Técnicas de aprendizaje automático aplicadas a simulaciones numéricas de colisiones de material granular poroso

Autores
Rim, Daniela Noemí
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión publicada
Colaborador/a o director/a de tesis
Moyano, Luis G.
Millán, Emmanuel N.
Ruestes, Carlos J.
Monge, David A.
Descripción
En este seminario, se presenta un método computacional para obtener información sobre el desenlace de simulaciones de colisiones de granos porosos antes de que las mismas finalicen, permitiendo ahorrar así tiempo de simulación. Para este fin, se desarrolló un sistema de aprendizaje automático, en el cual los algoritmos de aprendizaje supervisado "aprenden" a categorizar cada partícula constituyente del sistema colisionante según a cuál fragmento pertenezcan luego de producirse la colisión. Con la metodología aquí propuesta se logra predecir el desenlace de 35 simulaciones de distintos parámetros generales y tamaños (con un 95% de aciertos en cada una) ahorrando un 73.3% del tiempo total que tomaría ejecutarlas hasta el tiempo de finalización.
Fil: Rim, Daniela Noemí. Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales.
Materia
Estudio de métodos
Algoritmos
Simulacion por computador
Métodos de simulación
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/2.5/ar/
Repositorio
Biblioteca Digital (UNCu)
Institución
Universidad Nacional de Cuyo
OAI Identificador
oai:bdigital.uncu.edu.ar:14000
Acceder
id BDUNCU_11108ba5df5559d1ea9580b297a31b64
oai_identifier_str oai:bdigital.uncu.edu.ar:14000
network_acronym_str BDUNCU
repository_id_str 1584
network_name_str Biblioteca Digital (UNCu)
spelling Técnicas de aprendizaje automático aplicadas a simulaciones numéricas de colisiones de material granular poroso Rim, Daniela NoemíEstudio de métodosAlgoritmosSimulacion por computadorMétodos de simulaciónEn este seminario, se presenta un método computacional para obtener información sobre el desenlace de simulaciones de colisiones de granos porosos antes de que las mismas finalicen, permitiendo ahorrar así tiempo de simulación. Para este fin, se desarrolló un sistema de aprendizaje automático, en el cual los algoritmos de aprendizaje supervisado "aprenden" a categorizar cada partícula constituyente del sistema colisionante según a cuál fragmento pertenezcan luego de producirse la colisión. Con la metodología aquí propuesta se logra predecir el desenlace de 35 simulaciones de distintos parámetros generales y tamaños (con un 95% de aciertos en cada una) ahorrando un 73.3% del tiempo total que tomaría ejecutarlas hasta el tiempo de finalización.Fil: Rim, Daniela Noemí. Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales. Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y NaturalesMoyano, Luis G.Millán, Emmanuel N.Ruestes, Carlos J.Monge, David A.2018-11-08info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionTesina de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://bdigital.uncu.edu.ar/14000spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/2.5/ar/reponame:Biblioteca Digital (UNCu)instname:Universidad Nacional de Cuyoinstacron:UNCU2025-09-11T10:19:56Zoai:bdigital.uncu.edu.ar:14000Institucionalhttp://bdigital.uncu.edu.ar/Universidad públicaNo correspondehttp://bdigital.uncu.edu.ar/OAI/hdegiorgi@uncu.edu.ar;horaciod@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:15842025-09-11 10:19:56.825Biblioteca Digital (UNCu) - Universidad Nacional de Cuyofalse
dc.title.none.fl_str_mv Técnicas de aprendizaje automático aplicadas a simulaciones numéricas de colisiones de material granular poroso
title Técnicas de aprendizaje automático aplicadas a simulaciones numéricas de colisiones de material granular poroso
spellingShingle Técnicas de aprendizaje automático aplicadas a simulaciones numéricas de colisiones de material granular poroso
Rim, Daniela Noemí
Estudio de métodos
Algoritmos
Simulacion por computador
Métodos de simulación
title_short Técnicas de aprendizaje automático aplicadas a simulaciones numéricas de colisiones de material granular poroso
title_full Técnicas de aprendizaje automático aplicadas a simulaciones numéricas de colisiones de material granular poroso
title_fullStr Técnicas de aprendizaje automático aplicadas a simulaciones numéricas de colisiones de material granular poroso
title_full_unstemmed Técnicas de aprendizaje automático aplicadas a simulaciones numéricas de colisiones de material granular poroso
title_sort Técnicas de aprendizaje automático aplicadas a simulaciones numéricas de colisiones de material granular poroso
dc.creator.none.fl_str_mv Rim, Daniela Noemí
author Rim, Daniela Noemí
author_facet Rim, Daniela Noemí
author_role author
dc.contributor.none.fl_str_mv Moyano, Luis G.
Millán, Emmanuel N.
Ruestes, Carlos J.
Monge, David A.
dc.subject.none.fl_str_mv Estudio de métodos
Algoritmos
Simulacion por computador
Métodos de simulación
topic Estudio de métodos
Algoritmos
Simulacion por computador
Métodos de simulación
dc.description.none.fl_txt_mv En este seminario, se presenta un método computacional para obtener información sobre el desenlace de simulaciones de colisiones de granos porosos antes de que las mismas finalicen, permitiendo ahorrar así tiempo de simulación. Para este fin, se desarrolló un sistema de aprendizaje automático, en el cual los algoritmos de aprendizaje supervisado "aprenden" a categorizar cada partícula constituyente del sistema colisionante según a cuál fragmento pertenezcan luego de producirse la colisión. Con la metodología aquí propuesta se logra predecir el desenlace de 35 simulaciones de distintos parámetros generales y tamaños (con un 95% de aciertos en cada una) ahorrando un 73.3% del tiempo total que tomaría ejecutarlas hasta el tiempo de finalización.
Fil: Rim, Daniela Noemí. Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales.
description En este seminario, se presenta un método computacional para obtener información sobre el desenlace de simulaciones de colisiones de granos porosos antes de que las mismas finalicen, permitiendo ahorrar así tiempo de simulación. Para este fin, se desarrolló un sistema de aprendizaje automático, en el cual los algoritmos de aprendizaje supervisado "aprenden" a categorizar cada partícula constituyente del sistema colisionante según a cuál fragmento pertenezcan luego de producirse la colisión. Con la metodología aquí propuesta se logra predecir el desenlace de 35 simulaciones de distintos parámetros generales y tamaños (con un 95% de aciertos en cada una) ahorrando un 73.3% del tiempo total que tomaría ejecutarlas hasta el tiempo de finalización.
publishDate 2018
dc.date.none.fl_str_mv 2018-11-08
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/publishedVersion
Tesina de grado
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://bdigital.uncu.edu.ar/14000
url http://bdigital.uncu.edu.ar/14000
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/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/2.5/ar/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales
publisher.none.fl_str_mv Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales
dc.source.none.fl_str_mv reponame:Biblioteca Digital (UNCu)
instname:Universidad Nacional de Cuyo
instacron:UNCU
reponame_str Biblioteca Digital (UNCu)
collection Biblioteca Digital (UNCu)
instname_str Universidad Nacional de Cuyo
instacron_str UNCU
institution UNCU
repository.name.fl_str_mv Biblioteca Digital (UNCu) - Universidad Nacional de Cuyo
repository.mail.fl_str_mv hdegiorgi@uncu.edu.ar;horaciod@gmail.com
_version_ 1842974867791544320
score 13.069144

Publicaciones similares