Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionales

Autores
Caymes Scutari, Paola Guadalupe; Bianchini, German; Tardivo, María Laura; Mendez Garabetti, M. A.
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La predicción de fenómenos, sean estos ambientales,climatológicos, naturales, etc., constituye un proceso complejo en el que intervienen y se interrelacionan diversas disciplinas, y suele considerarse unode los ejemplos de aplicación de ciencia computacional por antonomasia. Las ciencias formales proveen ciertos modelos que permiten representar el fenómeno en cuestión, retroalimentados con la información experta y fehaciente que brindan las ciencias experimentales y/o ingenieriles. Por su parte, las ciencias informáticas y de la computación proveen el soporte para implementar tales datos y modelos, sean estos formales, empíricos, o mixtos, y a su vez para su ejecución en pos de la obtención de la predicción deseada. La complejidad de tales sistemas suele requerir tiempos de ejecución prolongados,que en ocasiones dificultan la obtención de resultados en una ventana temporal que resulte de utilidad para la toma de decisiones que permitan evitar situaciones de riesgo y/o alto costo (por ejemplo, pérdida de vidas humanas,destrucción del medio ambiente, pérdidas edilicias o económicas, etc.) o incluso catástrofes. En este trabajo se realiza un análisis relativo a la ganancia o reducción en el tiempo de respuesta de tales sistemas a partir de la incorporación de un modelo de rendimiento para activar el proceso desintonización automática y dinámica en aplicaciones predictivas. Como objeto de estudio, se considera en particular la familia de métodos evolutivo-poblacionales, los cuales involucran algún tipo de metaheurística que a partir de una muestra o población de datos inicial evoluciona iterativamente a lo largo de sucesivas generaciones modificando la población hasta alcanzar una calidad de predicción aceptable.
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
Fil: Tardivo, María Laura. 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. Universidad Nacional de Río Cuarto. Facultad de Ciencias Exactas Fisicoquímicas y Naturales. Departamento de Computación; Argentina
Fil: Mendez Garabetti, M. A.. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
15º Encuentro del Centro Internacional de Ciencias de la Tierra
Mendoza
Argentina
Centro Internacional para Estudios de la Tierra
Comisión Nacional de Energía Atómica
Universidad Nacional de Cuyo
Materia
TOMA DE DECISIONES
PREVENCION
PREDICCION
CIENCIA COMPUTACIONAL
SINTONIZACION
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:11336/175003
Acceder
id CONICETDig_c9294c733d85d7ec6f37f8b3c4bbec0c
oai_identifier_str oai:ri.conicet.gov.ar:11336/175003
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionalesCaymes Scutari, Paola GuadalupeBianchini, GermanTardivo, María LauraMendez Garabetti, M. A.TOMA DE DECISIONESPREVENCIONPREDICCIONCIENCIA COMPUTACIONALSINTONIZACIONhttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1La predicción de fenómenos, sean estos ambientales,climatológicos, naturales, etc., constituye un proceso complejo en el que intervienen y se interrelacionan diversas disciplinas, y suele considerarse unode los ejemplos de aplicación de ciencia computacional por antonomasia. Las ciencias formales proveen ciertos modelos que permiten representar el fenómeno en cuestión, retroalimentados con la información experta y fehaciente que brindan las ciencias experimentales y/o ingenieriles. Por su parte, las ciencias informáticas y de la computación proveen el soporte para implementar tales datos y modelos, sean estos formales, empíricos, o mixtos, y a su vez para su ejecución en pos de la obtención de la predicción deseada. La complejidad de tales sistemas suele requerir tiempos de ejecución prolongados,que en ocasiones dificultan la obtención de resultados en una ventana temporal que resulte de utilidad para la toma de decisiones que permitan evitar situaciones de riesgo y/o alto costo (por ejemplo, pérdida de vidas humanas,destrucción del medio ambiente, pérdidas edilicias o económicas, etc.) o incluso catástrofes. En este trabajo se realiza un análisis relativo a la ganancia o reducción en el tiempo de respuesta de tales sistemas a partir de la incorporación de un modelo de rendimiento para activar el proceso desintonización automática y dinámica en aplicaciones predictivas. Como objeto de estudio, se considera en particular la familia de métodos evolutivo-poblacionales, los cuales involucran algún tipo de metaheurística que a partir de una muestra o población de datos inicial evoluciona iterativamente a lo largo de sucesivas generaciones modificando la población hasta alcanzar una calidad de predicción aceptable.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; ArgentinaFil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Tardivo, María Laura. 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. Universidad Nacional de Río Cuarto. Facultad de Ciencias Exactas Fisicoquímicas y Naturales. Departamento de Computación; ArgentinaFil: Mendez Garabetti, M. A.. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina15º Encuentro del Centro Internacional de Ciencias de la TierraMendozaArgentinaCentro Internacional para Estudios de la TierraComisión Nacional de Energía AtómicaUniversidad Nacional de CuyoComisión Nacional de Energía AtómicaGómez, MartínFilipussi, Dino AlbertoLenzano, Luis Eduardo2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectEncuentroBookhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/175003Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionales; 15º Encuentro del Centro Internacional de Ciencias de la Tierra; Mendoza; Argentina; 2020; 178-186978-987-1323-66-1CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://www.uncuyo.edu.ar/ices/upload/2021-actas-de-trabajos-completos-del-e-ices-15.pdfInternacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T09:55:12Zoai:ri.conicet.gov.ar:11336/175003instacron: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 09:55:12.721CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionales
title Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionales
spellingShingle Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionales
Caymes Scutari, Paola Guadalupe
TOMA DE DECISIONES
PREVENCION
PREDICCION
CIENCIA COMPUTACIONAL
SINTONIZACION
title_short Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionales
title_full Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionales
title_fullStr Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionales
title_full_unstemmed Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionales
title_sort Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionales
dc.creator.none.fl_str_mv Caymes Scutari, Paola Guadalupe
Bianchini, German
Tardivo, María Laura
Mendez Garabetti, M. A.
