Análisis de métodos de inteligencia artificial para la reducción de incertidumbre

Mostrar todas las versiones(2)

En este trabajo se estudian diferentes métodos de inteligencia artificial y su posible paralelización, con el objetivo de aplicarlo en un modelo de predicción de incendios forestales desarrollado en el Laboratorio de Investigación en Computo Paralelo/Distribuido. La finalidad es reducir la incertidu...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Chirino, Pamela, Galdámez Bilardi, Mariela, Caymes Scutari, Paola, Bianchini, Germán
Formato: Artículo acceptedVersion
Lenguaje:Español
Publicado: 2023
Materias:
Incertidumbre, Redes neuronales, Investigación
Acceso en línea:http://hdl.handle.net/20.500.12272/8147
Aporte de:
RIA - Repositorio Institucional Abierto (UTN) de Universidad Tecnológica Nacional
id I68-R174-20.500.12272-8147
record_format dspace
spelling I68-R174-20.500.12272-81472023-06-27T15:02:55Z Análisis de métodos de inteligencia artificial para la reducción de incertidumbre Chirino, Pamela Galdámez Bilardi, Mariela Caymes Scutari, Paola Bianchini, Germán Incertidumbre, Redes neuronales, Investigación En este trabajo se estudian diferentes métodos de inteligencia artificial y su posible paralelización, con el objetivo de aplicarlo en un modelo de predicción de incendios forestales desarrollado en el Laboratorio de Investigación en Computo Paralelo/Distribuido. La finalidad es reducir la incertidumbre presente en las variables de entrada con las que opera el modelo subyacente. Los métodos de inteligencia artificial en los que centraremos nuestro estudio son: redes neuronales y visión computacional. Se estudian teóricamente y las formas de desarrollarlos para luego estudiar las posibilidades de paralelización. Con las redes neuronales, centramos nuestro estudio en el perceptrón por ser una red neuronal simple y fácil de desarrollar en lenguaje C. En cuanto a la visión computacional, nos encontramos analizando la forma correcta de aplicarla en nuestro modelo, trabajando actualmente con redes convolucionales. Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina 2023-06-27T15:02:55Z 2023-06-27T15:02:55Z 2021-01-01 info:eu-repo/semantics/article acceptedVersion Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia (IDETEC 2020). Año 2021 http://hdl.handle.net/20.500.12272/8147 spa PID 7658 openAccess http://creativecommons.org/publicdomain/zero/1.0/ CC0 1.0 Universal Universidad Tecnológica Nacional. Facultad Regional Mendoza Atribución pdf
institution Universidad Tecnológica Nacional
institution_str I-68
repository_str R-174
collection RIA - Repositorio Institucional Abierto (UTN)
language Español
topic Incertidumbre, Redes neuronales, Investigación
spellingShingle Incertidumbre, Redes neuronales, Investigación
Chirino, Pamela
Galdámez Bilardi, Mariela
Caymes Scutari, Paola
Bianchini, Germán
Análisis de métodos de inteligencia artificial para la reducción de incertidumbre
topic_facet Incertidumbre, Redes neuronales, Investigación
description En este trabajo se estudian diferentes métodos de inteligencia artificial y su posible paralelización, con el objetivo de aplicarlo en un modelo de predicción de incendios forestales desarrollado en el Laboratorio de Investigación en Computo Paralelo/Distribuido. La finalidad es reducir la incertidumbre presente en las variables de entrada con las que opera el modelo subyacente. Los métodos de inteligencia artificial en los que centraremos nuestro estudio son: redes neuronales y visión computacional. Se estudian teóricamente y las formas de desarrollarlos para luego estudiar las posibilidades de paralelización. Con las redes neuronales, centramos nuestro estudio en el perceptrón por ser una red neuronal simple y fácil de desarrollar en lenguaje C. En cuanto a la visión computacional, nos encontramos analizando la forma correcta de aplicarla en nuestro modelo, trabajando actualmente con redes convolucionales.
format Artículo
acceptedVersion
author Chirino, Pamela
Galdámez Bilardi, Mariela
Caymes Scutari, Paola
Bianchini, Germán
author_facet Chirino, Pamela
Galdámez Bilardi, Mariela
Caymes Scutari, Paola
Bianchini, Germán
author_sort Chirino, Pamela
title Análisis de métodos de inteligencia artificial para la reducción de incertidumbre
title_short Análisis de métodos de inteligencia artificial para la reducción de incertidumbre
title_full Análisis de métodos de inteligencia artificial para la reducción de incertidumbre
title_fullStr Análisis de métodos de inteligencia artificial para la reducción de incertidumbre
title_full_unstemmed Análisis de métodos de inteligencia artificial para la reducción de incertidumbre
title_sort análisis de métodos de inteligencia artificial para la reducción de incertidumbre
publishDate 2023
url http://hdl.handle.net/20.500.12272/8147
work_keys_str_mv AT chirinopamela analisisdemetodosdeinteligenciaartificialparalareducciondeincertidumbre
AT galdamezbilardimariela analisisdemetodosdeinteligenciaartificialparalareducciondeincertidumbre
AT caymesscutaripaola analisisdemetodosdeinteligenciaartificialparalareducciondeincertidumbre
AT bianchinigerman analisisdemetodosdeinteligenciaartificialparalareducciondeincertidumbre
_version_ 1769989316312825856

Ejemplares similares