Análisis de métodos de inteligencia artificial para la reducción de incertidumbre
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...
Guardado en:
Autores principales: | , , , |
---|---|
Formato: | Artículo acceptedVersion |
Lenguaje: | Español |
Publicado: |
2023
|
Materias: | |
Acceso en línea: | http://hdl.handle.net/20.500.12272/8147 |
Aporte de: |
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 |