Predicción de ingresos de causas penales utilizando programación genética lineal

Este trabajo propone una metodología de predicción de ingresos de causas penales utilizando Programación Genética Lineal (Linear Genetic Programming - LGP). El estudio se realizó en base a datos mensuales recogidos durante siete años (2007 a 2013), en los siete Juzgados Penales de Garantías de Ciuda...

Descripción completa

Detalles Bibliográficos
Autores principales: Garcete Rodríguez, Alberto David, Barán, Benjamín
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2015
Materias:
Ciencias Informáticas
Modeling and prediction
Programación Genética Lineal (PGL)
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/50049
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-50049
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Modeling and prediction
Programación Genética Lineal (PGL)
spellingShingle Ciencias Informáticas
Modeling and prediction
Programación Genética Lineal (PGL)
Garcete Rodríguez, Alberto David
Barán, Benjamín
Predicción de ingresos de causas penales utilizando programación genética lineal
topic_facet Ciencias Informáticas
Modeling and prediction
Programación Genética Lineal (PGL)
description Este trabajo propone una metodología de predicción de ingresos de causas penales utilizando Programación Genética Lineal (Linear Genetic Programming - LGP). El estudio se realizó en base a datos mensuales recogidos durante siete años (2007 a 2013), en los siete Juzgados Penales de Garantías de Ciudad del Este - Paraguay. La verificación del método propuesto se hizo mediante la comparación del método LGP implementado con modelos estadísticos conocidos como la regresión lineal, promedio móvil, suavizado exponencial y suavizado exponencial con tendencia, prediciendo valores sobre una serie de tiempo, de forma a comparar los errores promedios de cada metodología de predicción. Se utilizaron dos métricas de error: (1) el error cuadrático medio y (2) el error absoluto medio. Resultados experimentales demuestran la superioridad del LGP implementado sobre los demás métodos estadísticos para la predicción de ingresos de causas penales.
format Objeto de conferencia
Objeto de conferencia
author Garcete Rodríguez, Alberto David
Barán, Benjamín
author_facet Garcete Rodríguez, Alberto David
Barán, Benjamín
author_sort Garcete Rodríguez, Alberto David
title Predicción de ingresos de causas penales utilizando programación genética lineal
title_short Predicción de ingresos de causas penales utilizando programación genética lineal
title_full Predicción de ingresos de causas penales utilizando programación genética lineal
title_fullStr Predicción de ingresos de causas penales utilizando programación genética lineal
title_full_unstemmed Predicción de ingresos de causas penales utilizando programación genética lineal
title_sort predicción de ingresos de causas penales utilizando programación genética lineal
publishDate 2015
url http://sedici.unlp.edu.ar/handle/10915/50049
work_keys_str_mv AT garceterodriguezalbertodavid predicciondeingresosdecausaspenalesutilizandoprogramaciongeneticalineal
AT baranbenjamin predicciondeingresosdecausaspenalesutilizandoprogramaciongeneticalineal
bdutipo_str Repositorios
_version_ 1764820475432665090

Ejemplares similares