Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios

Autores
Chirino, Pamela; Galdamez, Mariela; Díaz Acevedo, Karvin; Ponce de León, Alejo; Caymes Scutari, Paola Guadalupe; Bianchini, German
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La inteligencia artificial ha generado una revolución importante en los últimos años de la computación. En esta línea de trabajo se estudiarán dos formas de inteligencia artificial para aplicarlas en la reducción de incertidumbre en modelos de predicción, en este caso, el modelo de predicción de incendios llevado a cabo en el Laboratorio de Investigación en Cómputo Paralelo/Distribuido de la UTN-FRM. En el mismo se trabaja con paralelismo, por lo tanto se analizará la posible paralelización de estos métodos. Los métodos de inteligencia artificial que se estudiarán son: Redes neuronales y Visión Computacional.
Fil: Chirino, Pamela. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Galdamez, Mariela. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Díaz Acevedo, Karvin. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Ponce de León, Alejo. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza; Argentina. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
XXIII Workshop de Investigadores en Ciencias de la Computación
Chilecito
Argentina
Universidad Nacional de Chilecito
Red de Universidades con Carreras de Informática
Materia
INTELIGENCIA ARTIFICIAL
REDES NEURONALES
PARALELISMO
VISIÓN COMPUTACIONAL
PREDICCIÓN
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/179907
Acceder
id CONICETDig_128f8bdaf2078bf233149c3b9c83a79e
oai_identifier_str oai:ri.conicet.gov.ar:11336/179907
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendiosChirino, PamelaGaldamez, MarielaDíaz Acevedo, KarvinPonce de León, AlejoCaymes Scutari, Paola GuadalupeBianchini, GermanINTELIGENCIA ARTIFICIALREDES NEURONALESPARALELISMOVISIÓN COMPUTACIONALPREDICCIÓNhttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1La inteligencia artificial ha generado una revolución importante en los últimos años de la computación. En esta línea de trabajo se estudiarán dos formas de inteligencia artificial para aplicarlas en la reducción de incertidumbre en modelos de predicción, en este caso, el modelo de predicción de incendios llevado a cabo en el Laboratorio de Investigación en Cómputo Paralelo/Distribuido de la UTN-FRM. En el mismo se trabaja con paralelismo, por lo tanto se analizará la posible paralelización de estos métodos. Los métodos de inteligencia artificial que se estudiarán son: Redes neuronales y Visión Computacional.Fil: Chirino, Pamela. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Galdamez, Mariela. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Díaz Acevedo, Karvin. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Ponce de León, Alejo. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza; Argentina. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaXXIII Workshop de Investigadores en Ciencias de la ComputaciónChilecitoArgentinaUniversidad Nacional de ChilecitoRed de Universidades con Carreras de InformáticaUniversidad Nacional de Chilecito2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectWorkshopBookhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/179907Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios; XXIII Workshop de Investigadores en Ciencias de la Computación; Chilecito; Argentina; 2021; 705-709978-987-24611-3-3CONICET DigitalCONICETspaNacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T10:09:37Zoai:ri.conicet.gov.ar:11336/179907instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-03 10:09:37.646CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
title Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
spellingShingle Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
Chirino, Pamela
INTELIGENCIA ARTIFICIAL
REDES NEURONALES
PARALELISMO
VISIÓN COMPUTACIONAL
PREDICCIÓN
title_short Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
title_full Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
title_fullStr Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
title_full_unstemmed Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
title_sort Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios
dc.creator.none.fl_str_mv Chirino, Pamela
Galdamez, Mariela
Díaz Acevedo, Karvin
Ponce de León, Alejo
Caymes Scutari, Paola Guadalupe
Bianchini, German
author Chirino, Pamela
author_facet Chirino, Pamela
Galdamez, Mariela
Díaz Acevedo, Karvin
Ponce de León, Alejo
Caymes Scutari, Paola Guadalupe
Bianchini, German
author_role author
author2 Galdamez, Mariela
Díaz Acevedo, Karvin
Ponce de León, Alejo
Caymes Scutari, Paola Guadalupe
Bianchini, German
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv INTELIGENCIA ARTIFICIAL
REDES NEURONALES
PARALELISMO
VISIÓN COMPUTACIONAL
PREDICCIÓN
topic INTELIGENCIA ARTIFICIAL
REDES NEURONALES
PARALELISMO
VISIÓN COMPUTACIONAL
PREDICCIÓN
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv La inteligencia artificial ha generado una revolución importante en los últimos años de la computación. En esta línea de trabajo se estudiarán dos formas de inteligencia artificial para aplicarlas en la reducción de incertidumbre en modelos de predicción, en este caso, el modelo de predicción de incendios llevado a cabo en el Laboratorio de Investigación en Cómputo Paralelo/Distribuido de la UTN-FRM. En el mismo se trabaja con paralelismo, por lo tanto se analizará la posible paralelización de estos métodos. Los métodos de inteligencia artificial que se estudiarán son: Redes neuronales y Visión Computacional.
Fil: Chirino, Pamela. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Galdamez, Mariela. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Díaz Acevedo, Karvin. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Ponce de León, Alejo. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza; Argentina. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
XXIII Workshop de Investigadores en Ciencias de la Computación
Chilecito
Argentina
Universidad Nacional de Chilecito
Red de Universidades con Carreras de Informática
description La inteligencia artificial ha generado una revolución importante en los últimos años de la computación. En esta línea de trabajo se estudiarán dos formas de inteligencia artificial para aplicarlas en la reducción de incertidumbre en modelos de predicción, en este caso, el modelo de predicción de incendios llevado a cabo en el Laboratorio de Investigación en Cómputo Paralelo/Distribuido de la UTN-FRM. En el mismo se trabaja con paralelismo, por lo tanto se analizará la posible paralelización de estos métodos. Los métodos de inteligencia artificial que se estudiarán son: Redes neuronales y Visión Computacional.
publishDate 2021
dc.date.none.fl_str_mv 2021
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/conferenceObject
Workshop
Book
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
status_str publishedVersion
format conferenceObject
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/179907
Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios; XXIII Workshop de Investigadores en Ciencias de la Computación; Chilecito; Argentina; 2021; 705-709
978-987-24611-3-3
CONICET Digital
CONICET
url http://hdl.handle.net/11336/179907
identifier_str_mv Métodos de inteligencia artificial para la reducción de incertidumbre en modelos de predicción de incendios; XXIII Workshop de Investigadores en Ciencias de la Computación; Chilecito; Argentina; 2021; 705-709
978-987-24611-3-3
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
dc.coverage.none.fl_str_mv Nacional
dc.publisher.none.fl_str_mv Universidad Nacional de Chilecito
publisher.none.fl_str_mv Universidad Nacional de Chilecito
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1842270088605990912
score 13.13397

Publicaciones similares