Herramientas de aprendizaje automático para magnetotelúrica

La tesis se centra en ensayar posibles aplicaciones del método magnetotelúrico (MT) utilizando distintos métodos de aprendizaje no supervisado. Se pretende analizar las métricas específicas para los métodos K-Means y Mapas Autoorganizados (Self-Organizing Maps, SOM) y explorar su relación con el con...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Montenegro, Simón
Otros Autores: Zyserman, Fabio Iván
Formato: Tesis Tesis de grado
Lenguaje:Español
Publicado: 2024
Materias:
Geofísica
Magnetotelúrica
Aprendizaje automático
No supervisado
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/168316
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-168316
record_format dspace
spelling I19-R120-10915-1683162024-08-05T20:07:49Z http://sedici.unlp.edu.ar/handle/10915/168316 Herramientas de aprendizaje automático para magnetotelúrica Montenegro, Simón 2024-07-03 2024 2024-08-05T12:48:18Z Zyserman, Fabio Iván Elias, Matías Walter es Geofísica Magnetotelúrica Aprendizaje automático No supervisado La tesis se centra en ensayar posibles aplicaciones del método magnetotelúrico (MT) utilizando distintos métodos de aprendizaje no supervisado. Se pretende analizar las métricas específicas para los métodos K-Means y Mapas Autoorganizados (Self-Organizing Maps, SOM) y explorar su relación con el contexto geofísico. Además, se busca comparar la eficiencia de ambas técnicas de aprendizaje y concluir sobre la factibilidad de su uso en el análisis de datos MT. Para alcanzar estos objetivos, se realizaron varias tareas. Primero, se llevó a cabo un entrenamiento en la utilización del código computacional para medios isotrópicos con ModEM (Modular System for Electromagnetic inversion), lo que permitió un análisis detallado de la respuesta magnetotelúrica de estos medios. Posteriormente, se seleccionaron casos de estudio, se realizaron simulaciones numéricas y se analizaron los resultados obtenidos. También se eligieron las herramientas de aprendizaje automático más adecuadas y se completó un entrenamiento en su uso. Finalmente, estas herramientas se aplicaron para la caracterización de la estructura conductiva de medios bidimensionales heterogéneos. Geofísico Universidad Nacional de La Plata Facultad de Ciencias Astronómicas y Geofísicas Tesis Tesis de grado http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Geofísica
Magnetotelúrica
Aprendizaje automático
No supervisado
spellingShingle Geofísica
Magnetotelúrica
Aprendizaje automático
No supervisado
Montenegro, Simón
Herramientas de aprendizaje automático para magnetotelúrica
topic_facet Geofísica
Magnetotelúrica
Aprendizaje automático
No supervisado
description La tesis se centra en ensayar posibles aplicaciones del método magnetotelúrico (MT) utilizando distintos métodos de aprendizaje no supervisado. Se pretende analizar las métricas específicas para los métodos K-Means y Mapas Autoorganizados (Self-Organizing Maps, SOM) y explorar su relación con el contexto geofísico. Además, se busca comparar la eficiencia de ambas técnicas de aprendizaje y concluir sobre la factibilidad de su uso en el análisis de datos MT. Para alcanzar estos objetivos, se realizaron varias tareas. Primero, se llevó a cabo un entrenamiento en la utilización del código computacional para medios isotrópicos con ModEM (Modular System for Electromagnetic inversion), lo que permitió un análisis detallado de la respuesta magnetotelúrica de estos medios. Posteriormente, se seleccionaron casos de estudio, se realizaron simulaciones numéricas y se analizaron los resultados obtenidos. También se eligieron las herramientas de aprendizaje automático más adecuadas y se completó un entrenamiento en su uso. Finalmente, estas herramientas se aplicaron para la caracterización de la estructura conductiva de medios bidimensionales heterogéneos.
author2 Zyserman, Fabio Iván
author_facet Zyserman, Fabio Iván
Montenegro, Simón
format Tesis
Tesis de grado
author Montenegro, Simón
author_sort Montenegro, Simón
title Herramientas de aprendizaje automático para magnetotelúrica
title_short Herramientas de aprendizaje automático para magnetotelúrica
title_full Herramientas de aprendizaje automático para magnetotelúrica
title_fullStr Herramientas de aprendizaje automático para magnetotelúrica
title_full_unstemmed Herramientas de aprendizaje automático para magnetotelúrica
title_sort herramientas de aprendizaje automático para magnetotelúrica
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/168316
work_keys_str_mv AT montenegrosimon herramientasdeaprendizajeautomaticoparamagnetotelurica
_version_ 1807223678028480512

Ejemplares similares