas y análisis de su eficiencia frente a redes de una capa}

dissertation/informatica.tex

@@ -19,7 +19,7 @@ \subsection{Tarea a resolver}
 
 	\begin{figure}
 		\includegraphics[width=0.8\textwidth]{informatica/ejemplo_dificultad_aifr}
-		\caption{Ejemplo de datos con los que trabajamos en una tarea de \textit{AIFR}. Imagen extraída de \cite{informatica:aifr_survey}.}
+		\caption{Ejemplo de datos con los que trabajamos en una tarea de \textit{AIFR}. Imagen extraída de \doblecita{informatica:aifr_survey}.}
 		\label{img:ejemplo_dificultad_aifr}
 	\end{figure}
 
@@ -47,22 +47,28 @@ \subsection{Enfoque}
 		\column{0.6\linewidth}
 		\centering
 		\begin{figure}
-			\includegraphics[width=1.0\textwidth]{informatica/embedding_paper_principal}
-			\caption{Imagen extraída de \cite{informatica:principal}.}
+			\includegraphics[width=0.8\textwidth]{informatica/embedding_paper_principal}
 		\end{figure}
 		\column{0.5\linewidth}
 		\begin{itemize}
 			\item Queremos que nuestra red aprenda un \textbf{\textit{embedding} semántico}.
 			\item Elementos de la misma identidad deberán estar cerca entre sí, mientras que elementos de distintas identidades deberán estar distantes.
 		\end{itemize}
 	\end{columns}
+	Imagen extraída de \doblecita{informatica:principal}.
+\end{frame}
+
+\begin{frame}{Embedding Semántico}
+	\begin{figure}
+		\includegraphics[height=1.0\textheight]{informatica/embedding_paper_principal}
+	\end{figure}
 \end{frame}
 
 \begin{frame}{Redes siamesas}
 
 	\begin{figure}
 		\includegraphics[width=0.9\textwidth]{informatica/siamesa_firma}
-		\caption{Imagen extraída de \cite{informatica:siamesa_web_imagen}.}
+		\caption{Imagen extraída de \doblecita{informatica:siamesa_web_imagen}.}
 		\label{img:siamesa_firma}
 	\end{figure}
 
@@ -76,7 +82,7 @@ \subsection{Enfoque}
 \begin{frame}{Triplet Loss}
 	\begin{figure}
 		\includegraphics[width=1.0\textwidth]{informatica/triplet_loss_learning}
-		\caption{Imágenes extraídas de \cite{informatica:cacd_dataset}.}
+		\caption{Imágenes extraídas de \doblecita{informatica:cacd_dataset}.}
 	\end{figure}
 
 	A partir de:
@@ -104,7 +110,7 @@ \subsection{Enfoque}
 
 	\begin{figure}
 		\includegraphics[width=0.6\textwidth]{informatica/ejemplo_grafico_pk_sampling}
-		\caption{Imagen extraída de \cite{informatica:paper_image_pk_sampling}.}
+		\caption{Imagen extraída de \doblecita{informatica:paper_image_pk_sampling}.}
 	\end{figure}
 
 \end{frame}
@@ -132,7 +138,7 @@ \subsection{Experimentación preliminar}
 
 	\begin{figure}
 		\includegraphics[width=0.9\textwidth]{informatica/cacd_example}
-		\caption{Imagen extraída de \cite{informatica:paper_cacd}}
+		\caption{Imagen extraída de \doblecita{informatica:paper_cacd}}
 		\label{img:cacd_imagenes_ejemplo}
 	\end{figure}
 
@@ -194,7 +200,7 @@ \subsection{Experimentación preliminar}
 		\label{table:resultados_mnist_mal}
 	\end{table}
 
-	En la experimentación realizada por \cite{informatica:adambielski_github} observamos los mismos problemas que estamos exponiendo.
+	En la experimentación realizada por \doblecita{informatica:adambielski_github} observamos los mismos problemas que estamos exponiendo.
 
 \end{frame}
 
@@ -298,7 +304,7 @@ \subsection{Conclusiones}
 		\item Hemos identificado un problema de diseño en las variantes \textit{online} de \textit{Triplet Loss}.
 		\item Hemos propuesto una solución original y validado experimentalmente su gran eficacia.
 		\item Obtenemos buenos resultados en la tarea de \textit{AIFR}.
-		\item Desarrollo en abierto de toda la base de código en nuestro repositorio de \textit{Github} \cite{informatica:repogithub}.
+		\item Desarrollo en abierto de toda la base de código en nuestro repositorio de \textit{Github} \doblecita{informatica:repogithub}.
 	\end{itemize}
 
 \end{frame}

dissertation/justfile

@@ -18,7 +18,7 @@ compile:
     try {
         # We run pdflatex this way so references work well
         pdflatex "{{texfile}}"
-        bibtex "{{trim_end_match(texfile, '.tex')}}"
+        biber "{{trim_end_match(texfile, '.tex')}}"
         pdflatex "{{texfile}}"
         pdflatex "{{texfile}}"
         notify-send "📃" "Latex compiled!"

