Análisis y paralelización de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios

Autores
Bianchini, Germán; Caymes Scutari, Paola; Chirino, Pamela; Galdámez Bilardi, Mariela; Díaz, Karvin
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
En este informe se analizaron métodos de inteligencia artificial, particularmente dos: redes neuronales y visión computacional, con el fin de analizar su posible incorporación al modelo de predicción de incendios llevado a cabo en el laboratorio de Cómputo Paralelo Distribuido(Licpad). Además analizaremos su posible paralelización con el fin de no afectar y si es posible mejorar el rendimiento del sistema actual.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Materia
Inteligencia Artificial, Redes Neuronales, Visión Computacional, Paralelismo
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-06-27T14:31:10Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/8144
Acceder
id RIAUTN_432a1e923bb831a7f4d6873d7b4e7117
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/8144
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Análisis y paralelización de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendiosBianchini, GermánCaymes Scutari, PaolaChirino, PamelaGaldámez Bilardi, MarielaDíaz, KarvinInteligencia Artificial, Redes Neuronales, Visión Computacional, ParalelismoEn este informe se analizaron métodos de inteligencia artificial, particularmente dos: redes neuronales y visión computacional, con el fin de analizar su posible incorporación al modelo de predicción de incendios llevado a cabo en el laboratorio de Cómputo Paralelo Distribuido(Licpad). Además analizaremos su posible paralelización con el fin de no afectar y si es posible mejorar el rendimiento del sistema actual.Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina2023-06-27T14:31:10Z2023-06-27T14:31:10Z2021-01-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfIX Congreso Nacional de Ingeniería Informática / Sistemas de Información (CoNaIISI 2021). Año 2021.http://hdl.handle.net/20.500.12272/8144spaPID 7658info:eu-repo/semantics/openAccess2023-06-27T14:31:10Zhttp://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 UniversalUniversidad Tecnológica Nacional. Facultad Regional MendozaAtribuciónreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:43:57Zoai:ria.utn.edu.ar:20.500.12272/8144instacron: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 12:43:57.406Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Análisis y paralelización de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
title Análisis y paralelización de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
spellingShingle Análisis y paralelización de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
Bianchini, Germán
Inteligencia Artificial, Redes Neuronales, Visión Computacional, Paralelismo
title_short Análisis y paralelización de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
title_full Análisis y paralelización de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
title_fullStr Análisis y paralelización de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
title_full_unstemmed Análisis y paralelización de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
title_sort Análisis y paralelización de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
dc.creator.none.fl_str_mv Bianchini, Germán
Caymes Scutari, Paola
Chirino, Pamela
Galdámez Bilardi, Mariela
Díaz, Karvin
author Bianchini, Germán
author_facet Bianchini, Germán
Caymes Scutari, Paola
Chirino, Pamela
Galdámez Bilardi, Mariela
Díaz, Karvin
author_role author
author2 Caymes Scutari, Paola
Chirino, Pamela
Galdámez Bilardi, Mariela
Díaz, Karvin
author2_role author
author
author
author
dc.subject.none.fl_str_mv Inteligencia Artificial, Redes Neuronales, Visión Computacional, Paralelismo
topic Inteligencia Artificial, Redes Neuronales, Visión Computacional, Paralelismo
dc.description.none.fl_txt_mv En este informe se analizaron métodos de inteligencia artificial, particularmente dos: redes neuronales y visión computacional, con el fin de analizar su posible incorporación al modelo de predicción de incendios llevado a cabo en el laboratorio de Cómputo Paralelo Distribuido(Licpad). Además analizaremos su posible paralelización con el fin de no afectar y si es posible mejorar el rendimiento del sistema actual.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
description En este informe se analizaron métodos de inteligencia artificial, particularmente dos: redes neuronales y visión computacional, con el fin de analizar su posible incorporación al modelo de predicción de incendios llevado a cabo en el laboratorio de Cómputo Paralelo Distribuido(Licpad). Además analizaremos su posible paralelización con el fin de no afectar y si es posible mejorar el rendimiento del sistema actual.
publishDate 2021
dc.date.none.fl_str_mv 2021-01-01
2023-06-27T14:31:10Z
2023-06-27T14:31:10Z
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 IX Congreso Nacional de Ingeniería Informática / Sistemas de Información (CoNaIISI 2021). Año 2021.
http://hdl.handle.net/20.500.12272/8144
identifier_str_mv IX Congreso Nacional de Ingeniería Informática / Sistemas de Información (CoNaIISI 2021). Año 2021.
url http://hdl.handle.net/20.500.12272/8144
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
2023-06-27T14:31:10Z
http://creativecommons.org/publicdomain/zero/1.0/
CC0 1.0 Universal
Universidad Tecnológica Nacional. Facultad Regional Mendoza
Atribución
eu_rights_str_mv openAccess
rights_invalid_str_mv 2023-06-27T14:31:10Z
http://creativecommons.org/publicdomain/zero/1.0/
CC0 1.0 Universal
Universidad Tecnológica Nacional. Facultad Regional Mendoza
Atribución
dc.format.none.fl_str_mv pdf
application/pdf
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_ 1877230867673251840
score 13.265058

Publicaciones similares