Optimización para Redes Neuronales

Autores
Chirino, Pamela; Galdámez Bilardi, Mariela; Bianchini, Germán; Caymes Scutari, Paola
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
Las Redes neuronales artificiales tratan de reproducir el proceso de solución de problemas del cerebro, una red neuronal toma como ejemplos problemas resueltos para poder construir un sistema de toma de decisiones y realizar calificaciones. Estas características de poder aprender de ejemplos o problemas resueltos las hacen una solución óptima cuando se trabaja con modelos de predicción. El objetivo a futuro de esta investigación es poder aplicar redes neuronales en el modelo paralelo de predicción de incendios utilizado en el laboratorio LICPaD. En este modelo se trabaja constantemente con la incertidumbre de variables, lo que dificulta una predicción óptima. Al implementar redes neuronales en el modelo, se buscará que este logre una mejor toma de decisiones sobre las variables según qué peso tienen estas en el incendio a predecir. Para poder aplicarlo a este modelo buscando mejorar el tiempo y calidad de resultados, se busca paralelizarlo de forma que tanto el aprendizaje como el funcionamiento de la red no afecten considerablemente el tiempo de obtención de los resultados.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Peer Reviewed
Materia
Redes Neuronales, Aprendizaje, Capas, Perceptrón
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-06-22T11:40:27Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/8079
Acceder
id RIAUTN_f00e1b383181e769fcda2bdf45b8cb32
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/8079
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Optimización para Redes NeuronalesChirino, PamelaGaldámez Bilardi, MarielaBianchini, GermánCaymes Scutari, PaolaRedes Neuronales, Aprendizaje, Capas, PerceptrónLas Redes neuronales artificiales tratan de reproducir el proceso de solución de problemas del cerebro, una red neuronal toma como ejemplos problemas resueltos para poder construir un sistema de toma de decisiones y realizar calificaciones. Estas características de poder aprender de ejemplos o problemas resueltos las hacen una solución óptima cuando se trabaja con modelos de predicción. El objetivo a futuro de esta investigación es poder aplicar redes neuronales en el modelo paralelo de predicción de incendios utilizado en el laboratorio LICPaD. En este modelo se trabaja constantemente con la incertidumbre de variables, lo que dificulta una predicción óptima. Al implementar redes neuronales en el modelo, se buscará que este logre una mejor toma de decisiones sobre las variables según qué peso tienen estas en el incendio a predecir. Para poder aplicarlo a este modelo buscando mejorar el tiempo y calidad de resultados, se busca paralelizarlo de forma que tanto el aprendizaje como el funcionamiento de la red no afecten considerablemente el tiempo de obtención de los resultados.Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; ArgentinaPeer Reviewed2023-06-22T11:40:27Z2023-06-22T11:40:27Z2019-01-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdf7mo Congreso Nacional del Ingeniería en Informática / Sistemas de Información (7mo CONAIISI). Año 2019.2347-0372http://hdl.handle.net/20.500.12272/8079spaPID 4736info:eu-repo/semantics/openAccess2023-06-22T11:40:27Zhttp://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 UniversalUniversidad Tecnológica Nacional. Facultad Regional MendozaAtribuciónreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-01T11:57:26Zoai:ria.utn.edu.ar:20.500.12272/8079instacron: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:a2026-10-01 11:57:27.371Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Optimización para Redes Neuronales
title Optimización para Redes Neuronales
spellingShingle Optimización para Redes Neuronales
Chirino, Pamela
Redes Neuronales, Aprendizaje, Capas, Perceptrón
title_short Optimización para Redes Neuronales
title_full Optimización para Redes Neuronales
title_fullStr Optimización para Redes Neuronales
title_full_unstemmed Optimización para Redes Neuronales
title_sort Optimización para Redes Neuronales
dc.creator.none.fl_str_mv Chirino, Pamela
Galdámez Bilardi, Mariela
Bianchini, Germán
Caymes Scutari, Paola
author Chirino, Pamela
author_facet Chirino, Pamela
Galdámez Bilardi, Mariela
Bianchini, Germán
Caymes Scutari, Paola
author_role author
author2 Galdámez Bilardi, Mariela
Bianchini, Germán
Caymes Scutari, Paola
author2_role author
author
author
dc.subject.none.fl_str_mv Redes Neuronales, Aprendizaje, Capas, Perceptrón
topic Redes Neuronales, Aprendizaje, Capas, Perceptrón
dc.description.none.fl_txt_mv Las Redes neuronales artificiales tratan de reproducir el proceso de solución de problemas del cerebro, una red neuronal toma como ejemplos problemas resueltos para poder construir un sistema de toma de decisiones y realizar calificaciones. Estas características de poder aprender de ejemplos o problemas resueltos las hacen una solución óptima cuando se trabaja con modelos de predicción. El objetivo a futuro de esta investigación es poder aplicar redes neuronales en el modelo paralelo de predicción de incendios utilizado en el laboratorio LICPaD. En este modelo se trabaja constantemente con la incertidumbre de variables, lo que dificulta una predicción óptima. Al implementar redes neuronales en el modelo, se buscará que este logre una mejor toma de decisiones sobre las variables según qué peso tienen estas en el incendio a predecir. Para poder aplicarlo a este modelo buscando mejorar el tiempo y calidad de resultados, se busca paralelizarlo de forma que tanto el aprendizaje como el funcionamiento de la red no afecten considerablemente el tiempo de obtención de los resultados.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Peer Reviewed
description Las Redes neuronales artificiales tratan de reproducir el proceso de solución de problemas del cerebro, una red neuronal toma como ejemplos problemas resueltos para poder construir un sistema de toma de decisiones y realizar calificaciones. Estas características de poder aprender de ejemplos o problemas resueltos las hacen una solución óptima cuando se trabaja con modelos de predicción. El objetivo a futuro de esta investigación es poder aplicar redes neuronales en el modelo paralelo de predicción de incendios utilizado en el laboratorio LICPaD. En este modelo se trabaja constantemente con la incertidumbre de variables, lo que dificulta una predicción óptima. Al implementar redes neuronales en el modelo, se buscará que este logre una mejor toma de decisiones sobre las variables según qué peso tienen estas en el incendio a predecir. Para poder aplicarlo a este modelo buscando mejorar el tiempo y calidad de resultados, se busca paralelizarlo de forma que tanto el aprendizaje como el funcionamiento de la red no afecten considerablemente el tiempo de obtención de los resultados.
publishDate 2019
dc.date.none.fl_str_mv 2019-01-01
2023-06-22T11:40:27Z
2023-06-22T11:40:27Z
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 7mo Congreso Nacional del Ingeniería en Informática / Sistemas de Información (7mo CONAIISI). Año 2019.
2347-0372
http://hdl.handle.net/20.500.12272/8079
identifier_str_mv 7mo Congreso Nacional del Ingeniería en Informática / Sistemas de Información (7mo CONAIISI). Año 2019.
2347-0372
url http://hdl.handle.net/20.500.12272/8079
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv PID 4736
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2023-06-22T11:40:27Z
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 2023-06-22T11:40:27Z
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_ 1877862364977561600
score 13.364332

Publicaciones similares