dissertation/matematicas.tex

@@ -19,7 +19,7 @@ \subsection{Tarea de aprendizaje}
 
 	\begin{itemize}
 		\item Buscamos resolver una tarea de \textbf{clasificación de imágenes}.
-		\item Representamos las imágenes de entrada como \textbf{parches}, $(\nv{x_1}, \ldots, \nv{x_N})$ con $\nv{x_i} \in \R^S$. Esta representación se utiliza en la práctica \cite{matematicas:vit}.
+		\item Representamos las imágenes de entrada como \textbf{parches}, $(\nv{x_1}, \ldots, \nv{x_N})$ con $\nv{x_i} \in \R^S$. Esta representación se utiliza en la práctica \doblecita{matematicas:vit}.
 		\item Clasificamos la imagen de entrada como el valor $y$ para el cual se maximiza la \textbf{función de puntuación} $h_y: \R^S \times \cdots \times \R^S \to \R$.
 		\item Por lo tanto, buscamos aprender $Y$ funciones de puntuación a partir de los datos y las arquitecturas de aprendizaje automático que desarrollemos.
 	\end{itemize}
@@ -39,7 +39,7 @@ \subsection{Tarea de aprendizaje}
 		      \begin{equation} \label{eq:hipotesis_en_general}
 			      h_y(\nv{x_1}, \ldots, \nv{x_N}) \approx \sum_{d_1, \ldots, d_N \in \N} \mathcal{A}^y_{d_1, \ldots, d_N} \prod_{i = 1}^N f_{d_i}(\nv{x_i}).
 		      \end{equation}
-		\item En \cite{matematicas:principal} se justifica empíricamente que al trabajar con imágenes podemos tomar $M=100$ con lo que se verifica:
+		\item En \doblecita{matematicas:principal} se justifica empíricamente que al trabajar con imágenes podemos tomar $M=100$ con lo que se verifica:
 
 		      \begin{equation} \label{eq:puntuacion_general}
 			      h_y(\nv{x_1}, \ldots, \nv{x_N}) = \sum_{d_1, \ldots, d_N = 1}^{M} \mathcal{A}^y_{d_1, \ldots, d_N} \prod_{i = 1}^N f_{\theta_{d_i}}(\nv{x_i}).
@@ -137,7 +137,7 @@ \subsection{Modelización de las redes profundas}
 	\begin{figure}
 		\centering
 		\includegraphics[height=0.42\textheight]{matematicas/diagrama_paper_modelo_ht}
-		\caption{Funcionamiento de nuestro modelo. Imagen extraída de \cite{matematicas:principal}.}
+		\caption{Funcionamiento de nuestro modelo. Imagen extraída de \doblecita{matematicas:principal}.}
 	\end{figure}
 
 
@@ -185,6 +185,6 @@ \subsection{Resultados principales}
 		\item Hemos modelado la tarea de aprendizaje y los dos tipos de arquitectura, profunda y no profunda.
 		\item El primer resultado nos dice que casi todos los tensores $\mathcal{A}^y$ que podemos generar con un modelo \textit{HT} tienen rango \textit{CP} de al menos $r^{N/2}$, lo que implica que el modelo \textit{CP} necesita un número exponencial de parámetros.
 		\item El segundo resultado añade a este hecho que ni siquiera pueden aproximarse eficientemente (menos de un número exponencial de coeficientes) por una descomposición \textit{CP}.
-		\item Hemos dado información precisa sobre cómo de frecuente ocurre este hecho (casi por doquier). Otros trabajos \cite{matematicas:descomposicion_ht} únicamente dan ejemplos concretos en los que esto ocurre.
+		\item Hemos dado información precisa sobre cómo de frecuente ocurre este hecho (casi por doquier). Otros trabajos \doblecita{matematicas:descomposicion_ht} únicamente dan ejemplos concretos en los que esto ocurre.
 	\end{itemize}
 \end{frame}

dissertation/references.bib

@@ -14,6 +14,7 @@ @article{matematicas:principal
     publisher = {arXiv},
     year = {2015},
     copyright = {arXiv.org perpetual, non-exclusive license},
+    keywords = "importante",
 }
 
 @article{matematicas:vit,
@@ -56,7 +57,6 @@ @article{matematicas:gaussianas_totales
 @article{matematicas:descomposicion_ht,
     title = {A New Scheme for the Tensor Representation},
     volume = {15},
-    url = {https://link.springer.com/article/10.1007/s00041-009-9094-9#citeas},
     DOI = {https://doi.org/10.1007/s00041-009-9094-9},
     number = {5},
     journal = {Journal of Fourier Analysis and Applications},
@@ -76,6 +76,7 @@ @article{informatica:principal
     eprint = {1703.07737},
     archivePrefix = {arXiv},
     primaryClass = {cs.CV},
+    keywords = "importante",
 }
 
 @article{informatica:challenges_retrieval,
@@ -200,10 +201,11 @@ @article{informatica:aim
 }
 
 @misc{informatica:repogithub,
-    title = {Repositorio de Github donde se ha desarrollado el código y la
-             redacción de la presente memoria},
+    title = {Repositorio de Github donde se ha desarrollado el Trabajo Fin de
+             Grado},
     howpublished = {\url{https://github.com/SergioQuijanoRey/TFG/}},
     author = {Sergio Quijano Rey},
+    keywords = "importante",
 }
 
 @misc{informatica:feature_branches,
@@ -1030,11 +1032,9 @@ @article{informatica:siamesa_lecunn
 
 @misc{informatica:siamesa_web_imagen,
     author = {Sean Benhur},
-    title = {{A} friendly {I}ntroduction to {S}iamese {N}etworks ---
-             towardsdatascience.com},
+    title = {{A} friendly {I}ntroduction to {S}iamese {N}etworks },
     howpublished = {\url{
                     https://towardsdatascience.com/a-friendly-introduction-to-siamese-networks-85ab17522942
                     }},
-    year = {},
     note = {Fecha de último acceso: 17-06-2024] },
 }

flake.nix

@@ -92,8 +92,12 @@
             tikzmark
             cleveref
 
+
             # Dissertation
             beamer
+            biber
+            biblatex
+            collection-bibtexextra
             ;
         });