Estratificación temporal de Aedes Aegypti basada en herramientas geoespaciales y aprendizaje automático
En el presente trabajo, por un lado, implementa un framework para la generación de modelos de aprendizaje automático (ML) con el objetivo de estimar la abundancia de vectores de Dengue, Zika y Chikungunya. A su vez, se entrenan y evalúan modelos no lineales para modelar las poblaciones del mosquito...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | bachelorThesis |
| Lenguaje: | Español |
| Publicado: |
2018
|
| Materias: | |
| Acceso en línea: | http://hdl.handle.net/11086/10760 |
| Aporte de: |
| Sumario: | En el presente trabajo, por un lado, implementa un framework para la generación de modelos de aprendizaje automático (ML) con el objetivo de estimar la abundancia de vectores de Dengue, Zika y Chikungunya.
A su vez, se entrenan y evalúan modelos no lineales para modelar las poblaciones del mosquito. Éstos poseen mayor capacidad de generalización, en comparación con los modelos que actualmente se utilizan para tal fin.
En este trabajo se propone resolver el problema de la decisión de qué modelo utilizar en las localidades que no poseen datos de entrenamiento a través de un concepto novedoso en el campo de la epidemiología, que establece relaciones de cercanía entre regiones teniendo en cuenta sus características ambientales: la Distancia Ambiental Normalizada |
|---|