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, Bianchini, Germán, Caymes Scutari, Paola
Formato: Artículo acceptedVersion
Lenguaje:Español
Publicado: 2023
Materias:
Inteligencia artificial, Redes neuronales, Paralelismo, Visión Computacional, Predicción
Acceso en línea:http://hdl.handle.net/20.500.12272/8155
Aporte de:
RIA - Repositorio Institucional Abierto (UTN) de Universidad Tecnológica Nacional
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

Ejemplares similares