author Caymes Scutari, Paola Guadalupe
author_facet Caymes Scutari, Paola Guadalupe
Bianchini, German
Tardivo, María Laura
Mendez Garabetti, M. A.
author_role author
author2 Bianchini, German
Tardivo, María Laura
Mendez Garabetti, M. A.
author2_role author
author
author
dc.contributor.none.fl_str_mv Gómez, Martín
Filipussi, Dino Alberto
Lenzano, Luis Eduardo
dc.subject.none.fl_str_mv TOMA DE DECISIONES
PREVENCION
PREDICCION
CIENCIA COMPUTACIONAL
SINTONIZACION
topic TOMA DE DECISIONES
PREVENCION
PREDICCION
CIENCIA COMPUTACIONAL
SINTONIZACION
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 predicción de fenómenos, sean estos ambientales,climatológicos, naturales, etc., constituye un proceso complejo en el que intervienen y se interrelacionan diversas disciplinas, y suele considerarse unode los ejemplos de aplicación de ciencia computacional por antonomasia. Las ciencias formales proveen ciertos modelos que permiten representar el fenómeno en cuestión, retroalimentados con la información experta y fehaciente que brindan las ciencias experimentales y/o ingenieriles. Por su parte, las ciencias informáticas y de la computación proveen el soporte para implementar tales datos y modelos, sean estos formales, empíricos, o mixtos, y a su vez para su ejecución en pos de la obtención de la predicción deseada. La complejidad de tales sistemas suele requerir tiempos de ejecución prolongados,que en ocasiones dificultan la obtención de resultados en una ventana temporal que resulte de utilidad para la toma de decisiones que permitan evitar situaciones de riesgo y/o alto costo (por ejemplo, pérdida de vidas humanas,destrucción del medio ambiente, pérdidas edilicias o económicas, etc.) o incluso catástrofes. En este trabajo se realiza un análisis relativo a la ganancia o reducción en el tiempo de respuesta de tales sistemas a partir de la incorporación de un modelo de rendimiento para activar el proceso desintonización automática y dinámica en aplicaciones predictivas. Como objeto de estudio, se considera en particular la familia de métodos evolutivo-poblacionales, los cuales involucran algún tipo de metaheurística que a partir de una muestra o población de datos inicial evoluciona iterativamente a lo largo de sucesivas generaciones modificando la población hasta alcanzar una calidad de predicción aceptable.
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
Fil: Tardivo, María Laura. 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. Universidad Nacional de Río Cuarto. Facultad de Ciencias Exactas Fisicoquímicas y Naturales. Departamento de Computación; Argentina
Fil: Mendez Garabetti, M. A.. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
15º Encuentro del Centro Internacional de Ciencias de la Tierra
Mendoza
Argentina
Centro Internacional para Estudios de la Tierra
Comisión Nacional de Energía Atómica
Universidad Nacional de Cuyo
description La predicción de fenómenos, sean estos ambientales,climatológicos, naturales, etc., constituye un proceso complejo en el que intervienen y se interrelacionan diversas disciplinas, y suele considerarse unode los ejemplos de aplicación de ciencia computacional por antonomasia. Las ciencias formales proveen ciertos modelos que permiten representar el fenómeno en cuestión, retroalimentados con la información experta y fehaciente que brindan las ciencias experimentales y/o ingenieriles. Por su parte, las ciencias informáticas y de la computación proveen el soporte para implementar tales datos y modelos, sean estos formales, empíricos, o mixtos, y a su vez para su ejecución en pos de la obtención de la predicción deseada. La complejidad de tales sistemas suele requerir tiempos de ejecución prolongados,que en ocasiones dificultan la obtención de resultados en una ventana temporal que resulte de utilidad para la toma de decisiones que permitan evitar situaciones de riesgo y/o alto costo (por ejemplo, pérdida de vidas humanas,destrucción del medio ambiente, pérdidas edilicias o económicas, etc.) o incluso catástrofes. En este trabajo se realiza un análisis relativo a la ganancia o reducción en el tiempo de respuesta de tales sistemas a partir de la incorporación de un modelo de rendimiento para activar el proceso desintonización automática y dinámica en aplicaciones predictivas. Como objeto de estudio, se considera en particular la familia de métodos evolutivo-poblacionales, los cuales involucran algún tipo de metaheurística que a partir de una muestra o población de datos inicial evoluciona iterativamente a lo largo de sucesivas generaciones modificando la población hasta alcanzar una calidad de predicción aceptable.
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
Encuentro
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/11336/175003
Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionales; 15º Encuentro del Centro Internacional de Ciencias de la Tierra; Mendoza; Argentina; 2020; 178-186
978-987-1323-66-1
CONICET Digital
CONICET
url http://hdl.handle.net/11336/175003
identifier_str_mv Modelo para acelerar la predicción de fenómenos en métodos evolutivo-poblacionales; 15º Encuentro del Centro Internacional de Ciencias de la Tierra; Mendoza; Argentina; 2020; 178-186
978-987-1323-66-1
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://www.uncuyo.edu.ar/ices/upload/2021-actas-de-trabajos-completos-del-e-ices-15.pdf
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 Internacional
dc.publisher.none.fl_str_mv Comisión Nacional de Energía Atómica
publisher.none.fl_str_mv Comisión Nacional de Energía Atómica
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_ 1842269330693160960
score 12.885934

Publicaciones similares