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/20.500.12272/8155 |
Aporte de: |
id |
I68-R174-20.500.12272-8155 |
---|---|
record_format |
dspace |
spelling |
I68-R174-20.500.12272-81552023-06-27T16:40:40Z Análisis de métodos de inteligencia artificial para la reducción de incertidumbre Chirino, Pamela Bianchini, Germán Caymes Scutari, Paola Inteligencia artificial, Redes neuronales, Paralelismo, Visión Computacional, Predicción 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 2023-06-27T16:40:40Z 2023-06-27T16:40:40Z 2020-01-01 info:eu-repo/semantics/article acceptedVersion 8vo. Congreso Nacional de Ingeniería Informática – Sistemas de Información (IIX CONAIISI 2020). Año 2020 http://hdl.handle.net/20.500.12272/8155 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 |
Inteligencia artificial, Redes neuronales, Paralelismo, Visión Computacional, Predicción |
spellingShingle |
Inteligencia artificial, Redes neuronales, Paralelismo, Visión Computacional, Predicción Chirino, Pamela Bianchini, Germán Caymes Scutari, Paola Análisis de métodos de inteligencia artificial para la reducción de incertidumbre |
topic_facet |
Inteligencia artificial, Redes neuronales, Paralelismo, Visión Computacional, Predicción |
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 Bianchini, Germán Caymes Scutari, Paola |
author_facet |
Chirino, Pamela Bianchini, Germán Caymes Scutari, Paola |
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/20.500.12272/8155 |
work_keys_str_mv |
AT chirinopamela analisisdemetodosdeinteligenciaartificialparalareducciondeincertidumbre AT bianchinigerman analisisdemetodosdeinteligenciaartificialparalareducciondeincertidumbre AT caymesscutaripaola analisisdemetodosdeinteligenciaartificialparalareducciondeincertidumbre |
_version_ |
1769989317953847296 |