Análisis de métodos de inteligencia artificial para la reducción de incertidumbre

Autores
Chirino, Pamela; Galdámez Bilardi, Mariela; Caymes Scutari, Paola; Bianchini , Germán
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
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.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza, Argentina
Materia
Incertidumbre
Redes neuronales
Investigación
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Universidad Tecnológica Nacional, Facultad Regional Mendoza
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/14179
Acceder
id RIAUTN_1d22c6cd4f4e96f882a415406f9526f1
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/14179
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Análisis de métodos de inteligencia artificial para la reducción de incertidumbreChirino, PamelaGaldámez Bilardi, MarielaCaymes Scutari, PaolaBianchini , GermánIncertidumbreRedes neuronalesInvestigaciónEn 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.Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza, ArgentinaUniversidad Tecnológica Nacional. Facultad Regional Mendoza2025-11-12T13:33:26Z2021-06-21info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfCongreso de Investigaciones y Desarrollos en Tecnología y Ciencia978-987-4998-69-9https://hdl.handle.net/20.500.12272/14179spaPID 7658info:eu-repo/semantics/openAccessUniversidad Tecnológica Nacional, Facultad Regional MendozaAtribución (Attribution) No comercial (Non Commercial) Compartir igual (Share Alike)2021-06-21reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:44:52Zoai:ria.utn.edu.ar:20.500.12272/14179instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:44:53.482Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Análisis de métodos de inteligencia artificial para la reducción de incertidumbre
title Análisis de métodos de inteligencia artificial para la reducción de incertidumbre
spellingShingle Análisis de métodos de inteligencia artificial para la reducción de incertidumbre
Chirino, Pamela
Incertidumbre
Redes neuronales
Investigación
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
dc.creator.none.fl_str_mv Chirino, Pamela
Galdámez Bilardi, Mariela
Caymes Scutari, Paola
Bianchini , Germán
author Chirino, Pamela
author_facet Chirino, Pamela
Galdámez Bilardi, Mariela
Caymes Scutari, Paola
Bianchini , Germán
author_role author
author2 Galdámez Bilardi, Mariela
Caymes Scutari, Paola
Bianchini , Germán
author2_role author
author
author
dc.subject.none.fl_str_mv Incertidumbre
Redes neuronales
Investigación
topic Incertidumbre
Redes neuronales
Investigación
dc.description.none.fl_txt_mv 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.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza, Argentina
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.
publishDate 2021
dc.date.none.fl_str_mv 2021-06-21
2025-11-12T13:33:26Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str acceptedVersion
dc.identifier.none.fl_str_mv Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia
978-987-4998-69-9
https://hdl.handle.net/20.500.12272/14179
identifier_str_mv Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia
978-987-4998-69-9
url https://hdl.handle.net/20.500.12272/14179
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv PID 7658
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Universidad Tecnológica Nacional, Facultad Regional Mendoza
Atribución (Attribution) No comercial (Non Commercial) Compartir igual (Share Alike)
2021-06-21
eu_rights_str_mv openAccess
rights_invalid_str_mv Universidad Tecnológica Nacional, Facultad Regional Mendoza
Atribución (Attribution) No comercial (Non Commercial) Compartir igual (Share Alike)
2021-06-21
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Tecnológica Nacional. Facultad Regional Mendoza
publisher.none.fl_str_mv Universidad Tecnológica Nacional. Facultad Regional Mendoza
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230889611558912
score 13.265058

Publicaciones similares