Modelización y estimación del riesgo para la salud de la vivienda urbana empleando redes neuronales artificiales

Autores
Vázquez, Juan C.; Castillo, Julio J.; Rojas, María del C.; Cardenas, Marina E.
Año de publicación
2010
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El presente proyecto se enmarca en una línea de investigación relacionada con la aplicación de técnicas de aprendizaje automático, especialmente las redes neuronales artificiales, a la resolución de problemas de las ciencias sociales. El grupo de investigación nuclea a investigadores de la UTN y IIGHI-Conicet, y tiene como uno de sus logros la creación de un software y un modelo computacional que implementa la metodología de estimación del riesgo para la salud de la vivienda urbana desde el enfoque de la vulnerabilidad social, propuesta por el IIGHI-CONICET. Este software denominado RVS (por sus siglas de Riesgo, Vivienda y Salud) se ha desarrollado de basado en redes neuronales artificiales que emula una red conceptual de relación de factores sociales, económicos y demográficos que no se ajusta a los modelos clásicos. Los demógrafos del IIGHI suponen el dominio de problema como complejo y no lineal; indican además que aún no existen mediciones precisas de causa y efecto para el mismo, por lo que su tratamiento por ecuaciones matemáticas no es posible. Se han utilizando cinco redes de tipo perceptron multicapa trabajando en forma conjunta para calcular un índice de riesgo que permitiría a las autoridades de salud dirigir más acertadamente los fondos disponibles, en la medida que la metodología sea confirmada por trabajo de campo, tarea que está en marcha en algunos países de América Latina.
Eje: Agentes y sistemas inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
redes neuronales
ARTIFICIAL INTELLIGENCE
riesgo en salud
sistema complejo
sistema no lineal
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/19455
Acceder
id SEDICI_7dc49d0df298637d1b3d5d9dd7f06500
oai_identifier_str oai:sedici.unlp.edu.ar:10915/19455
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Modelización y estimación del riesgo para la salud de la vivienda urbana empleando redes neuronales artificialesVázquez, Juan C.Castillo, Julio J.Rojas, María del C.Cardenas, Marina E.Ciencias Informáticasredes neuronalesARTIFICIAL INTELLIGENCEriesgo en saludsistema complejosistema no linealEl presente proyecto se enmarca en una línea de investigación relacionada con la aplicación de técnicas de aprendizaje automático, especialmente las redes neuronales artificiales, a la resolución de problemas de las ciencias sociales. El grupo de investigación nuclea a investigadores de la UTN y IIGHI-Conicet, y tiene como uno de sus logros la creación de un software y un modelo computacional que implementa la metodología de estimación del riesgo para la salud de la vivienda urbana desde el enfoque de la vulnerabilidad social, propuesta por el IIGHI-CONICET. Este software denominado RVS (por sus siglas de Riesgo, Vivienda y Salud) se ha desarrollado de basado en redes neuronales artificiales que emula una red conceptual de relación de factores sociales, económicos y demográficos que no se ajusta a los modelos clásicos. Los demógrafos del IIGHI suponen el dominio de problema como complejo y no lineal; indican además que aún no existen mediciones precisas de causa y efecto para el mismo, por lo que su tratamiento por ecuaciones matemáticas no es posible. Se han utilizando cinco redes de tipo perceptron multicapa trabajando en forma conjunta para calcular un índice de riesgo que permitiría a las autoridades de salud dirigir más acertadamente los fondos disponibles, en la medida que la metodología sea confirmada por trabajo de campo, tarea que está en marcha en algunos países de América Latina.Eje: Agentes y sistemas inteligentesRed de Universidades con Carreras en Informática (RedUNCI)2010-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf124-131http://sedici.unlp.edu.ar/handle/10915/19455spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T10:16:45Zoai:sedici.unlp.edu.ar:10915/19455Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 10:16:45.496SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Modelización y estimación del riesgo para la salud de la vivienda urbana empleando redes neuronales artificiales
title Modelización y estimación del riesgo para la salud de la vivienda urbana empleando redes neuronales artificiales
spellingShingle Modelización y estimación del riesgo para la salud de la vivienda urbana empleando redes neuronales artificiales
Vázquez, Juan C.
Ciencias Informáticas
redes neuronales
ARTIFICIAL INTELLIGENCE
riesgo en salud
sistema complejo
sistema no lineal
title_short Modelización y estimación del riesgo para la salud de la vivienda urbana empleando redes neuronales artificiales
title_full Modelización y estimación del riesgo para la salud de la vivienda urbana empleando redes neuronales artificiales
title_fullStr Modelización y estimación del riesgo para la salud de la vivienda urbana empleando redes neuronales artificiales
title_full_unstemmed Modelización y estimación del riesgo para la salud de la vivienda urbana empleando redes neuronales artificiales
title_sort Modelización y estimación del riesgo para la salud de la vivienda urbana empleando redes neuronales artificiales
dc.creator.none.fl_str_mv Vázquez, Juan C.
Castillo, Julio J.
Rojas, María del C.
Cardenas, Marina E.
author Vázquez, Juan C.
author_facet Vázquez, Juan C.
Castillo, Julio J.
Rojas, María del C.
Cardenas, Marina E.
author_role author
author2 Castillo, Julio J.
Rojas, María del C.
Cardenas, Marina E.
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
redes neuronales
ARTIFICIAL INTELLIGENCE
riesgo en salud
sistema complejo
sistema no lineal
topic Ciencias Informáticas
redes neuronales
ARTIFICIAL INTELLIGENCE
riesgo en salud
sistema complejo
sistema no lineal
dc.description.none.fl_txt_mv El presente proyecto se enmarca en una línea de investigación relacionada con la aplicación de técnicas de aprendizaje automático, especialmente las redes neuronales artificiales, a la resolución de problemas de las ciencias sociales. El grupo de investigación nuclea a investigadores de la UTN y IIGHI-Conicet, y tiene como uno de sus logros la creación de un software y un modelo computacional que implementa la metodología de estimación del riesgo para la salud de la vivienda urbana desde el enfoque de la vulnerabilidad social, propuesta por el IIGHI-CONICET. Este software denominado RVS (por sus siglas de Riesgo, Vivienda y Salud) se ha desarrollado de basado en redes neuronales artificiales que emula una red conceptual de relación de factores sociales, económicos y demográficos que no se ajusta a los modelos clásicos. Los demógrafos del IIGHI suponen el dominio de problema como complejo y no lineal; indican además que aún no existen mediciones precisas de causa y efecto para el mismo, por lo que su tratamiento por ecuaciones matemáticas no es posible. Se han utilizando cinco redes de tipo perceptron multicapa trabajando en forma conjunta para calcular un índice de riesgo que permitiría a las autoridades de salud dirigir más acertadamente los fondos disponibles, en la medida que la metodología sea confirmada por trabajo de campo, tarea que está en marcha en algunos países de América Latina.
Eje: Agentes y sistemas inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
description El presente proyecto se enmarca en una línea de investigación relacionada con la aplicación de técnicas de aprendizaje automático, especialmente las redes neuronales artificiales, a la resolución de problemas de las ciencias sociales. El grupo de investigación nuclea a investigadores de la UTN y IIGHI-Conicet, y tiene como uno de sus logros la creación de un software y un modelo computacional que implementa la metodología de estimación del riesgo para la salud de la vivienda urbana desde el enfoque de la vulnerabilidad social, propuesta por el IIGHI-CONICET. Este software denominado RVS (por sus siglas de Riesgo, Vivienda y Salud) se ha desarrollado de basado en redes neuronales artificiales que emula una red conceptual de relación de factores sociales, económicos y demográficos que no se ajusta a los modelos clásicos. Los demógrafos del IIGHI suponen el dominio de problema como complejo y no lineal; indican además que aún no existen mediciones precisas de causa y efecto para el mismo, por lo que su tratamiento por ecuaciones matemáticas no es posible. Se han utilizando cinco redes de tipo perceptron multicapa trabajando en forma conjunta para calcular un índice de riesgo que permitiría a las autoridades de salud dirigir más acertadamente los fondos disponibles, en la medida que la metodología sea confirmada por trabajo de campo, tarea que está en marcha en algunos países de América Latina.
publishDate 2010
dc.date.none.fl_str_mv 2010-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/19455
url http://sedici.unlp.edu.ar/handle/10915/19455
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
124-131
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1868981657957040128
score 13.265058

Publicaciones similares